5回答
我正在寻找一个软件( Windows或Linux)，可以将MP3/WAV文件转换为文本。
可以通过语音识别自动生成文本的内容，如YouTube上的自动字幕，但可以将这些字幕输出到文本文件中。
浏览 0提问于2015-06-28得票数 13
我有一个视频，我想创造字幕。是否有一个程序可以执行基本的语音到文本以便
设置每个字幕的正确开始/停止
创建基本的文本字幕(使用某种语音到文本)
我知道gnome-字幕的事。然而，手工创建这些字幕需要付出大量的努力。你需要为每句话选择开始和停止。
YouTube具有上述功能(使用语音到文本在正确的时间创建基本的文本字幕)。然而，我宁愿不上传视频到YouTube仅仅是为了得到我的字幕。有可能在Ubuntu上高效地制作字幕吗？
更新:我计划只使用.srt字幕，不需要在视频上硬编码。我最大的要求是让程序自动找到每个句子的开始/停止，这样我就可以在其中写课文了。
更新2:有用于Linux的语音到文本软件
浏览 0提问于2011-01-31得票数 20
回答已采纳
我想在不存在SRT文件的视频文件中添加字幕。是否有任何工具可以自动扫描视频的音频，并创建一个只包含时间戳的空白SRT文件？
我尝试了VisualSubSync，但是内置的扫描场景更改工具显然只适用于现有的SRT文件。
基本上，我正在寻找一个开源离线等价的 (没有语音识别功能)。
浏览 4提问于2017-11-04得票数 0
我从一部电影中提取了音轨。我有它的.srt格式的字幕文件。我想将音频切片到语音文件中，根据字幕文件中可用的时间，这样我就可以得到转录的语音数据。请提出任何方法来做到这一点。
浏览 0提问于2016-06-29得票数 0
回答已采纳
1回答
在我的应用程序中，我在AvPlayer的帮助下使用url播放音频。现在我想在其中添加对字幕的支持。iOS 10引入了，它可以帮助我们识别实时语音和录音语音。根据苹果的说法：
“您可以对实时音频和录制的音频执行语音转录。例如，您可以获得语音识别器并使用如下代码启动简单的语音识别：
let recognizer = SFSpeechRecognizer()
let request = SFSpeechURLRecognitionRequest(url: audioFileURL)
recognizer?.recognitionTask(with: request, resultHandler: {
浏览 15提问于2016-07-25得票数 1
2回答
我目前正在开发一个rtsp流语音转录器，作为一项测试任务，我正在考虑为youtube流发送字幕。根据，我用Python编写的代码是：
post_fields = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%S.%f')[:-3] + ' region:reg1#cue1' + "<br>" + word + '<br>'
headers = {'content-type': 'text/plain'}
url = self.yout
浏览 13提问于2017-04-05得票数 1
回答已采纳
所以，我有一个装满了..mkv的文件夹，我有一个可以将它们全部转换成MP4的文件夹--这些新文件现在有多个音频和字幕流，一个eng，一个ger，一个jap，对于同样的字幕，有什么方法可以很容易地指定使用f.e。德语音频和刻录英语字幕。我的一条衬里：
for /R %f IN (*.mkv) DO ffmpeg -i "%f" -c copy "%~nf.mp4"
我要如何修改这个衬垫才能正常工作。我发现使用-vf subtitles=foo.ass可以硬编码字幕，但是如何从文件中选择一个音频和或字幕流呢？我该如何选择f.e。一个音频atream但没有字幕流
我发
浏览 3提问于2020-07-17得票数 0
回答已采纳
1回答
