• «
  • 1
  • 2
  • »
  • Pages: 1/2     Go
| 浏览器收藏 | 打印

310419.jpg

澪夏

GF  2023-04-04 14:17
只看GF |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

本地化识别同人音声日语字幕，导出音声字幕汉化教程，无需网络[仅限N卡]

#large识别模型已更新V2版本，比本帖提供的large模型准确率更高，修复识别bug，请自行寻找#

本教程针对不提供字幕文件、以及只提供台本的同人音声，无繁琐步骤，教你利用工具便捷导出音声字幕文件，导出来就是字幕格式，自带时间轴！有了字幕文件汉化的办法就非常多了，这个AI识别能力有多强？本人非日语掌握者，借助AI识别后的字幕能理解音声90%内容。

来自OpenAI公司开发的Introducing whisper，完全开源，利用N卡独家技术，AI识别导出字幕文件，汉化的几种方法后面介绍。只有N卡能用，核显独显都行，不是N卡不用下载了

项目地址：
WhisperDesktop：https://github.com/Const-me/Whisper

whisper可以利用语言模型简单的把视频、音频里的音轨导出为字幕文件，自动添加时间轴，导出来就能用，十分强大，并且支持识别多国语言，该软件需要用到GPU进行运算，所以显卡越强，识别速度越快。只需把语言模型文件下载到本地，即可无需联网无需上传文件，实现本地化语音识别，但是显卡占用率非常高，建议单开whisper使用

软件本体以及字幕模型文件，下载链接放在最后。接下来讲解软件怎么用。

选择要识别的音声时，尽量选择无效果音版本，杂音越少识别准确率越高


现在开始介绍用法
下载好软件和模型以后解压zip，运行WhisperDesktop.exe

第一步：
界面说明：


选择.bin模型文件，体积越大的模型识别准确率越高，运行速度也越慢，按需选择即可


Model Implementation--选择GPU，这个工具是用显卡来运算识别字幕的。

点OK下一步

第二步：
界面说明：


Transcribe File--选择你希望导出字幕的音频，


下面的框也√上


Output Format--可选多种字幕文件格式，推荐3和4


最后点击Transcribe开始识别字幕【此时，显卡功率会拉满，风扇狂转正常现象】

字幕导完了，看看成果



稍微提一下如何汉化音声文本
1、PotPlayer自带实时翻译：




2、搜狗翻译APP
超强免费文档翻译，对我来说相当够用



下载链接：（除了秒传别的链接带有另一款AI识别软件BUZZ，只下whisper desktop就行）
123云盘：https://www.123pan.com/s/RiyA-qSS03.html

夸克网盘：https://pan.quark.cn/s/6a7dc6288637
百度网盘：https://pan.baidu.com/s/1MXHevSF_RuUOOGk6AToX6w?pwd=hjhj提取码: hjhj

秒传：
引用

e026168491feaddce20a61a62586927b#418593#WhisperDesktop.zip
ab7280bbcf29e334f7e3b2a9ac0ca386#77691713#ggml-model-whisper-tiny.bin
e428ac3ab827de7b1a37328101eaf1ea#487601967#ggml-model-whisper-small.bin
84d6237ed581ac2ddbe616610f6de256#1533763059#ggml-model-whisper-medium.bin
94967a3307ecc7de1a497a43a2bd4103#3094623691#ggml-model-whisper-large.bin
335f34f382e396519b6359d32c786317#147951465#ggml-model-whisper-base.bin
顶端

1119738.jpg

0916537b

B1F  2023-04-04 21:46
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
握草，真的NB。感谢大佬
顶端

none.gif

是小不点吖

B2F  2023-04-04 21:53
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
我记得当时还有个buzz，都是OpenAI的项目，那个操作貌似更简单，有人试过嘛
顶端

FEWI

B3F  2023-04-04 22:43
mark
| ▼展开
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
顶端

310419.jpg

澪夏

B4F  2023-04-05 00:38
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 2楼(是小不点吖) 的帖子

BUZZ用法跟这个一样的，而且BUZZ用cpu跑，速度比whisper用显卡跑慢很多
顶端

1650088.jpg

BigBigWolf

B5F  2023-04-05 13:20
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
这也太强了吧
顶端

616266.jpg

女体化太赞

B6F  2023-04-05 13:37
（长门号一声炮响，革命的水兵冲过了樱田门，占领了皇居，宣告了 ..）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
可惜没字幕也没台本的音声了
顶端

none.gif

鱼鱼的鱼

B7F  2023-04-05 13:50
（vwxyz12300）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
感谢分享，这很有用
顶端

