想问下如何将 srt 字幕文本自动剪接生成一个完整语句啊？

[summerlv]

比如通过一些软件生成了 srt 字幕文本，但是这些字幕文本都比较零散，可以通过写一个解析 srt 文本的程序让它们自动剪接生成一句完整的话吗？然后剪切合并后的语句的时间戳信息也自动合并！没想出啥思路可以解决，想用 Python 来写，搜了下有 srt 相关的库，但是具体的解析思路还没有！

还请相关前辈指导一些思路？不胜感激，^_^

[sighforever]

我觉得 gpt 仔细限制一下提示词，应该能做到吧。文本重写基本上是 gpt 这种大语言模型最基础可靠的能力之一。

当然你的需求里面对语意方面的要求比较高，无论哪种都不太行吧。毕竟只有字幕这一个信息，对于完全理解文本内容多少有点不够。

[jdcola]

@mumbler Whisper 的 prompt 跟 GPT 的 prompt 不是一回事，干不了这个。

[luodan]

可以分析一下某条字幕的结束时间和下一条字幕的起始时间。如果小于某个值就认为是一句话。不过遇到相声这类的估计就傻眼。最好还是让 AI 来分析音频，按不同频谱的声音先独立出来，再按时间间隔来分句子。

[HENQIGUAI]

不需要那么复杂，丢给通义听悟即可。

[mumbler]

@jdcola #22 whisper 断句长度是用 prompt 控制的

[jdcola]

@mumbler 噢，那是的。楼主需要注意不是用 prompt 告诉 Whisper 该怎么做，而是上文预设兼风格示例。

[txanin]

你可以看看 https://github.com/m-bain/whisperX