屁股字幕中的文字显示得比应有的小

Question

我使用两种不同的方式通过 ffmpeg 为视频添加字幕。第一种方法是使用

drawtext

命令，这样一切都会完美运行。这是命令

ffmpeg -i ./input.mp4 -vf "drawtext=text='reise':fontfile=../fonts/Audiowide-Regular.ttf:fontsize=55:fontcolor=white:x=0:y=683" -codec:a copy ./output.mp4

第二种方法是使用ass字幕文件。这样我得到了较小的字母和错误的文本 y 位置。以下是屁股字幕文件内容

[Script Info]
Title: Advanced Highlighted Subtitle Example
ScriptType: v4.00+
WrapStyle: 0
PlayResX: 1048
PlayResY: 750

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding
Style: Default,Audiowide Regular,55,&HFFFFFF,&H00FFFFFF,&H00000000,&H00000000,1,0,0,0,100,100,0,0,0,0,0,2,10,10,10,1

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text

Dialogue: 0,00:00:0.00,00:00:2.38,Default,,0,0,0,,{\pos(0,683)\an4}reise

以及第二种方法的命令

ffmpeg -i ./input.mp4 -vf "ass=../subtitles.ass:fontsdir=../fonts/Audiowide-Regular.ttf"  ../output.mp4

所以他们都得到相同的视频、相同的字体和相同的文本。问题是，如果使用 ass 文件，文本会小得多并且错位

轴上的数字表示以像素为单位的大小。 正如您在第二张图片中看到的那样，它小得多并且 y 坐标错误。似乎它的缩放数字错误。我的 ass 文件配置有什么问题？

我尝试了 [universalmediaserver] 的解决方案来删除 PlayResX/Y，但它不起作用。 （https://www.universalmediaserver.com/forum/viewtopic.php?t=5907）。我还尝试以许多其他方式测量文本宽度（例如在浏览器、画布中渲染的 html 中），所以我非常确定

drawtext

确实给出了正确渲染的宽度。该问题与 ass 字幕文件有关。另外，如果我使用像 Arial 这样的流行字体，偏差就会小得多。

Answer 1

FFmpeg 的

drawtext

过滤器对文本字体大小的解释与 ASS 渲染器（如 Libass）不同。

drawtext

过滤器使用字体的标称大小（以像素为单位），根据每个 EM 的单位进行缩放。相比之下，ASS 渲染器使用字体的实际尺寸进行缩放，这是通过对字体表（例如 OS/2 和 hhea）中的

ascender

字段求和并减去

descender

字段的值来确定的。

因此，为了匹配 FFmpeg 的

drawtext

和 ASS 之间的大小，我们需要找到从标称大小 (

drawtext

's) 计算字体实际尺寸大小 (ASS's) 的方法。因此，我们首先计算字体的基本尺寸，然后用于缩放它。

对于标称尺寸，我们需要从

字体标题表

中读取unitsPerEm，如果是Audiowide字体，则为2048。 对于实际尺寸大小，我们需要获取

ascender

和

descender

字段值，可以在 hhea 表 中找到，对于 Audiowide 字体，其上升部分为 2027，下降部分为 -584。

那么： 标称尺寸 =

unitsPerEm

= 2048 实际尺寸大小 =

ascender

-

descender

= 2027 - (-584) = 2611

那么实际尺寸会大一些。

比例=实际尺寸/标称尺寸=2611 / 2048 ≈ 1.279

所以我们需要将原始字体大小（55）乘以比例因子：55 * 1.279 ≈ 70.345

其次，请注意，drawtext 过滤器默认使用左下对齐，而您使用的 ASS 中的 n4 对齐标签对应于左中对齐。为了匹配位置，您应该在 ASS 中使用 n7（左上对齐）。

第三，

drawtext

将文本对齐到最高字形（出于历史原因），而不是基线加上升（通常是如何完成的），但您可以通过在

y_align=font

过滤器中设置

drawtext

来更改此设置。

这里是更正后的 ASSv4+ 脚本文件：

[Script Info]
Title: Advanced Highlighted Subtitle Example
ScriptType: v4.00+
WrapStyle: 0
PlayResX: 1048
PlayResY: 750

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding 
Style: Default,Audiowide,70.345,&H00FFFFFF,&H00FFFFFF,&H00000000,&H00000000,-1,0,0,0,100,100,0,0,1,0,0,2,10,10,10,1

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text

Dialogue: 0,00:00:0.00,00:00:2.38,Default,,0,0,0,,{\pos(0,683)\an7}reise

并更正了 FFmpeg 命令：

ffmpeg -i ./input.mp4 -vf "drawtext=text='reise':fontfile=../fonts/Audiowide-Regular.ttf:fontsize=55:fontcolor=white:x=0:y=683:y_align=font" -codec:a copy ./output.mp4

下面是如何在 Python 中使用 Freetype（这是

drawtext

和 ASS 渲染器 Libass 在渲染字体时使用的）从字体读取度量值的示例：

import freetype

face = freetype.Face('path/to/your/fontfile.ttf')

units_per_em = face.units_per_EM
ascender = face.ascender
descender = face.descender

print(f"Units per EM: {units_per_em}")
print(f"Ascender: {ascender}")
print(f"Descender: {descender}")

Audiowide 字体的结果 应该是 :

Units per EM: 2048
Ascender: 2027
Descender: -584

您可以使用以下方法安装所需的库：

python -m pip install freetype-py