一键视频转文字/音频转文字,浏览器右键提取B站视频文案,不限时长免费无限次可用

上篇文章阿虚分享了自己的「短视频」笔记方案

短视频文件小,易存储,所以阿虚建议是直接将原视频插入到笔记当中

而长视频文件大,很难像短视频一样操作。阿虚之前的建议是提取重要部分视频转长截图,或者视频转GIF

但上述方案仔细思考,其实只适用于精记录

▲泛阅读

阿虚后来在实践中,发现我更多时候是需要泛记录------即我经常会去B站、抖音、小红书等找视频评测,我主要需要的是「结论」和具体「推荐某产品的原因」

由于每次研究可能都会查看、下载大量评测视频,这就导致精记录的方案不太实用了,太费时间!🤨

于是阿虚对于需要泛记录的视频,采取的主要方案是------视频转文字,记录全文

1 CapsWriter Offline

当然,视频转文字在现在并不是什么稀奇事,阿虚之前就已经分享过很多免费工具了

也包括基于 OpenAI 训练出来的 Whisper 语音识别模型而开发的 WhisperDesktop、Buzz 这类桌面客户端💻

但使用客户端免不了多次鼠标点击 ,再加上此前推荐的 WhisperDesktop、Buzz 效率并不是很高,说白了就是整个转换流程挺费时间的

而阿里开源语音识别工具 FunASR 的出现,让整个中文语音识别革命性的进化了 ❗ ❗ ❗

不仅识别准确,最关键是识别速度极快,应该是目前中文语音识别领域速度最快!30 分钟的视频转为文字大概只需要 15 秒!

而让 FunASR 更简单易用,又得多谢 HaujetZhao 大佬开发的 CapsWriter Offline 项目:https://github.com/HaujetZhao/CapsWriter-Offline

这个项目原本是作者开发的一个 PC 端离线语音输入工具,帮大家解决了语音识别模型+标点符号添加模型调用的问题,即也算是有了可视化的软件界面

但就算这样,这个软件的使用也略显麻烦、费时:

  1. 需要先运行 start_server.exe 加载服务端(其会载入语音识别和添加标点模型,共占用约 2GB 内存),视个人电脑情况,一般加载需要20多秒
  2. 然后需要运行 start_client.exe 客户端才能看到下图软件界面,然后拖入音频、视频才能实现快速转文字(服务端只需启动一次,后续不必再等待20多秒)

但这个项目好就好在,软件的实际使用中,客户端不是必要的,启动服务端之后我们可以直接通过命令行来调用软件------这也是阿虚能借机发挥的原因😏

阿虚在原有软件的基础上:略微修改了原项目代码,另外用 AHK 写了一个辅助小程序,然后再写了一个增删右键菜单的小脚本

⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️

软件下载地址 ,微信内打开文章见置顶留言:一键视频转文字!本地、在线视频均支持,离线模型免费无限可用

⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️

在阿虚改善之后, CapsWriter Offline 便可能算的上当今最简单易用的 Windows 语音识别工具了!

在阿虚改善之后, CapsWriter Offline 便可能算的上当今最简单易用的 Windows 语音识别工具了!💪

  1. WIN10以上电脑可用,软件无需安装,解压即用
  2. 解压出来,双击运行 .bat 文件即可添加/删除右键菜单
  3. 随后就能如下图这样,在常见音频、视频文件上,直接右键使用了

不过这里需要特别说明一下:

  • 右键执行后,软件全程会静默执行,即前台不会有任何界面弹窗!耐心等待 20 多秒加载模型文件,再耐心等待10多20秒(视处理视频时长),就能完成文件处理,在源视频同目录下生成转换好的 txt 文本文件
  • 同时在每次使用过程中,只有处理的第一个视频需要等待 20 多秒加载模型,后续则均是直接开始处理视频文件
  • 另外由于软件服务端在后台会占用约 2GB 系统内存,如果后续不需要继续处理视频,可以通过右键系统托盘图标来退出后台服务端
  • CapsWriter 基于 FunASR 模型,所以只支持处理中、英两种语言!

实际使用效果就如下图,全程除了略需等待(转换多个视频也就第一个需要多等待20多秒),整个转换操作几乎无感

拿到视频的 txt 文字稿之后,再贴上视频链接,辅以重点视频片段截图,于是乎就能像阿虚下图这样,很快速的完成一篇涵盖多个视频内容的评测视频调研笔记了~🧐

2 ContextSearch

本地视频语音识别转文字问题基本已完美解决

但阿虚后续实际做视频笔记时候发现:我还是得先用 IDM 或者专用下载器,将视频下载到本地之后,多次点击找到视频所在文件夹,再右键进行转换------就还是有挺多步骤、不够优雅

▲还不够优雅~

还有没有办法省下多次键盘鼠标操作,一键完成在线视频转文字呢?

