分享一个字幕自动生成工具 Autosub

项目中文 README 文档

给定一个视频文件，这个工具可以自动生成相对应的字幕文件。

  • 课堂展示、做 Vlog 什么的也许用得上。

  • 自动生成字幕的时间轴与识别文本的质量普遍不错，需要人工完成的任务主要是校对文字以及分割过长的句子。

它的功能很不错，但是使用门槛不低，坑也不少，在此抛砖引玉，写一个简单的入门教程。

请留意，目前没有本地语音识别的功能，所有音频片段均会被上传至语音识别服务提供商（默认为 Google）处。

下载安装

推荐使用 alpha 分支。

Ubuntu

安装 ffmpeg、python3 等依赖，最后安装 Autosub。

pip install git+https://github.com/BingLingGroup/autosub.git@alpha ffmpeg-normalize langcodes

Windows

https://github.com/BingLingGroup/autosub/releases

或者也可以手动安装依赖、配置环境。

基础使用

autosub -i 视频文件 -S cmn-hans-cn -hp http://HTTP代理地址

说明：

  • -i 输入文件。

  • -S 语言代码，cmn-hans-cn 即普通话。

  • -hp 指定 HTTP 代理。这是因为默认使用 Google Speech V2 的语音识别。

进阶

Autosub 是一个字幕自动生成工具。它能使用 Auditok 来自动检测语音区域，通过 ffmpeg 根据语音区域来切割音频，通过多个 API 将语音转为文字，以及通过 py-googletrans 将字幕文本翻译。

其中的每一个工作步骤几乎都可配置，如指定其他语音识别提供商，在语音识别后翻译成另一语言，音频上传识别前预处理等。不过我暂时还没有这个需求。

实际应用

  1. 所以首先我们拿到一个录制或拍摄好的视频，安装好 Autosub，然后执行“基础使用”部分的命令，得到一个 视频文件名.cmn-hans-cn.srt。

  2. 然后可以用 Aegisub 或者 Subtitle Edit 等字幕编辑软件进行校对。其中，有时有一些字幕过长需要拆分，我的经验是 1080P 视频单行字幕普通字号最多容许约 35 字，若要求美观则应更少。

  3. 接着使用 FFmpeg 压制硬字幕（硬字幕即在编码时将字幕与原文件视频流混合，主要是考虑到各种播放设备的兼容性）。

ffmpeg -i 视频名.mp4 -vf subtitles=视频名.cmn-hans-cn.srt output.mp4
  1. OK！得到成品 output.mp4。