如何把无字幕的视频免费生成文字版文档

Question

请教各位，如何把没字幕的公开课视频免费转化成文字版文档。之前试过用搜狗输入法边播放视频边自动打字，但是视频播放后还是需要修改很多错别字。另外一个是用飞书妙计，但是要把网站上视频下载，这个下载也是花费很多时间，也是要改很多错别字。还有没有更高效的方法呢，能快速转成文档且正确率高。

Answer 1

引自免费微信小程序：皆我百晓生

为了将无字幕的视频免费转换为文字版文档，并尽可能提高准确度和效率，您可以尝试使用自动语音识别（ASR）服务。这里推荐使用Google的Cloud Speech-to-Text API，它在语音识别方面有很高的准确性。虽然不是完全免费，但有每月免费额度，对于一些小型项目是足够的。以下是详细的步骤：

1. 创建Google Cloud账户并启用Speech-to-Text API

   • 如果您还没有Google Cloud账户，首先需要注册一个：Google Cloud Console
   • 登录后，在控制台中找到“API和服务”，然后点击“启用API和服务”。
   • 搜索“Cloud Speech-to-Text API”，点击进入，然后点击“启用”。

2. 创建服务账号并获取JSON密钥

   • 在Google Cloud控制台上，导航到“IAM & Admin” -> “Service Accounts”。
   • 点击“创建服务账号”，给服务账号命名，选择角色（例如"Project > Editor"），然后点击“创建”。
   • 接下来，点击新创建的服务账号，然后在“Key”部分点击“创建键”，选择JSON格式，点击“创建”。保存这个JSON文件，后续的脚本会用到。

3. 安装必要的库并准备Python脚本 使用命令行安装Python依赖项：

   pip install google-cloud-speech google-auth google-auth-oauthlib google-auth-httplib2
   

4. 编写Python脚本进行音频转文字 以下是一个简单的Python脚本示例，用于上传本地视频文件，提取音频并将其转换为文本：

   import io
   import os
   from google.cloud import speech_v1p1beta1 as speech
   from google.oauth2 import service_account
   
   # 从JSON文件加载服务账号凭据
   with open('path/to/your/keyfile.json', 'r') as f:
       key_file = f.read()
   credentials = service_account.Credentials.from_service_account_info(key_file)
   
   # 创建speech client
   client = speech.SpeechClient(credentials=credentials)
   
   # 将视频文件转换为WAV格式的音频文件
   audio_path = 'path/to/your/video.mp4'
   audio_wav_path = 'path/to/output/audio.wav'
   
   # 使用ffmpeg工具将视频中的音频提取出来，确保已经安装了ffmpeg
   os.system(f'ffmpeg -i {audio_path} -vn -acodec pcm_s16le -ar 16000 {audio_wav_path}')
   
   # 读取音频文件
   with io.open(audio_wav_path, 'rb') as audio_file:
       byte = audio_file.read()
   
   # 设置语音识别参数
   config = speech.RecognitionConfig(
       encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
       sample_rate_hertz=16000,
       language_code='en-US',
   )
   audio = speech.RecognitionAudio(content=byte)
   
   # 进行情景识别
   response = client.recognize(config=config, audio=audio)
   
   # 提取识别结果
   text = ''
   for result in response.results:
       alternative = result.alternatives[0]
       text += alternative.transcript + '\n'
   
   # 写入文本文件
   output_text_path = 'path/to/output/text.txt'
   with open(output_text_path, 'w') as f:
       f.write(text)
   

   注意：替换上述代码中的路径为你实际的文件路径，并根据需要调整语言代码（例如'en-US'代表英语，你需要根据视频的语言更改）。如果你的视频是其他格式或编码，可能需要调整处理音频的步骤。

5. 运行脚本 打开命令行，切换到包含脚本的目录，然后执行：

   python script_name.py
   

   脚本将输出识别后的文字内容到指定的文本文件。

这种方法可以显著提高转换效率，减少手动校对的工作量。然而，由于自然语言理解和语音识别技术的限制，仍然可能存在少量错误，建议最终检查并修正文本。