假设我有音频和该音频的明文文本，我如何使用语音识别以编程方式从这两个字幕生成字幕？
这与YouTube在编辑视频时在其字幕/字幕页面上提供的功能非常相似。
有什么API可以做到这一点？它的一些挑战是什么？
我精通Java/C#，但这是语言不可知的。
浏览 1提问于2012-07-01得票数 1
项目需求，需要实现在播放语音时同时将文字进行匹配，实现类似歌词字幕的效果。由于接口上没有看到文字相对于语音的时间参数或之类的参数。
请教下各位大牛腾讯的语音识别ASR能够实现吗？
浏览 657提问于2018-10-23
DNNs是一种巨大的数据需求算法，尤其是双向LSTM算法.对于语音识别模型，对于特定的语言/口音，缺少语音语料库。然而，YouTube也是一个巨大的库。
我需要使用一些脚本/软件，它可以自动下载YouTube视频(可能只有音频)和相关的字幕，然后将其分割成20秒的片段，这样就可以用作训练语音语料库。
有没有任何方式可以下载来自Youtube的字幕？给出一个音频和脚本，我如何将一个音频分割成20秒的片段，并在文字记录中做同样的剪辑？
浏览 0提问于2018-12-21得票数 0
3回答
我从很小的时候就有严重到很严重的耳聋，但幸运的是我可以像正常人一样说话。口头交流对我来说一直很困难，因为我的语音识别能力受到了损害，即使是读唇语也是如此。我读完了学校和大学，只是通过阅读黑板、powerpoint幻灯片、书籍和互联网。我在目前的软件工程工作中做得很好，但最近我觉得我必须努力让我的情况变得更好。
字幕是我在这个国家理解电视电影/节目的救命稻草，我只是在过去的7年里才喜欢上字幕(我现在31岁了)。
我强烈地感到有必要在现实生活中看到字幕，无论何时我与某些人交谈，甚至是陌生人。我想开发一个未经训练的语音到文本的转换器，作为开始，它甚至不需要为我拼写确切的单词，只需音节/语音提示就可以
浏览 3提问于2009-12-05得票数 6
这是将Google语音转换为文本API：
我想开发应用程序：
该应用程序在本地主机上启动。
我向打开浏览器
该应用程序显示简单的用户界面，主窗口显示来自笔记本电脑扬声器的任何英语音频的实时字幕，这可能是放大视频呼叫，参与者正在发言，我也在本地的web应用程序中看到了实时字幕。
使用滚动条的窗口中的屏幕上仍保留有活动标题。
活动标题保存在文本文件中，而新标题则继续在文本文件中追加。
重要的是，字幕要有最好的准确性和显示标题的速度，因为人是在说话。
能否做到这一点？如果不可能使用Google，那么替代API是什么呢？
浏览 11提问于2022-04-12得票数 -4
回答已采纳
1回答
我想使用谷歌语音服务不是麦克风，而是视频文件。例如，一个视频文件正在我的计算机上播放，谷歌语音识别程序正在识别视频的音频流。Youtube的自动字幕功能。我怎样才能使用G.S.R？
浏览 5提问于2017-08-03得票数 4
回答已采纳
3回答
我是一名Android开发人员，患有听力障碍，目前我正在探索在Android中使用speech Recognizer API制作语音转文本应用程序的选项。在我的国家，隐藏字幕电话和Innocaption在中不可用。潜在的应用可能类似于电话呼叫期间的字幕。
该API用于捕获语音命令，而不是用于实时实时转录。我甚至可以将它作为一个服务来实现，但在它交付了一个结果或部分结果后，我需要不断地重新启动它，这在会话设置中是不可行的(服务重新启动时会丢失单词)。
请注意，我不需要100%的准确性为这个应用程序。许多听力受损的人发现，有一些对话的上下文来帮助他们是有用的。所以我实际上不需要评论这是如何不准确
浏览 4提问于2014-09-12得票数 5
如何前后调整字幕时间？字幕时间格式如下所示：00:00:52,656 --> 00:00:56,326
如果字幕和音频不同步，例如，字幕出现在语音/音频之前，那么字幕行的所有时间(时间格式：00:00:52,656 --> 00:00:56,326)都应该更正。
