ASS字幕字体子集化 MKV批量提取/生成

Mkv Auto Subset

ASS字幕字体子集化 MKV批量提取/生成

什么叫字幕字体子集化

这里说的字幕特指ass(ssa)这种带有特效的文本字幕;

ass字幕会引用一些字体,这些字体在播放器所在的系统里可能有安装,也可能没有;

为了实现在任意地方都能有完整的视觉体验,可以把字幕以及字幕里所引用的字体文件一起打包进mkv文件里;

以上的操作存在一个问题,有些字幕会引用很多字体,这些字体文件体积动辄几十MB,而字幕只用到了其中的几个字而已;

比如一个番剧本体200M,但打包了字体文件后变成400M了,这像画吗?

综上所述,子集化的目的就是把字体拆包,找出字幕用到的那部分字形并重新打包;

好处不仅限于节约存储空间,加快缓冲速度;

想想看:在一个只有30Mbps上传的网络环境下,要看上面那个光字体就200M的番剧,这河里吗?

mkvtool 安装

202205新增的Docker镜像使用说明

从Dockerhub获取

TAGNAME=master
FONT_DIR="/usr/share/fonts/truetype" #字体目录
CACHE_DIR="${HOME}/.mkvtool/caches" #缓存目录
OTHER_DIR="" #其他目录(可选,示例见下节.)
docker pull ac79b0c6/mkvtool:${TAGNAME} #拉取/更新镜像
docker run --rm -it -v ${FONT_DIR}:/fonts -v ${CACHE_DIR}:/root/.mkvtool/caches ${OTHER_DIR} ac79b0c6/mkvtool:${TAGNAME} #运行镜像

手动构建&运行

git clone https://github.com/MkvAutoSubset/MkvAutoSubset.git #克隆项目
cd MkvAutoSubset #进入项目目录
sh docker/rebuild.sh #构建镜像
cp docker/run.sh docker/run_my.sh #拷贝一份自己的运行脚本
vi docker/run_my.sh #修改自己的运行脚本(可选)
sh docker/run_my.sh #运行镜像

docker/run_my.sh的修改说明

示例:“-v ${HOME}/work:/work”

依赖

FontTools

apt install fonttools #Debian/Ubuntu
apk add py3-fonttools #Alpine
brew install fonttools #macOS
pip install fonttools #Use pip

MKVToolNix

apt install mkvtoolnix #Debian/Ubuntu
apk add mkvtoolnix #Alpine
brew install mkvtoolnix #macOS

ass2bdnxml

从这里获取

关于Windows用户

从这里下载并安装Python

命令提示符(CMD)里参考上面使用pip的方式安装FontTools依赖

从这里获取ass2bdnxml

从这里下载并安装MKVToolNix

保证以上两个依赖项的相关可执行文件(ttx.exepyftsubset.exemkvextract.exemkvmerge.exeass2bdnxml.exe)在 path 环境变量里

本体

有安装Go的情况:

go install github.com/MkvAutoSubset/MkvAutoSubset/mkvtool@latest #安装和更新

Arch Linux用户(通过Arch User Repository):

点击这里查看具体信息或使用AUR Helper

yay -S mkvtool #yay
paru -S mkvtool #paru

手动安装:

点此下载

适用于Win64的GUI版及动态链接库

点此下载

mkvtool 功能及使用示例

2022.04更新的ASS转PGS说明

mkvtool -a2p -apc -pr 1920*1080 -pf 23.976 ...xxx...

#-a2p: 启用ass转pgs(依赖ass2bdnxml)
#-apc: 使pgs字幕与子集化后的ass字幕共存(该选项会影响混流行为)
#-pr: 设置pgs字幕的分辨率(例如"720p,1080p,2k"或者类似"720*480")
#-pf: 设置pgs字幕的帧率(例如"23.976, 24, 25, 30, 29.97, 50, 59.94, 60"或者类似"15/1")

2022.05更新的不覆盖已有文件说明(默认覆盖模式,影响标准工作流以及"-c","-m"模式.)

mkvtool -no ...xxx...

#-no: 当存在"-no"参数时将不覆盖已有文件

2022.05更新的检查模式说明(默认开启严格模式,影响子集化进程)

mkvtool -ncks ...xxx...

#检查模式:在字体子集化前检查对应字体文件是否确实包含所需要的字形,如有遗失会提醒.
#严格模式:如目标字体文件未包含所需的全部字形则会跳过匹配.
#-ncks: 当存在"-ncks"参数时将禁用严格模式
#-nck: 当存在"-nck"参数时将禁用检查模式

2022.05新增的字体信息查看模式说明

mkvtool -i path

#path: 字体文件路径,输出字体文件包含的所有名称和族信息.

2022.05新增的生成测试视频说明(仅子集化模式可用)

mkvtool -t "-" ...xxx...

#-t: 当"-t"参数不为空时,将在子集化输出目录创建测试视频.
#当"-t"的值为"-"时,将创建和字幕等长的空视频(依赖ffmpeg).
#-b: 当存在"-b"参数时,会将ass字幕烧录进视频(依赖ffmpeg).
#-e: 启用烧录模式时,指定编码器，如"libx264","h264_qsv","nvenc_h264"等,默认为"libx264".

2022.04新增的不重命名字幕说明(影响子集化进程)

mkvtool -n ...xxx...

#-n: 当存在"-n"参数时将仅创建字体的子集化版本.不对字体名称进行修改.

2022.04新增的输出MKS格式说明(影响"-m","-c"模式)

mkvtool -mks ...xxx...

