Skip to content

README.md

Latest commit

 

History

History
112 lines (83 loc) · 4.31 KB

README.md

File metadata and controls

112 lines (83 loc) · 4.31 KB

多媒体工具 (Multimedia Tools)

本目录包含各种用于处理多媒体文件（视频、音频、图片等）的实用工具脚本。

字幕生成器 (subtitle_generator.py)

subtitle_generator.py 是一个强大的工具，可以使用OpenAI的Whisper模型从视频或音频文件中自动生成高质量字幕。支持多种语言的转录和翻译功能，并可输出多种常见的字幕格式。

功能特点

  • 从视频文件中提取音频并转录为文字
  • 支持多种字幕格式: SRT, VTT, TXT, JSON, TSV
  • 支持多语言识别和翻译
  • 可选择不同大小的Whisper模型以平衡精度和速度
  • 自动检测语言或手动指定语言
  • 支持使用GPU加速转录过程（需要兼容的CUDA设备）

安装依赖

在使用之前，需要安装以下依赖:

# 安装Python依赖
pip install openai-whisper pysrt tqdm

# 安装FFmpeg(Windows)
# 使用Chocolatey
choco install ffmpeg

# 或使用Scoop
scoop install ffmpeg

基本用法

# 使用默认设置转录视频文件(medium模型，自动检测语言，SRT格式)
python subtitle_generator.py video.mp4

# 指定输出字幕文件路径
python subtitle_generator.py video.mp4 -o my_subtitles

# 使用小型模型(更快但精度较低)
python subtitle_generator.py video.mp4 -m tiny

# 指定语言(提高识别准确率)
python subtitle_generator.py video.mp4 -l zh

# 将音频翻译为英文(而非转录原语言)
python subtitle_generator.py chinese_audio.mp3 -t translate

# 同时输出多种格式的字幕
python subtitle_generator.py video.mp4 -f srt vtt txt

# 使用大型模型并启用详细日志
python subtitle_generator.py video.mp4 -m large -v

命令行参数

参数 简写 描述 默认值
input - 输入视频或音频文件路径 (必需)
--output -o 输出字幕文件路径(不含扩展名) 与输入文件相同
--model -m Whisper模型大小 (tiny/base/small/medium/large/turbo) medium
--language -l 音频语言代码 (如zh/en/ja) 自动检测
--task -t 任务类型 (transcribe/translate) transcribe
--device -d 计算设备 (cpu/cuda) 自动检测
--formats -f 要生成的字幕格式 srt
--verbose -v 显示详细日志 False

支持的模型大小

模型大小 参数数量 内存需求 相对速度 准确率
tiny 39 M ~1 GB ~10x 较低
base 74 M ~1 GB ~7x 低
small 244 M ~2 GB ~4x 中等
medium 769 M ~5 GB ~2x 高
large 1550 M ~10 GB 1x 最高
turbo 809 M ~6 GB ~8x 高

注意事项

  1. 首次运行时，脚本会自动下载指定的Whisper模型（需要网络连接）。
  2. 处理长视频可能需要较长时间，特别是使用较大的模型时。
  3. 使用GPU可以显著提升处理速度。
  4. 对于低质量或含有背景噪音的音频，可能会影响转录准确率。
  5. 指定正确的语言可以提高识别精度。

示例输出

成功运行后，脚本将生成如下输出：

2025-06-05 15:30:12 - INFO - 正在加载 Whisper medium 模型...
2025-06-05 15:30:20 - INFO - 模型加载完成。使用设备: cuda
2025-06-05 15:30:20 - INFO - 正在从视频中提取音频...
2025-06-05 15:30:25 - INFO - 音频提取完成: C:\Users\user\AppData\Local\Temp\tmp5hd7f8k9.wav
2025-06-05 15:30:25 - INFO - 正在转录音频: C:\Users\user\AppData\Local\Temp\tmp5hd7f8k9.wav
2025-06-05 15:30:30 - INFO - 检测到语言: zh
2025-06-05 15:31:15 - INFO - 转录完成！处理 125.80 秒的音频用时 50.23 秒 (处理速度: 2.50x)
2025-06-05 15:31:16 - INFO - 已保存SRT格式字幕: video.srt
2025-06-05 15:31:16 - INFO - 字幕生成完成！总耗时: 64.12 秒

典型字幕工作流程

  1. 使用小模型快速生成初稿：python subtitle_generator.py video.mp4 -m tiny
  2. 如果质量不满意，使用中型或大型模型并指定语言：python subtitle_generator.py video.mp4 -m medium -l zh
  3. 如需翻译，添加translate参数：python subtitle_generator.py video.mp4 -t translate
  4. 同时导出多种格式以满足不同需求：python subtitle_generator.py video.mp4 -f srt vtt txt