~/videotext

VideoText Studio

Texterkennung auf laufendem Video — im Browser, mit 4-facher Echtzeit auf einem Laptop, als zeitgestempeltes Transkript. ( Full-Stack · Data Science · ML/KI · Cybersicherheit · Design · Open Source )

Kontakt aufnehmen
VideoText Studio

Studio

Video ablegen, den Bereich mit dem Text markieren, die Filter einstellen, bis die Vorschau sauber ist, dann scannen. Alles läuft auf diesem Gerät — die Datei wird nie hochgeladen.

Engine inaktivLite · BasisBackend: wasm/simd

Video ablegen und starten

MP4, WebM oder MOV — Verarbeitung auf diesem Gerät

00:00.00 / 00:00.00
f 0 / 0

Leertaste = Play/Pause · ←/→ = ein Bild · Shift+←/→ = eine Sekunde · J/L = zwei Sekunden · Home/End = Anfang/Ende

TextKennzeichen gültigabgelehntPerson · SkelettSzeneBewegungAuswahl
Eingabe der Engine

Im Video ziehen, um den Textbereich zu markieren. Gestrichelt = Bereich, durchgezogen = erkannte Zeilen.

Spur

Verarbeitung

Liest das aktuelle Bild mit voller Auflösung und Positionsmodell — für den einen Marker, der zählt.

Quelle & Engine

Backend

Backendwasm/simd
Engine0 ms
Szene & Körper

Erst das ganze Bild benennen (80 Klassen), dann Personen, dann den Marker suchen.

Hebt kleine Marker auf das Vierfache, bevor gelesen wird — budgetiert pro Track.

Zweitmeinung je Zeichenposition; zählt nur, wenn sie die Grammatik besteht.

Bildfilter
Messwerte
Frames0
letzter Frame0 ms
Cues0
Abdeckung0 %
Zeit0.00 s / frame
Szene0 ms
Pose0 ms
Marker0 ms
OCR0 ms
Auflösung0 ms

Szene-Objekte: 0 · Skelett: 0

Video und Transkript bleiben in diesem Tab. Kein Upload, kein Server, kein Konto.

Transkript

Noch keine Cues — Video laden und Scannen drücken.

Szene-Objekte

0 · Skelett 0

Noch keine Objekte — Video laden oder Scan starten.

Datensatz-Generator

Erzeugt gültige Kennzeichen als Trainings- und Referenzbilder — Reinzeichnung bis Reel-Szene, mit exakten Labels im ZIP. Alles im Browser, kein Upload.

Erzeugung

Stufe L0: Reinzeichnung

0 Bilder0.0 MB0 ms

Grammatik

  • Berlin5 StellenHerkunft · Einheit · Zug · Gruppe · Person — — gültige Kombinationen
  • BPStandort + TaktikBLU, MK, HU … plus Hundertschaft, Zug, Gruppe
  • 15×Land + 3–5 Zeichenstrukturell korrekt, Ziffernsemantik je Land unterschiedlich
  • SymboleGruppenführer (2 Punkte) · Zugführer (3 Punkte) · EHu-Führungsgruppe (1 Balken) · BPA-Führungsstab (2 Balken)PDV 102, weiß auf Klettfeld

Vorschau

Noch nichts erzeugt — Anzahl und Stufe wählen, dann „Datensatz erzeugen“.

Nachschlagewerk: Kennzeichen

Nur zur Erklärung — das ist kein Scan-Ergebnis. Der Simulator zeigt, wie ein Abzeichen aufgebaut ist; Ergebnisse erscheinen ausschließlich oben im Studio.

POLIZEI
BE 2 / 314
Klettfeld · Funktionsabzeichen
BE 48599
RückenkennzeichenBerlin · 200 × 200 mm

Die Vorschau zeigt den typischen Aufbau, nicht ein amtliches Druckmuster: Behördenkennung, Einheitsnummer, Funktionsfeld mit Klettfläche, optionale Individualnummer und Reflexstreifen.

Steuerung

Auflösung

SystematikErste Ziffer = Direktion/Abteilung, zweite = Einsatzhundertschaft, dritte = Zug, vierte = Gruppe, fünfte = individuelle Kennung. Nicht benötigte Stellen werden mit 0 aufgefüllt.

