Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

videowipe

VideoWipe es una herramienta local para eliminar subtítulos grabados, marcas de agua y logotipos de video. Soporta CLI, Docker y web UI. Detección automática multilenguaje, revisión previa y inpainting con STTN o ProPainter. Preserva audio original. Sin nube.

Ficha actualizada 25 sept 2026, 2:17 · upstream 25 sept 2026, 1:44 · release v0.10.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es videowipe

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

VideoWipe es una herramienta autoalojada para eliminar texto grabado (subtítulos, marcas de agua) en video localmente. Funciona mediante detección automática de regiones de texto, planificación de limpieza y reparación del fondo (inpainting). Soporta entornos CLI, Docker o web UI local sin subir archivos a la nube.

El flujo de trabajo permite revisar cada pista antes de borrarla, definiendo rangos temporales y máscaras. Utiliza modelos como STTN por defecto, con opción de integrar ProPainter. Se ejecuta en Python 3.10+ o contenedores Docker (CPU/GPU). El audio original se mantiene intacto.

Es crucial revisar los resultados antes del uso final, ya que fondos complejos pueden mostrar artefactos de reconstrucción. No elimina subtítulos 'soft' (.srt/.ass), solo texto quemado en la imagen. Existen dependencias específicas para macOS y opciones de instalación desde fuente.

CASOS DE USO
  • Eliminar subtítulos grabados en videos de dramas o conferencias
  • Quitar logotipos o marcas de agua persistentes en esquinas
  • Procesar lotes de video en servidores headless (Docker/CLI)
  • Revisar y limpiar solo pistas específicas en videos multilenguaje
  • Integrar eliminación local en pipelines propios vía SDK Python
  • Alternativa privada a servicios online que requieren subir archivos
PUNTOS DESTACADOS
  • Ejecución 100% local sin subida de datos a la nube
  • Revisión previa obligatoria mediante WipePlan o Web UI
  • Detección automática multilenguaje (Chino, Inglés, Coreano)
  • Preservación del audio original en el video limpio
  • Soporte para despliegue headless y contenedores Docker
  • Integración flexible con modelos externos como ProPainter
PRECAUCIONES
  • No elimina subtítulos soft (.srt/.ass), solo texto quemado
  • Fondos complejos pueden generar artefactos visuales en la reconstrucción
  • Problema conocido con opencv-python-headless 4.14.0.94 en macOS
  • No incluye app .exe para Windows (requiere instalación de fuente o Docker)
  • La calidad final depende de la revisión manual previa al inpainting
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

VideoWipe logoCleanup workspace: video and processing area on the left, removable targets and protection controls on the rightBefore: video frame with hardcoded Korean subtitleAfter: VideoWipe removed hardcoded Korean subtitleVideoWipe auto-detecting Chinese hardcoded subtitlesVideoWipe auto-detecting English hardcoded subtitlesVideoWipe auto-detecting multilingual subtitles and watermarkOriginal frame with hardcoded subtitles
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Requiere Python 3.10+ o Docker. Instalar desde source con `pip install -e ".[onnx]"` o extras `[torch]`, `[web]`. Para macOS, verificar compatibilidad de dependencias (opencv-python-headless). El despliegue headless es posible vía CLI o Docker worker. Se recomienda revisar el workspace y los artefactos de detección antes de ejecutar la limpieza completa.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsFastAPIPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
8000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.