语音转字幕之用vidio-srt调用阿里云免费语音识别详细教程

yaojingzhe · 发表于 21-4-26 11:30

本帖最后由 yaojingzhe 于 21-4-29 17:31 编辑

菜鸟教菜鸟之
语音转字幕之用vidio-srt调用阿里云免费语音识别详细教程

一直关注国语视界，有幸注今年1月册进来。真的是大爱国语视界，高手如云，大家都积极分享。
在此，代表论坛的"各级军官和列兵"：
特别感谢@cnlang 提供国语视界这平台，感谢各位版主，辛苦地管理论坛

已经发布了下面几个贴子。

SubtitleEdit 3.6 把SUP转SRT 及百度翻译插件等实用插件
https://cnlang.org/thread-84159-1-1.html
Aegisub安装Aegisub-motion v1.0.9等84个自动化脚本教程
https://cnlang.org/thread-84318-1-1.html
听录和转字幕用到的人声分离工具之一Spleeter详细教程
https://cnlang.org/thread-84080-1-1.html
语音转字幕教程之基于python3开源代码autosub3详细教程
https://cnlang.org/thread-84774-1-1.html
语音转字幕之用autosub-alpha调用百度云免费语音识别详细教程
https://cnlang.org/thread-84853-1-1.html

不管是用Autosub3还是pyTranscriber，都是调用Google-Speech-v2的语音识别接口，普通话的识别率不算高，语音识别率高的还是国内云巨头，比如百度云、阿里云、讯飞云、腾讯云等。但对于我们普通的使用者，不知道用什么软件工具、如何调用这些云的接口。

本篇详细讲述阿里云的语音识别接口长期免费额度调用，实现语音转字幕。

阿里云语音识别率惊人的高，我把完美星球前2分钟转出字幕，达到90%左右

而用autosub3调用谷歌云的识别率有60-80%左右，如下：

第一节、提取纯人声
(不是必须，但剔除背景音，提高转字幕的正确率，并且时间轴也在语音附近，减少校核文字和调整时间轴的工作量)

请用我上面帖子“听录和转字幕用到的人声分离工具之一Spleeter详细教程”里的方法，用SpleeterGUI把音轨的纯人声提取出来。

重要说明：由于语音识别技术仍不能完全准确，因此结果的准确度可能会有所不同，这取决于许多因素，主要是音频的质量/清晰度。理想情况下，音频输入不应有背景噪音、声音效果或音乐。如果只有一个说话者，而他说话的速度又清晰又慢，那么识别的准确性就高得多。有时，在理想/幸运的条件下，有可能获得接近95％的准确度结果。

第二节、安装软件和配置接口

游客，如果您要查看本帖隐藏内容请回复

写得累死我了，估计你们看得也快累死了

我同时还在研究由百度硅谷AI实验室与美国合作开发deepspeech离线语音识别技术

我用离线英文语言包成功转出英文字幕，但用中文语言包，转出的字幕驴唇不对马嘴。作者指导我修改源代码，现在还没有成功，有结果了就分享给大家

yaojingzhe · 发表于 21-4-26 11:30

本帖最后由 yaojingzhe 于 21-4-26 11:47 编辑

这是我用到的几个语音转字幕方法中，最好的之一，以前担心只有90天的免费额度，在与客服沟通后，可以用很多年，就极力推荐给大家

技术问题我在二楼回复

goodday · 发表于 21-4-26 11:37

原来阿里的识别率这么高！

一直用百度输入法，感觉语音转文字识别率挺高的，而且自动加标点断句

lkc123 · 发表于 21-4-26 12:03

阿里的只能识别确实不错啊

gumfifa · 发表于 21-4-26 12:03

看看各种接口调用

低调做人 · 发表于 21-4-26 12:40

楼主好人，

jd870326 · 发表于 21-4-26 12:58

楼主厉害，有这个技术，以后制作国配字幕会轻松很多

huaixiaozi6 · 发表于 21-4-26 13:11

感谢分享技术贴，听写作者的福音

anrry · 发表于 21-4-26 13:28

此系列教程可以大大提高国配字幕制作的效率

zhaojiangboy · 发表于 21-4-26 13:54

工欲善其事，必先利其器！

whicao · 发表于 21-4-26 14:12

这个敢情好。赶紧去试试

xuehs · 发表于 21-4-26 14:35

教程很详细，做的很精致，学习了！谢谢！

dean02916 · 发表于 21-4-26 14:44

这真的是硬核教学呀，谢谢楼主了！

撒哈拉夜空 · 发表于 21-4-26 15:56

本帖最后由撒哈拉夜空于 21-4-26 16:04 编辑

支持感谢技术大佬无私的分享，但感觉太繁琐了害怕学不会啊

chinagear · 发表于 21-4-26 16:25

提取纯人声看来很关键，我用阿里云识别率很一般，估计就是纯人声没提取。

yaojingzhe · 发表于 21-4-26 16:41

chinagear 发表于 21-4-26 16:25
提取纯人声看来很关键，我用阿里云识别率很一般，估计就是纯人声没提取。 ...

是的，提取纯人声，对提高识别率，和时间轴都有很大的帮助

熟饭 · 发表于 21-4-26 16:53

这个技术太强了，拜读一下啊。不仅仅是识别字幕有用

zsh月夜苍狼 · 发表于 21-4-26 17:04

看看，不知道阿里云怎么样

zbaba · 发表于 21-4-26 18:43

这么好的内容，好好学习，再收藏一下。

znjj · 发表于 21-4-26 20:53

给大佬点赞这个受益匪浅

		自动登录	找回密码
密码			立即注册

[字幕技术] 语音转字幕之用vidio-srt调用阿里云免费语音识别详细教程

评分

灌水之王

热心会员

论坛元老

王者至尊

悍匪之王