小电影字幕的生成(Whisper)和翻译(ChatGPT)

一. 字幕对于不同语言的电影来说都是非常重要的。

对于观看非母语电影的人群，字幕能够帮助观众更好地理解对话和情节发展。

二. 电影字幕的生成

电影字幕的生成，依赖语音转文本（Speech-to-Text，STT）的技术。

随着语音技术和机器学习的发展，语音转文本技术也取得了长足的进步。

而OpenAI的Whisper是目前识别率较高的模型。下面讲展示如何调用Whisper来得到电影的字幕.

Whisper是一种自动语音识别（ASR）系统，它是基于680,000小时的多语言和多任务监督数据进行训练的，使用了大量的多样化音频数据进行训练，并且具有多任务的能力。

Whisper可以识别的语言包括但不限于中文、英语、日语、西班牙语、法语、德语、意大利语、葡萄牙语、荷兰语、俄语和韩语等。

1. 生成电影的字幕文件

Whisper文件上传目前限制为25 MB，支持以下输入文件类型：mp3、mp4、mpeg、mpga、m4a、wav和webm。为了减少上传文件的体积，可以先提取电影的声音到mp3文件。

FFmpeg是一个开源的跨平台音视频处理工具集，它提供了丰富的功能和命令行工具，用于处理、转码、编辑和流媒体处理等任务

1.1 使用FFmpeg把视频转换成音频:

css 复制代码

ffmpeg -i input.mp4 -vn -acodec libmp3lame -q:a 6 output.mp3

这将从 input.mp4 的文件中提取音频，并将其保存为output.mp3文件。

在这个命令中，使用了libmp3lame编解码器来编码音频为MP3格式，并且通过-q:a参数指定了音频质量，值越小质量越低，一般取值范围为0-9，其中0为最高质量。

1.2 调用Whisper生成字幕文件

ini 复制代码

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer {替换成你的OpenAI API KEY}" \
  -H "Content-Type: multipart/form-data" \
  -F file="@output.mp3" \
  -F model="whisper-1" \
  -F response_format="srt" > output.srt

output.mp3 是上一步生成的音频文件，output.srt 是语音识别出来的字幕文件.

如果在内网连不上OpenAI，可以通过添加 -x proxyHost:proxyProxy 参数来处理.

另外还可以通过指定语音的语言和使用ChatGPT修正字幕的错别字和标点符号.

2. 使用ChatGPT翻译电影字幕

ChatGPT不支持直接翻译文件，可以考虑通过第三方工具来翻译. 例如:

如何使用ChatGPT翻译文档(PDF/EPUB/Word/Excel/PowerPoint/SRT)?

CahtGPT翻译的优势主要在于关联上下文，就是可以根据字幕文本相邻句子来优化翻译的效果, 比起机器翻译要更精确和流程一些.