这是一个创建于 639 天前的主题，其中的信息可能已经有所发展或是发生改变。
制作了这样一个 Windows 上的小工具，用于提取字幕。
生成的字幕还可以离线英文翻译为中文：
 |
1
Greenm 2023-03-29 09:09:08 +08:00
楼主的我没用过，但是同样有一个 windows 上基于 whisper 的竞品： https://github.com/chidiwilliams/buzz
|
 |
3
renmu 2023-03-29 09:47:51 +08:00 via Android
提点可能能做出差异化的东西。
其实你可以支持点别的东西，比如 whisperx ，faster-whisper ，以及一些超参数，反正你是用 Python 起得服务器来实现调用的，应该不会太麻烦。 whisper 对长音频解析的时候会经常出现多句重复的情况，可以做些简单处理。 也可以支持转成 ass 。 不同的音频可能参数会不一样，还可以支持什么参数配置加载。 ps：whisper 好像对唱歌音频效果不太好，有知道大佬吗 |
 |
4
wudicgi 2023-03-29 09:54:01 +08:00
赞~~~
我是半个多月前刚了解到的这个 Whisper, 还打算结合以前做过的 SpleeterMsvcExe 项目做个自动生成歌词的工具 Whisper 识别出来的字幕，时间戳对齐的不太好，虽然现在有 word aligned 参数，但加上这个参数后识别效果不如不加时的 结合 Spleeter 对音频文件先分离出 vocals 轨，再按语音强弱把字幕给对齐一下应该就有不错的效果了 |
 |
5
learner 2023-03-29 09:55:15 +08:00
"whisper 对长音频解析的时候会经常出现多句重复的情况" 这个我也遇到了，大佬有什么解决办法吗？
|
|
7
wudicgi 2023-03-29 09:57:25 +08:00
另外有一个 whisper.cpp 的项目，可以免除 Python 环境
https://github.com/ggerganov/whisper.cpp 缺点是不支持 GPU, 启用 word aligned 参数时比官方原版的效果要差很多 |
|
8
learner 2023-03-29 09:57:27 +08:00
@renmu " whisper 对长音频解析的时候会经常出现多句重复的情况" 这个我也遇到了，大佬有什么解决办法吗？（ V2EX 的回复功能不太会用……
|
|
9
wudicgi 2023-03-29 09:59:10 +08:00  1
@learner 这个从我用过几次的经验来看，换大一些的模型这种现象出现的会少一些
比如用 medium 模型，和 small, tiny 相比就不容易出这个问题 其他的因为还没具体去看它是如何对音频进行切片处理的，还不太清楚问题根源 |
|
10
renmu 2023-03-29 09:59:48 +08:00 via Android 1
简单粗暴的方法就是对解析后的 srt 再做个处理，如果前后两句重复，那么直接把后一句删了。
|
|
13
renmu 2023-03-29 10:16:06 +08:00 via Android
@learner 我这边的情况是在一般只有在没人说话的时候才会不断重复上一句。
你可以试试 whisperx ，好像情况会好一些，具体我没测试过 |
 |
14
tool2d 2023-03-29 10:47:07 +08:00
|
 |
15
iX8NEGGn 2023-03-29 13:31:41 +08:00 via iPhone
“生成的字幕还可以离线英文翻译为中文”，这也是 whisper 做的吗？我记得它只支持其他语言翻译成英文
|
 |
16
koast 2023-03-29 14:33:22 +08:00
@tool2d 繁体的问题可以通过 initial_prompt 来解决，大致是用简体中文给指示就好，在 whisper 的 issue 里有人提到过，效果挺好的
|
 |
17
kernelpanic 2023-03-29 14:47:40 +08:00
真复杂，又是 server 又是 npm 的，直接用这个不香吗，https://github.com/Const-me/Whisper ，不用安装，只有几百 kb 大小，再下载个模型 https://huggingface.co/ggerganov/whisper.cpp/tree/main ，直接用，还支持 GPU 加速
|
 |
18
rerender OP @iX8NEGGn whisper 那个是语音翻译，这里是指使用 whisper 生成字幕后，对字幕翻译，是另一个工具了，将英文文本的 srt 文件，翻译为中文文本的 srt 文件
|
 |
19
hanguofu 2023-03-30 06:35:17 +08:00
请问 识别普通话的时候 ，WER 错误率很高吗 ？
|
|
20
rerender OP 1
@hanguofu whisper 官方有给一个表，中文是 14.7 ，英文是 4.2 。链接： https://github.com/openai/whisper
|
 |
22
candafromcn 2023-06-14 12:58:55 +08:00
@rerender 字幕翻译是用什么实现的， 网络 api 还是 AI 翻译？
|
Select Language