因此，如果所有字幕行的时间必须更改/移动2秒。因此，这一次字幕行：00:00:52,656 --> 00:00:56,326应该改为：00:00:54,656 --> 00:00:58,326。
这指的是字幕文件中的所有时间，而不仅仅是一行文本/一次。
SubRip (.srt)文件的外观示例：
1
00:0
浏览 2提问于2012-10-12得票数 6
回答已采纳
1回答
我正在寻找一个字幕(如媒体字幕或字幕工作坊)，但将显示音频波形。
音频波形应该能够帮助我调整特定的字幕线的开始/结束位置视觉，基本上实现了一个更好的精度在同步的字幕和音频。
Windows/Linux/Web
试用/共享/免费软件/开放源码软件
浏览 0提问于2018-06-18得票数 2
我读过很多关于用ffmpeg提取每种语言的流的帖子，但似乎-map 0:m:language:xxx是全局的，适用于所有的流。
假设我有一个视频文件，其中可能包含一个英语音频流和一些法语字幕流，以及可能的许多其他流。我想得到一个较小的文件与第一个视频轨道，(第一)英语音频流和所有的法语字幕流。
如果我运行
ffmpeg -i "$file" -map 0:v:0 -vcodec copy -map 0:m:language:eng -acodec copy -map 0:m:language:fre -scodec copy -f matroska "${file%.*
浏览 50提问于2020-05-14得票数 1
回答已采纳
1回答
YouTube歌曲歌词识别
、、、、
许多YouTube视频都有歌词的自动字幕。我们相信他们正在使用谷歌语音识别API。然而，当我们使用谷歌语音识别API (或任何语音识别API)，我们没有得到准确的歌词。有时候，我们只能从这首歌中得到一行。为什么会这样？
有没有人建议从一首歌中获得实时歌词？或者是用来训练音频的API/库？
谢谢你的帮助!
浏览 10提问于2021-08-11得票数 0
回答已采纳
我正在做自动字幕生成项目。我的方法是1.音频提取(使用ffmpeg完成) 2.语音到文本(可以使用sphinx 4完成，但不是很准确) 3.字幕生成。(这里我需要帮助)
假设有一个音频文件，其中一个人在读一个句子。如何在C、C++或java程序中知道演讲的开始和结束时间
我们需要在字幕文件中的特定行的开始和结束时间。那么，这里如何检索谈话开始和结束的时间？
有什么想法吗？
有没有可能用声学公式来做。
浏览 0提问于2013-03-18得票数 0
我认为谷歌的语音转文本功能(谷歌语音邮件的自动转录，YouTube上视频的自动字幕等)令人印象深刻。
我确实查看了Google是否通过API提供了它，但似乎没有(我并不是在责怪他们！)。不过，提供语音到文本功能的云计算服务将非常酷。
有没有什么“黑客”可以用来访问语音到文本。我的架构基本上归结为这一点--一个简短的15-20秒的wav/mp3/其他剪辑作为输入，输出是纯文本。
大家有什么想法吗？
浏览 3提问于2010-05-12得票数 4
2回答
从硬子床视频中提取字幕的程序？
、、、、
我正在寻找一个程序，可以从一个视频提取/创建字幕的硬子床，而不是一个视频已经软子床，它是相当容易提取这些字幕。
理想情况下，一个程序可以满足我的需要…
有望免费(免费)
运行在Windows 7上
轻量级
简单易用
任何人都可以使用，不太难使用/配置
具有良好的用户界面
可以从硬子床视频中提取字幕，或者至少可以从硬子床视频中创建字幕，这是相当准确的。
硬底座:实际上是注入到实际的视频本身。
软床:软土基本上就像字幕，换句话说，你可以很容易地把它们关掉。而且，很容易从已经被软字幕的视频中提取字幕。
关于我如何做到这一点，有什么建议/想法吗？有可能吗？
浏览 0提问于2014-07-04得票数 8
4回答
