agermanidis/autosub

Autosub to użyteczne narzędzie dla automatycznego rozpoznawania mowy i generowania napisów. Przyjmuje plik wideo lub audio jako dane wejściowe. Wykonuje detekcję aktywności głosu, aby znaleźć regiony mówione, wysyła równoległe żądania do Google Web Speech API w celu wygenerowania transkrypcji dla tych regionów. Opcjonalnie może je przetłumaczyć na inny język i w końcu zapisać wynikowe napisy na dysku. Obsługuje wiele języków wejściowych i wyjściowych (aby zobaczyć które, uruchom narzędzie z argumentem --list-languages). Może obecnie produkować napisy w formacie SRT lub prostym JSON. Aby zainstalować Autosub, należy zainstalować ffmpeg, a następnie uruchomić polecenie pip install autosub. Podczas użycia można skorzystać z różnych opcji, takich jak określenie liczby współbieżnych żądań API (-C CONCURRENCY), ścieżki wyjściowej dla napisów (-o OUTPUT), formatu napisów (-F FORMAT), języka źródłowego (-S SRC_LANGUAGE), języka docelowego (-D DST_LANGUAGE) oraz klucza API Google Translate (jeśli wymagane do tłumaczenia napisów -K API_KEY).