• auto generating subtitle(srt format ) or text for audio data
• cut audio data(wav format ,1 channel) to small part by speakers pause

• only support 1 channel wav file
• user need to retrieve audio data from videos
• generate subtitle/text for video data
• the recognize rate depend on many factors: the qulity of the video data etc
• please apply Baidu api key for using ,contact if you have any question
• ted80001.wav is generated from https://ia800204.us.archive.org/25/items/AomawaShields_2015U/AomawaShields_2015U.mp4
• ted80001.srt is auto generated by ted80001.wav

[email protected]

• change mdedian filter arithmetic
• arithmetic improvement for insert sutiable audio info
• no need to split wav file,use stream to do baidu query
• use ffmpeg for caption
• other bug fix and improvements

• 自动生成语音字幕
• 可以根据说话人的停顿，进行自动片段剪辑

• 只支持 1 个通道的 wav 文件
• 如果进行视频字幕自动生成，用户需要自己提取一个通道的wav文件
• 语音文件识别的字幕格式srt
• 也可以进行语音转化成文字
• 识别率还可以，依赖音频文件的噪声，演讲，朗读音频较好
• 底层使用的Baidu的语音识别，如果使用请自行申请,如果有问题可以联系我
• ted80001.wav 来源于视频 https://ia800204.us.archive.org/25/items/AomawaShields_2015U/AomawaShields_2015U.mp4
• ted80001.srt 由ted80001.wav 自动生成

知乎上详细的说明 https://zhuanlan.zhihu.com/p/28347508
音乐切割小音频 https://pan.baidu.com/s/1hrXxEJU
演讲切割小音频 https://pan.baidu.com/s/1jIrC0F8#list/path=%2F

[email protected]

• 中值滤波scipy.signal.medfilt计算速度较慢,更新计算方法
• get_wave_statistic函数添加framerate(采样率)参数,支持8000/16000,添加处理(无声音时长超过17s切为多个16.999s的无声音时长)
• calculate_other_statistic_info函数添加framerate(采样率)参数,支持8000/16000
• 修改原来循环排序生成间隔小于17s时间点数组算法(每次循环采用折半插入排序,因为插入的是排好序的数组,原来每次循环采用sort,视频时长超过1小时的话基本算不完了...)
• 去掉原来将wav切成具体的小文件步骤,直接使用流访问百度api
• 修改保存字幕格式可以直接使用ffmpeg将字幕烧制到视频中
• 修改speech_recognizai_baidu方法接受流,不再去读文件
• 添加注释
• 添加ffmpeg分离音频,烧制字幕指令

©2017 alex All Rights Reserved.