字幕

开源字幕生成工具，实现无缝内容翻译。

主要特点：

• 开源：可免费使用、修改和分发。
• 自托管：在自己的服务器上运行，增强控制和隐私。
• AI 驱动：利用先进的机器学习技术，生成准确且自然的字幕。
• 多语言支持：为多种语言的视频生成字幕。
• 轻松集成：无缝融入现有工作流程。

我做这个项目是出于兴趣，但我觉得它也可能对其他人有用。

安装

FFmpeg

首先，你需要安装 FFmpeg。以下是安装方法：

# 在 Linux 上
sudo apt install ffmpeg

运行

你可以使用以下命令从命令行运行脚本：

python subtitle.py <文件路径 | 视频URL> [--model <模型名称>]

将 <文件路径 | 视频URL> 替换为你的视频文件路径。--model 参数是可选的。如果不提供，默认使用 'base' 模型。

例如：

python subtitle.py /path/to/your/video.mp4 --model base

这将在 /path/to/your/video.mp4 的视频上运行脚本，使用 base 模型。 请将 /path/to/your/video.mp4 替换为你实际的视频文件路径。

模型

以下是你可以使用的模型： 注意：只有当视频是英语时才使用 .en 模型。

• tiny.en
• tiny
• tiny-q5_1
• tiny.en-q5_1
• base.en
• base
• base-q5_1
• base.en-q5_1
• small.en
• small.en-tdrz
• small
• small-q5_1
• small.en-q5_1
• medium
• medium.en
• medium-q5_0
• medium.en-q5_0
• large-v1
• large-v2
• large
• large-q5_0

高级用法

你可以通过使用以下参数来修改 whisper 二进制文件的行为：

./whisper [选项] file0.wav file1.wav ...

选项

以下是你可以与 whisper 二进制文件一起使用的选项：

选项	默认值	描述
-h, --help		显示帮助信息并退出
-t N, --threads N	4	计算过程中使用的线程数
-p N, --processors N	1	计算过程中使用的处理器数
-ot N, --offset-t N	0	时间偏移（毫秒）
-on N, --offset-n N	0	段索引偏移
-d N, --duration N	0	处理的音频持续时间（毫秒）
-mc N, --max-context N	-1	存储的最大文本上下文标记数
-ml N, --max-len N	0	最大段落长度（字符）
-sow, --split-on-word	false	按词分割而不是按标记分割
-bo N, --best-of N	2	保留的最佳候选数量
-bs N, --beam-size N	-1	束搜索的束大小
-wt N, --word-thold N	0.01	词时间戳概率阈值
-et N, --entropy-thold N	2.40	解码器失败的熵阈值
-lpt N, --logprob-thold N	-1.00	解码器失败的对数概率阈值
-debug, --debug-mode	false	启用调试模式（如转储 log_mel）
-tr, --translate	false	将源语言翻译成英语
-di, --diarize	false	立体声音频说话人分离
-tdrz, --tinydiarize	false	启用 tinydiarize（需要 tdrz 模型）
-nf, --no-fallback	false	解码时不使用温度回退
-otxt, --output-txt	true	将结果输出到文本文件
-ovtt, --output-vtt	false	将结果输出到 vtt 文件
-osrt, --output-srt	false	将结果输出到 srt 文件
-olrc, --output-lrc	false	将结果输出到 lrc 文件
-owts, --output-words	false	输出生成卡拉 OK 视频的脚本
-fp, --font-path	/System/Library/Fonts/Supplemental/Courier New Bold.ttf	卡拉 OK 视频的等宽字体路径
-ocsv, --output-csv	false	将结果输出到 CSV 文件
-oj, --output-json	false	将结果输出到 JSON 文件
-ojf, --output-json-full	false	在 JSON 文件中包含更多信息
-of FNAME, --output-file FNAME		输出文件路径（不含文件扩展名）
-ps, --print-special	false	打印特殊标记
-pc, --print-colors	false	打印颜色
-pp, --print-progress	false	打印进度
-nt, --no-timestamps	false	不打印时间戳
-l LANG, --language LANG	en	口语语言（'auto' 为自动检测）
-dl, --detect-language	false	自动检测语言后退出
--prompt PROMPT		初始提示
-m FNAME, --model FNAME	models/ggml-base.en.bin	模型路径
-f FNAME, --file FNAME		输入 WAV 文件路径
-oved D, --ov-e-device DNAME	CPU	用于编码推理的 OpenVINO 设备
-ls, --log-score	false	记录标记的最佳解码器分数
-ng, --no-gpu	false	禁用 GPU

二进制文件运行示例

以下是如何使用 whisper 二进制文件的示例：

./whisper -m models/ggml-tiny.en.bin -f Rev.mp3 out.wav -nt --output-vtt

许可证

MIT

参考与致谢

• https://github.com/openai/whisper
• https://openai.com/blog/whisper/
• https://github.com/ggerganov/whisper.cpp
• https://github.com/innovatorved/whisper.api

作者

• Ved Gupta

🚀 关于我

只是尝试成为一名开发者！

支持

如需支持，请发送电子邮件至 vedgupta@protonmail.com