仓库参见:https://github.com/MrXnneHang/Auto-Caption-Generate-Offline

近期应该会发一个整合包。

这是什么？

这是一个基于 Funasr, 将 wav 文件转换为 srt 字幕文件的工具。

如何使用？(从安装开始~)

以安装 cpu 版本为例。(目前也暂时只有 cpu 版本 =_= )

克隆本仓库:

git clone https://github.com/MrXnneHang/Auto-Caption-Generate-Offline@v2.4-cpu
cd Auto-Caption-Generate-Offline

下载必要的模型文件

参见 models/download.md 进行手动下载.

或者直接使用 modelscope.

pip install modelscope

vad 模型:

cd models/
modelscope download --model iic/speech_fsmn_vad_zh-cn-16k-common-pytorch --local_dir ./speech_fsmn_vad_zh-cn-16k-common-pytorch

punc 模型:

modelscope download --model iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch --local_dir ./punc_ct-transformer_zh-cn-common-vocab272727-pytorch

asr 模型:

modelscope download --model iic/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch --local_dir ./speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch

运行:

uv run acgo -i test.wav -o test.srt

建议使用 uv 运行。不需要手动配置环境。

安装uv

或者你可以使用 pip 从源码安装:

pip install git+https://github.com/MrXnneHang/Auto-Caption-Generate-Offline@v2.4-cpu

配置文件（更灵活的字幕配置）:

你可以把配置文件放在工作目录下或者 ~/.config/acgo.yaml.

大部分参数都有注释。

这里讲一下一些特别的:

cut&cut_line&combine&combine_line的联动: 自由调整字幕速度节奏

你可以通过设置它们来调整你字幕中每一句的长度，即字幕速度。

如果你希望在快节奏视频（如游戏解说）中字幕速度快一些，短一些，那么请把cut设置为True，cut_line设置得略微小一些，比如300,单位是ms，当两个字幕之间的间隔大于300ms时，会自动切割。

如果你希望在慢节奏视频（如课程）中字幕慢一点长一点完整一点，那么请把combine设置为True，combine_line设置得略微大一些，比如1000,单位是ms，当两个字幕之间的间隔小于1000ms时，会自动合并。当然为了防止过长，你可以通过max_sentence_length(单位是字)来限制最长句子长度。

可以都设置为 false,即直接按照模型生成的字幕写入 srt，但是不能同时设置为 true, 会相互抵消。

need_punc: 是否需要标点恢复

对于字幕很长的比如上面使用了 combine 的用户，那么请打开，它会在生成字幕的时候自动恢复标点。

你并不希望30字的一句话没有一个标点吧？

hot_words_path: 热词路径

热词功能可以抑制口音带来的口胡，比如一些音近词。西式和西市, 当你在热词中加入西市，那么模型会优先生成西市而不是西式。在特定任务中很有用。

hot_words 格式:

请不要加入标点符号
以换行分隔热词
依孜镇
卡落斯
新作

RoadMap:

• 创建 cuda 版本分支
• config 的自动创建
• 简单 gui 的支持.
• mp4 的支持.(需要 ffmpeg)

如何参与到开发:

参见CONTRIBUTING.md