我有很多带有多种音频和字幕语言的文件，但是音轨号码不一致(英语音频流并不总是第一个)，所以使用如下命令：
ffmpeg -i "input.mkv" -map 0 -map -0:a:1 -c:v copy -c:a copy "output.mkv"
不会产生预期的结果。在四处搜索之后，我发现可以使用以下命令根据语言映射流：
ffmpeg -i "input.mkv" -map 0 -map -0:m:language:eng -c:v copy -c:a copy "output.mkv"
然而，-map -0:m:langu
浏览 7提问于2016-12-02得票数 7
回答已采纳
0回答
小程序能否实现直播智能字幕？
、、、、
我想问一下，小程序中调用了腾讯云的云直播功能后，能否在直播中再插入语音识别API来实现智能字幕。如果可以的话大概可以怎么实现这一功能呢？
浏览 278提问于2020-03-04
我使用GNOME字幕编辑我的字幕。有什么工具可以用视频播放来编码字幕吗？我看到了一些截图，其中一个字幕工具有一个视频运行在里面，让用户可以轻松地添加字幕。
浏览 0提问于2017-08-19得票数 1
回答已采纳
1回答
我想为一个朋友烧掉整整24季的DVD +阿拉伯字幕，这样他就可以在他的DVD播放器上观看了。
要求很简单：
免费的，不一定是开源的
支持所有类型的DVD播放机，新旧
不要搞砸阿拉伯语字幕文件
Ubuntu 14.04 64位的工作
浏览 0提问于2014-07-18得票数 3
回答已采纳
1回答
我们想要创建一个语法文件。除了(hello|goodmorning)(jack|jill)之外，有没有其他方法可以先指定第一个单词的可能集合，然后指定第二个单词的集合？
我们使用它来识别视频中的语音，以生成字幕。
浏览 2提问于2012-03-16得票数 0
我是结合一个视频流，一个音频流(音乐)，另一个音频流与偏移(语音)和字幕。现在我正试图把所有的东西都淡出最后。我没有字幕就开始工作了。一旦我添加字幕，结果就不再正确地消失了。以下是我所尝试的：
ffmpeg -ss 00:00:00 -i galaxy.mp4 -i acoustic.m4a -itsoffset 00:00:03 -i speech.m4a -to 00:00:15 \
-vf "fade=t=out:st=10:d=5" \
-vf "subtitles=speech-resync.srt" \
-af "afade=t=
浏览 6提问于2022-08-28得票数 0
回答已采纳
1回答
对于一个项目，我将扩展字幕的概念，将信息嵌入到视频中。我会用SRT格式。
注意:我的字幕不是用来显示的。它们对我的软件很有用(也很有意义)。
SRT的是众所周知的，非常简单：
标识每个顺序字幕的数字计数器
字幕应该出现在屏幕上的时间，然后是->和它应该消失的时间。
字幕文本本身在一行或多行上
空白行，不包含文本，指示该副标题的结尾
这样的规范是不完整的:没有关于每一行的最大长度和最大行数的指示。
在Google搜索中，我发现了很多关于如何写好字幕的“指南”(例如，每一行避免超过N个字符，等等)，但我没有发现任何能说明实际限制的东西。
浏览 11提问于2021-10-27得票数 0
1回答
多通道混合器+语音处理IO单元
、、、、
我有一个AUGraph设置和工作，它由一个多通道混频器(一个单声道输入)提供一个RemoteIO (kAudioUnitSubType_RemoteIO)单元输出到扬声器。我实现了单输入混频器，以便能够平移我的音频源之间的左和右硬件输出通道。这个很好用。
由于这是一个VOIP应用程序，我一直在试验使用语音处理IO单元(kAudioUnitSubType_VoiceProcessingIO)代替远程IO单元(kAudioUnitSubType_RemoteIO)。根据苹果公司的描述，这个装置应该像一个远程IO单元，有一些额外的功能.