这里终于又可以搬出阿虚之前就大力推荐过的浏览器扩展了------ContextSearch

ContextSearch 是一款能实现在网页上一键调用命令行工具的扩展

考虑到文章篇幅,ContextSearch 的前期安装与配置这里就略过,请各位去复习上述文章👆

光有 ContextSearch 还不够,我们还得辅以开源下载神器 yt-dlp:https://github.com/yt-dlp/yt-dlp

yt-dlp 是一个功能丰富的命令行音频/视频下载器,支持数千个网站解析下载,B站、小红书、微博、知乎等常见视频平台都支持一键下载(注:目前不支持抖音)

2.1 使用效果

有了 ContextSearch+yt-dlp 的体验如何呢?

如下图,仅需在想要转文字的视频上右键,短一点的视频,10多秒即可完成视频转文字,并将结果复制到剪贴~

至此,对于 B站等网站的在线视频一键转文字体验可谓完美~

2.2 配置方法

那想要实现上图效果如何配置呢?

也不算复杂,首先我们打开 yt-dlp 项目官网,下载最新的 yt-dlp.exe 文件:https://github.com/yt-dlp/yt-dlp/releases

如果你访问Github困难,建议了解《Github加速访问教程》

然后,如果你之前学习过阿虚的任意WIN+R 使用教程(👈点击即可查看),配置过快速启动文件夹到系统环境,那就只需要把下载到的 yt-dlp.exe 扔进你的快速启动文件夹即可

不过,就算你目前完全不懂 WIN+R,也只需按下述操作即可轻松用上今天分享的工具

首先是按下键盘上的 WIN+R 键打开运行窗口

然后在英文输入法状态下输入一个 .(或者%USERPROFiiE%),然后回车,进入你的电脑用户目录

将上面获取的 yt-dlp.exe 文件放到打开的文件夹里面,也是可以的

然后我们打开 ContextSearch 的扩展选项,新建一个应用启动器,按下图进行配置即可(ContextSearch 配置教程点击这里查看

特别注意,荧光黄处需要自行替换为你 CapsWriter 文件所在路径**(注:这部分代码借用了隔壁@奔跑中的奶酪)**:

tasklist /FI "IMAGENAME eq start_server.exe" 2>NUL | find /I /N "start_server.exe" >NUL || explorer "C:\Portable\CapsWriter\start_server.exe" & start "" cmd /c yt-dlp --output "../../../Downloads/Video/%(title)s.%(ext)s" --merge-output-format mp4 --no-mtime --exec "C:\Portable\CapsWriter\start_client.exe" "{searchTerms}"

最后再说明一下,通过上述代码实际执行的操作是:

  1. 先调用 yt-dlp 解析下载视频到系统 Downloads 文件夹中的 Video 文件夹
  2. 然后再调用 CapsWriter 语音识别下载好的视频文件,转为文字,内容存储在 txt 文件中

所以,如果你后续不需要这些下载好的视频、处理好的文本文件,需自行打开文件夹删除!

如果大家对阿虚的笔记方案感兴趣,相关文章我已经都整理到储物间(axutongxue.ysepan.com)8-2栏了,大家可以自行学习

当然,我只能给大家分享工具,提升效率

最关键的,还是要自己动手记录!

视频收藏了,不等于看过了

只有自己整理,记录了,它才真正属于你

希望大家保持记录,永远在学习的路上!

相关推荐
爱趣五科技1 小时前
无界云剪音频教程:提升视频质感
前端·音视频
YiSLWLL3 小时前
Tauri2+Leptos开发桌面应用--绘制图形、制作GIF动画和mp4视频
python·rust·ffmpeg·音视频·matplotlib
Everbrilliant898 小时前
GL C++显示相机YUV视频数据使用帧缓冲FBO后期处理,实现滤镜功能。
音视频·opengl图片水印·opengl文字水印·opengl帧缓冲·opengl离屏渲染(osr)·opengl fbo·opengl图像合成
yangshuo128111 小时前
如何将手机的画面和音频全部传输到电脑显示和使用电脑外放输出
智能手机·音视频
芥末的无奈14 小时前
GStreamer 简明教程(九):插件开发,以一个音频特效插件为例
音视频·gstreamer
winxp-pic1 天前
视频行为分析系统,可做安全行为检测,比如周界入侵,打架
安全·音视频
学习嵌入式的小羊~2 天前
RV1126+FFMPEG推流项目(11)编码音视频数据 + FFMPEG时间戳处理
ffmpeg·音视频
刘大猫.2 天前
vue3使用音频audio标签
音视频·audio·preload·加载音频文件·vue3使用audio·vue3使用音频·audio标签
优联前端2 天前
Web 音视频(二)在浏览器中解析视频
前端·javascript·音视频·优联前端·webav