识别视频声音内容添加字幕

最近有看到这个需求，想着怎么实现一下。

做到这个功能主体上也就几步：

声音识别生成字幕

识别视频内的声音内容转成字幕文件。

这一步有可能需要先将音频从视频中剥离出来，可以用ffmpeg来实现。

声音转化成字幕的方法，网上查到可用的方法有以下几种：

百度：

谷歌：

微软：只支持windows

讯飞：

用这种方式只能做到有限次数，没法实现本地大规模转换，云端api的调用超过一定的次数后需要付费，这个也正常。

 

字幕添加到视频

将字幕文件添加整合到视频中，可以用ffmpeg来实现

 

实现

有空写个apk把几种方式都整合以下看看效果。