语音处理I/O单元(子kAudioUnitSubType_V
浏览 2提问于2015-03-23得票数 1
回答已采纳
1回答
同步视频中的字幕
、、
我有一个文本文件，所有的话都在视频中说在正确的顺序，但没有时间参考。有没有办法使用这个文本文件在视频中放置字幕？
我能想到的一种方法是使用语音识别，但大多数算法都不太准确，无法完成这项任务。
浏览 3提问于2016-01-20得票数 2
我想做的是用webRTC在浏览器中实时录制视频。用例基本上是实时字幕，就像谷歌的hangouts一样。 因此，我在浏览器中运行了一个WebRTC程序。它将webm对象发送回服务器。它们是linear32音频编码。谷歌语音到文本只接受linear16或Flac文件。 有没有办法将linear32实时转换成linear16？ 否则，有没有人能够将webRTC与谷歌语音连接起来，以使实时转录工作？ 任何关于如何解决这个问题的建议都是很棒的。
浏览 22提问于2020-03-23得票数 4
1回答
基于Dart的实时语音转录
、、、、
我在实时语音记录方面有问题。在我的应用程序中，人们可以根据自己的语言选择打电话给对方，我想实时向用户展示对话的字幕。我使用Agora作为视频通话功能。可以添加实时转录吗？
我找到了Google ，但是没有足够的文档支持dart。如果你能给我一些起点，我会很高兴的
浏览 5提问于2020-04-27得票数 4
1回答
HTML5 p2p通信
、、、、
我需要构建一个web应用程序来在一个实时流上注入实时字幕。字幕将由带有语音识别软件(或打字员)的操作员生成，在浏览器上填充文本区域。使用者将是浏览器中的HTML5视频标记。
理由很简单，可能比网络聊天更简单(这是一种单向交流)。
这是我目前的实现：
在生产者(当有新文本时)，我通过AJAX调用服务器上的一个编写脚本，该脚本将文本写入文件。
在使用者上，我不断地通过ajax (使用"comet“轮询)调用服务器上的一个读取器脚本，这给我返回新的文本，我在视频标记上插入这个文本来呈现字幕。
这个实现很有效，但是看起来很复杂，我对它不太满意.有任何关于“更聪明”或更干净的架构
浏览 2提问于2012-04-05得票数 1
回答已采纳
我有这个ffmpeg一行代码，它可以很好地为我的Nexus One生成视频文件：
ffmpeg -i infile.mkv -acodec aac -s 572x238 -vcodec libx264 -vpre ipod640 -ab 128k -b 512k -f mp4 -strict experimental outfile.mp4
但是它可以忽略infile.mkv中的字幕--通常不成问题，除非我正在处理一部非英语电影。在这种情况下，我想使用日语音轨和英文字幕。
有趣的是，我可以通过-alang和-slang使用mplayer来播放它，但不知道如何使用mencoder来制作Nexus
浏览 3提问于2011-12-21得票数 0
回答已采纳
我在一家表演艺术机构工作，并被要求考虑将可穿戴技术纳入我们的赞助人的可访问性中。我有兴趣找出更多关于在现场或预先录制的表演中使用字幕(也称为字幕)的SmartEyeglasses的信息。是否可以对多个眼镜进行编程，以便同时向用户显示相同的字幕？这个编程过程是如何工作的？几对SmartEyeglasses能否与同一主机设备连接？
我们非常感谢您提供的任何信息。我期待着您的回音！
浏览 7提问于2015-05-19得票数 0
我有个FFMPEG问题要问你！
问题
我有两个文件(X265)
01.具有多个音频蒸气和多个字幕的mkv(具有精确的名称层)
02.具有多个音频蒸汽和多个字幕的mkv(具有精确的名称层)
我想添加特定的音频层(GER)和特定字幕(GER)从02.mkv到01 mkv，如果可能的话。(元数据在文件02.mkv中的位置几乎总是随机的，所以我不能说它是"-map 0:s:2 for ger subtitle“)
我已经搜索并尝试了多种解决方案.
