ساخت زیرنویس از صدا با هوش مصنوعی
گفتار یک فایل صوتی یا ویدیویی رو روی دستگاه به زیرنویس زماندار تبدیل کنید و برای بازبینی یا تدوین، فایل SRT یا VTT بگیرید.
ساخت زیرنویس از صدا با هوش مصنوعی برای کسی که یک مصاحبه یا درس ضبط کرده، نقطه شروع خوبی برای ویرایشه. اسکیل speech-captions صدای فایل رو با ابزار محلی میخونه و متن رو همراه زمان هر بخش آماده میکنه. اگر متن رو از قبل دارید، میتونید بسته به وجود یا نبود زمانبندی، مسیر مناسب دیگهای انتخاب کنید.
مثلا در یک آموزش اسم دو نرمافزار پشت سر هم گفته میشه. نتیجه اولیه ممکنه یکی از اسمها رو شبیه کلمه عادی بنویسه. داشتن زمان هر عبارت کمک میکنه به همون چند ثانیه برگردید و اصلاحش کنید. لازم نیست کل ویدیو رو از اول گوش بدید تا ببینید کجای درس درباره اون نرمافزار صحبت شده.
کاربردها
- برای تبدیل ویدیو به زیرنویس، گفتار فایل رو به بخشهای زماندار تقسیم کنید.
- زبان فایل صوتی رو تشخیص بدید و ببینید نتیجه با زبانی که گوینده استفاده میکنه جور درمیاد یا نه.
- یک فایل SRT بسازید تا متن و زمان شروع و پایان هر قسمت رو در ابزار تدوین ببینید.
- برای پخش در وبسایت، زیرنویس VTT رو از قسمتهای زماندار آماده کنید.
- اگر فقط متن ساده دارید، یک زیرنویس با زمان تقریبی بسازید و جاهایی رو که باید با صدا هماهنگ بشن جدا بررسی کنید.
نصب و استفاده
- اسکیل، Python، uv و FFmpeg رو نصب کنید. مدل گفتار روی دستگاه اجرا میشه و ممکنه دریافت اولیه مدل به اینترنت نیاز داشته باشه. فایل مجازی انتخاب کنید که اجازه پردازشش رو دارید.
- بگید «از این ویدیوی درس زیرنویس زماندار بگیر و فایل SRT رو جدا ذخیره کن. میخوام اسم ابزارها رو خودم بازبینی کنم.»
- در تدوینگر چند قسمت از اول، وسط و آخر رو با صدا پخش کنید. نامها، عددها و زمان ورود جملههای کوتاه رو پیش از انتشار اصلاح کنید.
سوالات متداول
منبع
ساخته timelapsetech. نام اصلی: speech-captions، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub