目标
音频 + 背景图 + 字幕合成硬/软字幕 MP4 视频。
实现
基于 Eclipse RCP 技术框架开发,企业级应用的技术。
核心组件
- 前端框架：Eclipse SWT（Standard Widget Toolkit）
- 推理后端：ONNX Runtime
- 语音识别模型：Paraformer 等 ONNX 编码器-解码器
- 语音活动检测：VAD 模型（Silero VAD）
- 标点恢复模型：基于 BART 的中文标点预测模型（punctuation-zh-bart）
- 字幕视频合成：ffmpeg
字幕视频