BehördeBerlin (BE)
KennungBE 2 / 314
FunktionZugführer · 3 Punkte
Stärke30–40
IndividualnummerBE 48599

Funktionskürzel

  • BeSiBeweissicherungDokumentiert Straftaten und Einsatzverläufe mit Kamera und Foto.
  • BFEBeweissicherungs- und FestnahmeeinheitSpeziell geschulte Zugriffseinheit für gezielte Festnahmen aus Menschenmengen.
  • SanSanitäterErstversorgung von Verletzten — Beamte und Bürger.
  • GeSaGefangenensammelstelleTransport und Bearbeitung vorläufig festgenommener Personen.
  • PFPolizeiführerGesamtleitung eines Einsatzabschnitts oder des gesamten Einsatzes.

So funktioniert es

Nur Erkennung — kein Detektor im Frame-Loop. Allein diese Entscheidung bringt den Faktor 28 an gemessener OCR-Zeit.

  1. 01

    Lokalisieren

    Otsu-Binarisierung und eine Zeilenprojektion finden die Textzeilen im Bereich. Kosten: unter einer Millisekunde, ohne Modell.

  2. 02

    Erkennen

    Jede gepolsterte Zeile geht durch PP-OCR auf ONNX Runtime, ein Durchlauf, keine Layout-Analyse. Rund 15 ms pro Band auf einer Laptop-CPU.

  3. 03

    Verschmelzen

    Aufeinanderfolgende Frames mit gleichem Text werden zu einem Cue zusammengefasst; das Medoid der Stichproben gewinnt, damit ein einzelner Fehlgriff das Transkript nicht vergiftet.

  • Erkennung bleibt aus dem Frame-Loop: Sie kostet 10- bis 20-mal so viel wie die Erkennung.
  • Zeilenboxen werden auf etwa das 1,8-Fache der Texthöhe gepolstert — enge Zuschnitte sind langsamer und ungenauer.
  • Die Abtastrate ist ein Kompromiss, den Sie steuern: 1 Hz liest einen Zwei-Sekunden-Cue einmal, 8 Hz übersteht schnellere Schnitte.
  • Export als SRT, VTT, JSON und Klartext, mit Zeitstempeln aus der Videouhr.

Gemessen

Zahlen aus dem Benchmark-Harness dieses Repos — gleiche Clips, gleiche Maschine, bekannte Ground Truth.

SchrittEingabeZeit
ErkennungUntertitelband 1280x11615,4 ms
DetektionVollbild 720p150,8 ms
Detektiondasselbe Band, zugeschnitten300,3 ms
Erkennung, enger ZuschnittZeile 1280x4643 ms und falscher Text
Erkennung, gepolstertZeile 1280x8118 ms, exakter Text
Pipeline40-s-Clip bei 12 Hz7,3-fache Echtzeit
Pipeline40-s-Clip bei 1 Hz23,8-fache Echtzeit

M1 Max, ONNX Runtime CPU-Provider, PP-OCRv6 / Latin-Recognizer. Reproduzierbar mit tools/ocr-bench.

Trainingslauf

Stufe A ist kein Modell, sondern ein Instanzgedächtnis: Deskriptor plus Nachbarvergleich. Der Lauf protokolliert jede Runde — hier stehen nur die Zahlen aus denselben Laufdateien, die auch die Detailseite liest.

Abgeschlossene Runden353 (Stand 12.11.2026, 17:14 Uhr)
Runden 1–105,10 %
Letzte 20 Runden1,73 %
Bestes EinzelergebnisRunde 1 · 11,25 %
Kalibrierziel 99 % Präzision0× erreicht in 353 Runden

→ Deskriptor, Stufenleiter, Lernkurve und Stufe B im Detail

Datenschutz

Video-OCR heißt sonst: Filmmaterial auf einen fremden GPU-Server hochladen. Hier nicht.

Kein UploadDas Video wird in diesem Tab dekodiert, zugeschnitten und erkannt. Nichts wird übertragen, gespeichert oder protokolliert; die Modelle sind statische Dateien dieser Domain und werden vom Browser zwischengespeichert.