视频中的音频如何转换成文字
前言
前段时间我打算做B站林超的视频笔记，突然想到我是否可以用工具将视频的音频转换成文字，或者将视频中的字幕用OCR转化为文字。这样我就不要干巴巴敲内容了。不过因为林超的视频有BGM，我就没去尝试，但是我这两天写了几篇他的视频笔记。发现还是弄一下这个比较好。能提高我的效率。
我记得微信可以语音转文字，我觉得市场上应该有这个技术，可以在线转文字出来。今天尝试一下。
文章目录
- 视频中的音频如何转换成文字
- 前言
- 信息搜索过程
- 通过百度
- 信息一：腾讯云语音识别
- 信息二：迅捷录音转文字
- 通过知乎
- 通过GITHub
- 将视频的音频转换为文字
- 失败
信息搜索过程
通过百度
百度一下：视频中的音频如何转换成文字
信息一：腾讯云语音识别
然后发现腾讯云智能录音/音频/语音识别_超高识别准确率说：
腾讯云语音识别（Automatic Speech Recognition，ASR） 为企业提供极具性价比的语音识别服务。被微信、王者荣耀、腾讯视频等大量内部业务使用，外部落地录音质检、会议实时转写、法庭/审讯记录、语音输入法等多个场景；开放实时语音识别、一句话识别和录音文件识别三种服务形式，满足不同类型企业的需求。
要钱，pass掉。
信息二：迅捷录音转文字
看官网介绍。好牛逼的感觉。免费下载（莫非是免费下载，付费使用），支持语音识别、语音合成。
天下没有免费的午餐，我总觉得有坑在等着我。不知道效果如何。
尝试体验：
果然。
看了广告信不得啊。没有达到我的目标，所以我继续筛选信息。
通过知乎
资料来源于：怎样提取视频中的音频转文字？
一个推荐是使用云猫转码
也不符合我的需求。有钱真好。直接付费最香。奈何没钱。
一个是介绍原理
- 先将mp4视频文件，通过ffmpeg工具库，批量转换为pcm音频文件（语音识别服务仅支持该格式）
- 基于百度云的技术，将pcm文件上传到百度对象存储BOS中，并将日志等记录到本地mysql数据库。
- pcm文件上传完毕后，调用免费的语音识别（录音转写）服务，创建离线录音转写任务。
- 查询转写成功的任务，并将相关转写结果存储到本地mysql库中。
- 基于docx4j库，将数据库中的录音转写结果，导出为规范化的word文档。
第一步应该可以用PR实现。调用语言识别服务，我找找阿里云看看。
一个推荐
视频编辑软件或者播放器工具 提取音频文件
再用类似的音转文软件或者网站转
大概用途是做字幕之类吧
没试过，但是感觉太慢了。
通过GITHub
字幕组机翻小助手 -
【功能1：翻译字幕文件】 .srt .ass .vtt
【功能2：语音转文字】（拖入视频或音频识别出字幕）
(最新版 v3.6.0 更新时间2020年10月13号) 可配置12家翻译服务商，如谷歌,百度,腾讯,彩云,IBM,Azure,Amazon等
（可配置6家语音服务商：阿里云，讯飞，腾讯云，IBM，Azure，Amazon ）
优点：
- 可以用多家服务商，
- 自己配 API Key 用自己账户的免费额度，比如腾讯每月有500万字符的免费翻译额度，IBM 有500分钟的语音转文字免费额度
如果使用语言转文字
- 推荐先用
阿里云，因为每天2个小时的免费额度 （支持8种语言，包括中文，英文，日语，粤语，阿拉伯语等。不包括法语，德语，韩语，泰语，俄罗斯语）（截止至2020年8月31号） -
讯飞的免费额度是5小时（一次性） 不过只支持中文和英文两种语言 - 不推荐
腾讯云，字幕断句有问题（一句一大段文字）如果只是想输出纯文字，那问题不大，但如果需要字幕，那质量很差，一句话很多个字，在屏幕上会显示4-5行，占满半个屏幕，影响观看，如果自己去调整时间轴又比较费时。 - 简而言之：如果要识别中文，推荐
阿里云，讯飞，腾讯云（按这个顺序）
这个项目良心到爆炸。我试一试。
将视频的音频转换为文字
信息搜集后，我决定使用Translate-Subtitle-File
有117M，但是我电脑居然四五秒就下好了？？？？
教程文档：Tern-字幕组机翻小助手
然后我将下载好的视频拖入这个软件中。居然没有阿里云的。国外的懒得去弄。
然后我打开教程，发现教程中明明可以。
既然此路不通。我就直接看看阿里云的OSS
对象云存储。
智能语音交互
失败
不了，浪费太多时间在这什么了，下次再弄。