这种方法可以处理多个步骤，但在处理过程中会丢失音频和字幕元数据(Title)。
从02.mkv到aac的德语音频层提取
ffmpeg -i 02.m
浏览 7提问于2022-07-13得票数 -1
我正在制作一个语音线路+字幕系统，使用自定义检查器使它更容易使用。所有的一切都是完美的，直到我试图展示一个副标题EditorGUILayout.TextField类似于我是如何使用EditorGUILayout.ObjectField的声音音频剪辑。这是可行的(没有字幕功能)：
showAudioClipList = EditorGUILayout.BeginFoldoutHeaderGroup(showAudioClipList, new GUIContent("Audio Clips", "Audio clips available to play when int
浏览 2提问于2020-01-04得票数 0
回答已采纳
我想分享我在安装android应用程序后如何在Google Glass上运行它的经验。如果应用程序没有定义语音触发器，无法通过“OK Glass..”启动，如何运行应用程序？
浏览 31提问于2013-12-05得票数 1
我们正在计划一个POC，在那里我们向SpeechRecognizer提供一个多播流，比方说，一个新闻发布会，希望得到一个“实时”的文字记录，然后我们可以用来进行实时字幕。到目前为止，我看到了两个挑战： 第一个问题是，我不知道如何“抓取”多播流并将其提供给SpeechRecognizer。如果有人愿意分享一个代码示例来说明如何做到这一点(最好是用C#)，那将是非常有帮助的。 另一件事是与时间相关的。我已经使用麦克风输入做了一些初步测试，当语音或多或少是连续的时，服务一次处理相当大的语音块，导致在我得到任何东西之前有相当大的延迟，这在实时字幕场景中不是理想的。有没有一些设置我可以用来改变“粒度”
浏览 28提问于2020-03-23得票数 0
2回答
我对YouTube API和R.的“tuber”包很熟悉。然而，当我尝试使用这个包时，我无法获得YouTube视频的说明，也不明白为什么。例如，以下简单代码返回一个错误：
get_captions(id="OFcXgFBzMlE")
获得YouTube视频字幕的最佳方法是什么？我对使用Tuber以及其他方法持开放态度。我只需要获得一些视频的说明(例如，那些启用了CC的视频)，但是需要对大量的视频进行大量的字幕。
浏览 2提问于2017-10-18得票数 0
1回答
my ffmpeg burn subtitle example 把字幕改成mp4。属性WrapStyle(0:自动换行，1:字符' \n‘或电影边缘力更改行，2:仅\N和\N更改行)。 英文字幕run OK。中文字幕在WrapStyle=0时没有自动换行。
浏览 518提问于2020-07-09得票数 0
2回答
在哪里可以找到VOBsub字幕格式的文档/示例代码？这是一个.idx和一个.sub文件。
我需要创建一个程序，生成这些字幕。我一直在谷歌上寻找，但只找到如何从DVD上抓取它们。
谢谢
浏览 4提问于2010-01-26得票数 11
我们有一个要放入MP4文件的blob存储。我们希望创建一个函数来监视传入的文件(如发布/订阅)，然后使用azure媒体服务将文件编码为wav，并将转换后的工件保存到另一个blob存储容器中。我可以创建作业来监视传入的文件，我们遇到的问题是找出如何使用媒体服务转换来创建wav文件。我们正在尝试避免必须将wav文件复制到另一个位置以将其编码为wav文件，然后在完成后删除MP4文件和wav文件。这些文件可能会运行到相当大的gig大小。
我们使用wav文件将它们转录成文本(我们的转录软件需要wav格式的文件)。我们查看了azure语音服务来进行转录，但它的成本太高，而且我们目前使用的转录软件是专门针对
浏览 33提问于2019-07-25得票数 1
回答已采纳
此命令正在工作，并显示输出。
但是，我找不到命令将输出保存为文本文件。
我有什么选择？我想要生成语音文本来上传youtube视频的字幕(是的，youtube算法无法自动生成)
deepspeech --model deepspeech-0.8.2-models.pbmm --scorer deepspeech-0.8.2-models.scorer --audio audio/a.wav
这里有上面的命令输出，但是我不能将输出保存到我需要的文件中。
浏览 9提问于2020-10-07得票数 1
aaa.png
安卓平台接入语音合成时一直报AppId不合法？我的appID是我登录我的腾讯云账户之后在控制台里获取到的，然后我换了语音合成部分例子里面的appId也是一直报不合法，请问这个问题找谁反馈呢？
[附加信息]
浏览 276提问于2018-05-04
2回答
音频字幕转录- C++
、、、
我正在做一个项目，在其他与视频相关的任务中，最终应该能够提取视频的音频，并对其应用某种语音识别，并获得视频上所说内容的转录文本。理想情况下，它应该输出某种字幕格式，以便文本链接到视频上的某个点。
我在考虑使用Microsoft Speech API (又名SAPI)。但据我所知，它使用起来相当困难。我为语音识别找到的极少数示例(大多数是用于文本到语音的转换，这可能更容易)表现不是很好(他们不能识别任何东西)。例如这个：
一些例子使用了一些叫做语法文件的东西来定义识别器正在等待的单词，但是由于我没有对Windows语音识别进行过彻底的训练，所以我认为这可能是在混淆结果。
所以我的问题是。对于这样
浏览 0提问于2011-08-28得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
