AI技术实践｜用腾讯云录音文件识别让无字幕视频自动生成字幕

试想一下，当我们在观看一段视频时，如果遇上字幕缺失，观感是不是会大打折扣？

近些年，短视频、直播等线上娱乐方式快速发展，直接拉动了旅游、电商、影视创作等行业新风潮；而要呈现出一段好的视频效果，不仅仅考验好的拍摄技法，后期处理也是重中之重。以视频字幕为例，有字幕的视频总能“一气呵成”的顺畅看完，而无字幕的，总令人觉得缺失了一种味道。事实上，纯手工添加字幕，也费时费力，面对较大时长与批量化字幕处理的，多少有些苦不堪言，那有没有更智能化的方式呢？

接下来，本文将分享一下，如何借助录音文件识别服务给无字幕视频自动生成字幕。

一、分析调研

给无字幕视频自动生成字幕，其实就是先对视频文件导出的音频文件进行识别，得到识别文字，再根据识别得到的文字与短句的时间信息处理得到视频srt字幕文件，在视频文件中导入srt字幕文件即可得到效果。

实现思路如下：

1.借助ffmpeg从视频中提取音频

2.调用录音文件识别服务，对音频文件进行识别

3.对识别得到的文字与短句的时间信息进行处理得到视频srt字幕文件

4.将命名相同的视频文件与srt文件放在同一目录下，用暴风影音或其他播放器打开，即可得到有字幕的视频。

二、代码开发

1.借助ffmpeg从视频中提取音频

项目使用了ffmpeg依赖，需先下载安装，并设置环境变量。之后就可通过引入subprocess库，执行ffmpeg命令，启动一个新进程，完成对音频的提取。

import subprocess
def extract_audio(video, tmpAudio):
	ret = subprocess.run('ffmpeg -version', shell=True)
	if ret.returncode != 0:
		print("请先安装 ffmpeg 依赖 ，并设置环境变量")
		return
	ret = subprocess.check_call(['ffmpeg', '-i', video, '-vn', '-ar', "16000", tmpAudio], shell=False)
	if ret.returncode != 0:
		print("error:", ret)

2.识别音频文件

在这里笔者选择的录音文件识别服务是腾讯云ASR的录音文件识别，通过调研，腾讯云的录音文件识别，可以在调用时直接根据语句之间的停顿智能断句、加标点，无需再调用其他接口进行语句拆分，同时返回结果数据也可根据不同需求进行多种选择，如是否过滤脏词、是否过滤语气词等。

 

服务具体详细信息这里不再赘述，详情见官方文档见腾讯云ASR。

(1)要访问腾讯云的服务，则需要SecertId与SecretKey，该API密钥可在