自动生成字幕/关闭字幕从视频使用语音到文字？

Question

我有一个视频，我想创造字幕。是否有一个程序可以执行基本的语音到文本以便

1. 设置每个字幕的正确开始/停止
2. 创建基本的文本字幕(使用某种语音到文本)

我知道gnome-字幕的事。然而，手工创建这些字幕需要付出大量的努力。你需要为每句话选择开始和停止。

YouTube具有上述功能(使用语音到文本在正确的时间创建基本的文本字幕)。然而，我宁愿不上传视频到YouTube仅仅是为了得到我的字幕。有可能在Ubuntu上高效地制作字幕吗？

更新:我计划只使用.srt字幕，不需要在视频上硬编码。我最大的要求是让程序自动找到每个句子的开始/停止，这样我就可以在其中写课文了。

更新2:有用于Linux的语音到文本软件，以及CMU Sphinx包。根据这个职位，使用CMU狮身人面像和字幕程序是可能的。此外，有一个字幕工具知道这个CMU狮身人面像的特性 (基于web的工具)，但是在最新的源代码中并没有提到他们添加了CMU。任务继续找到一个程序，它使用CMU作为基本的语音到文本(这也会设置正确的时间)，就像YouTube已经做的那样。

Answer 1

通过分析视频中的声音，我没有找到一种让字幕程序自动添加基本字幕的方法。

因此，我使用的替代方法是

1. 将视频上传到Youtube (例如，私下)，并使用内置工具自动创建基本的字幕。

然后,

1. 将视频添加到http://www.universalsubtitles.org/，并手动创建每句话的时间框架，如果Youtube中的自动方式不起作用，或者句子丢失了。
2. 使用GNOME字幕 (在软件中心找到)来清理字幕并修正任何时间安排。

Answer 2

更新：

autosub不再被接纳。还可以使用另一个名为pyTranscriber的图形用户界面。

您可以使用这个命令行实用程序

Autosub是一种用于自动语音识别和字幕生成的实用工具。它以视频或音频文件作为输入，执行语音活动检测以查找语音区域，向Google语音API发出并行请求以生成这些区域的转录，(可选)将它们转换为另一种语言，最后将产生的字幕保存到磁盘上。

https://github.com/agermanidis/autosub/

Python3用户，执行以下操作：

pip install git+https://github.com/BingLingGroup/autosub.git@alpha

确保您安装了ffmpeg。

Answer 3

几年前，我在Windows上使用了阿吉苏布，并且对它非常满意。显然，它可以在Linux上使用。这是很自我解释的。

Aegisub只创建字幕文件，例如.srt文件。要将视频和字幕结合起来创建一个硬编码的字幕，仍然需要使用第二个程序。

在Windows上，我使用了VirtualDub，但它不能用于Linux。您可以使用VLC在Linux上执行此操作：

在Aegisub中创建您的子类，并将其保存为.ass文件。使用VLC将字幕轨道添加到视频中。字幕->添加字幕文件..。配置字幕显示样式和设置，使其显示符合您的喜好。工具、->、首选项、->字幕/OSD，您现在可以观看视频，以确保字幕按您的意愿显示。例如，我可以检查我在Aegisub中指定要显示在屏幕顶部而不是底部的某些subs。输出将与现在的样子相同，所以要确保一切都是好的。

1. 转到媒体->转换/保存..。(Ctrl + R)。
2. 在“文件选择”下，添加视频文件。勾选“使用字幕文件”并浏览到您的.ass子文件。
3. 单击“转换/保存”按钮上的向下箭头，然后单击“转换.”(Alt+ O)。
4. 在“设置”下，确保选中“转换”选项。勾选“显示输出”选项。除非你在这里打勾，否则不会添加潜艇。
5. 编辑配置文件，以便视频和音频设置是您想要的。在“字幕”选项卡下，勾选字幕框，并使用DVB字幕编解码器。确保你勾选‘覆盖字幕在视频’。按保存键。
6. 在目标框中输入目标文件夹和文件名。
7. 按一下开始。

等着做完，就这样。这种方法的警告是，编码将在实时与视频，所以如果你有一个2小时的视频，它将需要2个小时。这是由于勾选了“显示输出”框。但出于某种原因，它只在你勾选它的时候起作用。

还有其他的副标题-编辑。

更新：

我不记得Aegisub具有自动设置字幕文件中口语句子的开头和结尾的功能。而且我在网站上也没有看到任何地方提到过这样的功能。然而，使用(键组合)很容易手动设置这些时间。

是否有任何程序具有这样的功能(在任何操作系统中)？