#-mks: 启用MKS格式输出

缓存相关(缓存会影响工作流,即无需额外准备在缓存内的字体.)

创建字体缓存(推荐缓存超级字体整合包 XZ "完整包"可完全缓存,但不保证所有字体都能成功子集化.)

mkvtool -cc -s input #从${input}获取字体信息并创建缓存

#可选"-cp"参数:指定缓存文件的保存目录.
#可选"-clean"参数:清空缓存目录.

取得一个(或目录里所有)ass字幕文件所需要的全部字体

mkvtool -l -s input #从${input}目录获取
mkvtool -l -f file #从${file}文件获取

#可选"-cfc"参数:当"-cfc"存在时,将从字体缓存中复制需要的字体到指定目录.
#可选"-co"参数:指定字体复制的目标目录.
#可选"-cp"参数:指定要使用的缓存目录.

标准工作流

mkvtool -s bangumi

#从${bangumi}文件夹抽取所有mkv文件的字幕和字体,
#遇到ass字幕就自动进行子集化,
#输出替换字幕和字体后的新mkv文件.
#-data参数默认值为"${workdir}/data",指定提取mkv的输出文件夹.
#-dist参数默认值为"${workdir}/dist",指定重组后mkv的输出文件夹.

从单个(或文件夹的)mkv文件里抽取字幕和字体并创建子集化后的版本(可选)

mkvtool -d -f file.mkv #单个文件
mkvtool -d -s bangumi #文件夹

#可选"-n"参数:当"-n"存在时,只抽取内容,不进行子集化操作.
#可选"-data"参数,指定输出文件夹,默认输出到"${workdir}/data".

检测单个(或文件夹的)mkv文件字幕和字体,判断是否需要子集化.

mkvtool -q -f file.mkv #单个文件,会直接输出是否需要子集化
mkvtool -q -s bangumi #文件夹,会将需要子集化的文件列表输出至"${workdir}/list.txt".

将子集化后的字幕与字体替代原有的内容

mkvtool -m -s bangumi -data data -dist dist

#-data参数默认值为"${workdir}/data",字幕和字体的数据文件夹.
#-dist参数默认值为"${workdir}/dist",重组后mkv的输出文件夹.
#假设bangumi文件夹里的目录结构如下所示:
#bangumi
# |-- S01
# ||-- abc S01E01.mkv
# ||-- abc SxxExx.mkv
# |-- SP.mkv
# |-- xx.mkv
#那么对应的data文件夹的目录结构应该是如下的所示:
#data
# |-- S01
# ||-- abc S01E01
# |||-- ...
# |||-- subsetted
# |||-- xxx.sub
# ||-- abc SxxExx
# |||-- ...
# |||-- subsetted
# |||-- xxx.sub
# |||-- ...
# |-- SP
# |||-- ...
# |||-- subsetted
# |||-- xxx.sub
# |||-- ...
# |-- xx
# |||-- ...
# |||-- subsetted
# |||-- xxx.sub
# |||-- ...

#*奇淫巧技:指定一个没有任何内容的data文件夹,将输出一个"干净"的mkv文件.

从一组文件夹获得情报并生成一组mkv

mkvtool -c -s bangumi

#可选"-clean"参数:当"-clean"存在时,将清空原有的字幕和字体(默认为追加).
#bangumi文件夹里的目录结构应如下所示:
#bangumi
# |-- v
# ||-- aaa.mkv
# ||-- bbb.mp4
# ||-- ccc.avi
# |-- s
# ||-- aaa.ass
# ||-- aaa.srt
# ||-- aaa.sup
# ||-- aaa.xxx
# ||-- bbb.xxx
# ||-- ccc.xxx
# |-- f
# ||-- abc.ttf
# ||-- def.ttc
# ||-- ghi.otf
# ||-- ...

#若遇到ass字幕会自动进行子集化操作.
#成品会放在"${bangumi}/o"文件夹中.

对一个(或多个)ass字幕进行字体子集化

mkvtool -a aaa.ass -a bbb.ass -af fonts -ao output [-ans]

#"-a"参数为ass字幕文件路径,可复用.
#"-af"参数为字体文件夹路径,默认值为"${workdir}/fonts".
#"-ao"参数为子集化成品输出路径,默认值为"${workdir}".
#*当"-ans"参数存在时输出文件夹为"${output}",否则为${output}/subsetted".
#*由于会预先清空${output}文件夹,为了安全请慎用"-ans".

一些碎碎念

"-cp"参数:手动指定缓存文件路径,当提供的字体目录里缺少字体时,会尝试在缓存里查找.

"-log"参数:输出终端输出到指定文件,空为不输出,默认为空.

"-m","-c"模式下的"-sl","-st"参数:

-sl:字幕语言.格式为语言缩写如"chi","jpn","eng"等,默认值为"chi".
-st:字幕标题.该字幕在播放器里显示的标题,默认值为空.

字幕文件名规范:

抽取出来的字幕长得像是如下的样子:
a_b_c.d
a:轨道编号(在"-c"模式里,这里应该和视频文件的文件名相同.)
b:字幕语言代码
c:字幕标题
d:字幕文件后缀名

那么,请体会在"-c"模式中,以下的命名方式所带来的便利:
|-- v
||-- aaa.mp4
|-- s
||-- aaa_chi_简体中文.ass
||-- aaa_chi_繁體中文.srt
||-- aaa_jpn_日本語.sup
||-- aaa_eng_English.srt

字幕语言代码表:

点此获取