第一步：安裝配置環(huán)境，這一步重要介紹安裝的環(huán)境依賴，可以看完第二章再來看一遍

（1）Whisper環(huán)境配置

可以參考以下博客的內(nèi)容講顯卡驅(qū)動，CUDA和cudnn的安裝比較詳細(xì)，我建議能用GPU加速就盡量使用，Whisper速度有點慢如何在你的電腦上完成whisper的簡單部署_Wayne_WX的博客-CSDN博客?Windows使用whisper前需要進(jìn)行的一些環(huán)境配置https://blog.csdn.net/m0_52156129/article/details/129263703

我的ffmpeg是使用conda安裝的，命令如下（注意：需要安裝到自己創(chuàng)建的conda環(huán)境）：

conda install -c conda-forge ffmpeg-python

激活創(chuàng)建的conda環(huán)境，這里我的環(huán)境名是whisper

conda activate whisper

檢查ffmpeg是否安裝成功?

ffmpeg -version

顯示結(jié)果如下表明安裝成功，ffmpeg非常重要，在我們的處理后續(xù)也有應(yīng)用?

?（2）安裝以下依賴

? 可以將文件夾里mp4格式視頻批量轉(zhuǎn)換成mp3，多次測試發(fā)現(xiàn)Whisper處理mp3速度快些，缺啥安裝啥，慢地話可以換個國內(nèi)源

from moviepy.editor import * import os import filetype import argparse

（3）Google翻譯環(huán)境依賴

兩種方法，可以使用googletrans

pip install googletrans==4.0.0rc1

或者requests

pip install requests

第二步：編寫腳本主要有兩步

（1）批量將MP4格式視頻轉(zhuǎn)換成MP3

這里其實可以使用ffmpeg來做，我一開始用的moviety庫，后來發(fā)現(xiàn)ffmpeg也可以

參考了這里，代碼很詳細(xì)寫地很好Python3 批量提取視頻中的音頻_python提取視頻中的音頻_流星蝴蝶沒有劍的博客-CSDN博客Python3 批量提取 視頻中的音頻https://blog.csdn.net/qq_44009311/article/details/124818112

?轉(zhuǎn)換好的Mp3文件便可以進(jìn)行語音識別提取了

（2）使用Whisper進(jìn)行語音轉(zhuǎn)文字并制作srt文件

首先你可以在MP3文件所在的文件夾內(nèi)打開cmd，conda激活環(huán)境，使用

whisper 文件名.mp3

也可以生成字幕文件，如果你只是要求英文字幕的話可以到此為止了，Whisper不支持翻譯成中文，只支持轉(zhuǎn)錄源語言或者將源語言翻譯成英文，如果獲取純中文字幕或者中英雙語字幕，你需要繼續(xù)看下去

1.了解Whisper的transcribe和Srt文件的格式

回想openai給出的官方python測試代碼

import whispermodel = whisper.load_model("base") result = model.transcribe("audio.mp3") print(result["text"])

result具有眾多屬性，包括識別的文本，以及文本的開始時間start和結(jié)束時間end，其他的對于我們本次任務(wù)沒有幫助故不介紹，那么我們這樣就可以輸出識別的每一句話的開始和結(jié)束時間以及內(nèi)容

import whisper model = whisper.load_model("base") result = model.transcribe("13.mp3") for segment in result["segments"]:print(segment['start'])print(segment['text'])print(segment['end'])

?這樣，輸出結(jié)果如上圖所示

另外需要了解srt文件的格式

第一行：編號（從0開始）

第二行：起始時間，比我們常見的時分秒HH:MM:SS又多了一個逗號和三位數(shù)的毫秒單位

往后都是字幕部分，但是字幕到下一條字幕之間一定有空格。

?兩者對比可知，我們可以通過Whisper獲取字幕的文字內(nèi)容以及起始時間，核心時起始時間格式的轉(zhuǎn)換。然后可以使用f.write()的方法逐行寫入srt文件即可

2.轉(zhuǎn)換時間格式

Whisper輸出的時間格式是帶小數(shù)點的，我們可以這樣來想：

第一步：使用字符串分割以小數(shù)點為分界點，小數(shù)點左邊是秒，秒可以參考這里，轉(zhuǎn)換成時分秒的格式

Python時間轉(zhuǎn)換：X秒 --＞ 時:分:秒_python 時分秒_zhu6201976的博客-CSDN博客Python 秒轉(zhuǎn)時分秒 思路實現(xiàn)https://blog.csdn.net/zhu6201976/article/details/126750272

第二步：小數(shù)點右邊的不足一秒的部分換成三位數(shù)毫秒

第三步：然后二者再進(jìn)行字符串相加即可

3.調(diào)用谷歌翻譯的兩種方法

參考這里即可，使用的時候要科學(xué)上網(wǎng)3種谷歌多語言翻譯接口的調(diào)用方法（Python）_谷歌翻譯接口_DooDoo~的博客-CSDN博客在日常的生活和工作中，我們經(jīng)常會需要使用到翻譯工具。在諸多翻譯工具中，我個人更青睞谷歌翻譯，因此在這里整理通過Python調(diào)用谷歌翻譯接口的3種方式。https://blog.csdn.net/qq_40039731/article/details/126239369

有一個問題，多次嘗試發(fā)現(xiàn)，對于長視頻，翻譯字幕需要調(diào)用google翻譯非常多次，服務(wù)器會不穩(wěn)定導(dǎo)致報錯，建議使用ffmpeg或者SolveigMM Video Splitter軟件裁剪，ffmpeg慢些但是方便，個人推薦

進(jìn)入代裁剪視頻文件夾內(nèi)激活whisper環(huán)境，輸入如下命令即可裁剪視頻，-ss對應(yīng)的是起始時間?

有時間的可以看下這個做下最基本的入門：

FFmpeg 最最強大的視頻工具 (轉(zhuǎn)碼/壓縮/剪輯/濾鏡/水印/錄屏/Gif/...)_嗶哩嗶哩_bilibili

有人說可以長視頻轉(zhuǎn)換成mp3使用ffmpeg裁剪，分別得到srt文件再合成一個，但是這樣時間格式比較繁瑣，建議長視頻直接裁剪幾個部分即可

4.寫入文件存儲以及一個批處理思路

批處理文件夾內(nèi)眾多mp3文件可以使用，前提是你的mp3都已經(jīng)不太長，長的mp3可能在谷歌翻譯時報錯，導(dǎo)致循環(huán)無法繼續(xù)執(zhí)行

#自己的Mp3文件所在的文件夾路徑inpath = r'E:\MP3'#讀取所有的mp3格式文件路徑mp3folder = glob.glob(os.path.join(inpath, "*.mp3"))for mp3 in mp3folder:excute('small',mp3)

（3）字幕與視頻合成或使用播放器打開外掛srt文件（推薦）

可以使用Potplayer播放器，我都放在了下載鏈接里，安裝即可可以打開srt文件并方便地調(diào)整字幕的顏色、字體大小，位置等，到這里我們的工作就完成啦！

?注：下載內(nèi)容包括

（1）MP4文件批量轉(zhuǎn)換MP3文件代碼

（2）讀入MP3文件獲取SRT文件的代碼（兩個分別對應(yīng)兩種調(diào)用谷歌翻譯的方法）

（3）視頻剪輯SolveigMM Video Splitter軟件和Potplayer播放器

總結(jié)

以上是生活随笔為你收集整理的英文视频添加中英双语字幕（基于Whisper语音识别和Google翻译）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。