9.png

海牙

B8F  2023-04-05 13:58
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
请问楼主，这个效果音太多，水声太多会导出来乱码吗，我刚刚试了一下没有字幕呢
顶端

1425871.png

orangesoup

B9F  2023-04-05 14:51
（唔。。。NTR真的是太棒了。）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
小笔记本跑的动这个吗
顶端

5ae8ec5994611850.jpg

变态老司机

B10F  2023-04-05 17:09
（解压码就是我头像昵称）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
太强了，虽然翻译的不尽人意。但是整体是可以理解的，
顶端

310419.jpg

澪夏

B11F  2023-04-06 16:19
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 8楼(海牙) 的帖子

识别字幕的时候当然是杂音越少越好，如果只是水声，直接用no se版本去跑识别就行了，一般音声都会分有效果音版本和无效果音版本

没有no se版本也没事，因为whisper只识别人声，水声啪啪声它会转换成“.......”，不影响字幕体验
顶端

none.gif

dark

B12F  2023-04-06 19:32
（backdark）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
请问有没有免费的在线翻译文档的工具推荐
百度有免费额度已经用完了，搜狐翻译完下载需要VIP
顶端

none.gif

4fb6ffa4

B13F  2023-04-06 19:54
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
翻译动作片有点看运气，运气好能翻译80％，不好的话大半部分都是一句话
顶端

none.gif

suxi

B14F  2023-04-06 21:10
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
描述：1
图片：
为啥我的是这样
顶端

310419.jpg

澪夏

B15F  2023-04-07 02:17
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 12楼(dark) 的帖子

用手机搜狗翻译APP
顶端

none.gif

2cec8389

B16F  2023-04-07 03:10
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
试了一下，很强，但是那种一大堆的H效果音中间夹杂的几句话那种基本识别不出来
顶端

none.gif

2cec8389

B17F  2023-04-07 04:54
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
换了最大那个模型，识别率一下子高了一大截。但是慢也是真的慢了
顶端

none.gif

2cec8389

B18F  2023-04-07 06:49
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 15楼(澪夏) 的帖子

楼主没遇到长音频后面全部翻译成一句话的问题吗，没有的话请问如何避免
顶端

310419.jpg

澪夏

B19F  2023-04-07 08:51
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 14楼(suxi) 的帖子

A卡不能用
顶端

1037684.jpg

Dough

B20F  2023-04-08 01:36
（noonee）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
在有台本的情况下怎么把时间轴放入台本中呢，毕竟语音识别的字幕还是没有给的台本准确
现在有时间轴，有台本，怎么把他们两个结合在一起给我难住了
顶端

310419.jpg

澪夏

B21F  2023-04-08 04:25
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 20楼(Dough) 的帖子

导出来的时间轴跟台本文字的位置是不对齐的，台本有巨量拟声词，看着乱的很
顶端

3.gif

论坛新手

B22F  2023-04-08 09:08
（New bee）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
太牛了吧
顶端

none.gif

871153f6

B23F  2023-04-28 23:53
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
我测试过了，结果出乎我的意料，最大的那个模型识别日语的准确度远超过微软的语音字幕，以及youtube的自动字幕。这就很离谱，而且速度比他们还快，艹，太TM离谱了
顶端

1411039.jpg

b305f25c

B24F  2023-04-28 23:56
（这下蝉）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
卧槽，牛逼了
顶端

none.gif

a6875a5b

B25F  2023-04-29 00:00
（压力马瑟ne）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
好好好
顶端

23271.jpg

苛政

B26F  2023-04-29 04:40
（学习退化的学生）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
牛
顶端

1690029.png

Wilberwoods

B27F  2023-04-29 18:37
（nothing here）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
mark！！
顶端

310419.jpg

澪夏

B28F  2023-04-29 20:22
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
识别AV，识别生肉视频，音频，都是可以的，看你怎么用了，我只介绍我自己用的方法
顶端

none.gif

63bdf991

B29F  2023-04-29 20:37
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大

回 楼主(澪夏) 的帖子

感谢大佬
顶端

9.png

鸡儿放假？

B30F  2023-05-02 23:00
（出来嗨呀出来嗨呀出来嗨呀。）
只看该作者 |
屏蔽
屏蔽此人 屏蔽头像
| 小 中 大
太牛了
顶端
  • «
  • 1
  • 2
  • »
  • Pages: 1/2     Go