Golang 练手项目，一个可以识别视频语音自动生成字幕 SRT 文件的开源 Windows 软件，快速做字幕！

[ViggoSite]

VideoSrt 简介

VideoSrt 是用 Golang语言，基于 lxn/walk Windows-GUI 工具包开发。

这是一个可以识别视频语音自动生成字幕 SRT 文件的开源软件工具。

适用于快速、批量的为视频创建中 /英文字幕文件的业务场景。

本项目使用了阿里云的OSS 对象存储、录音文件识别的相关业务接口。

CLI （命令行）版本：https://github.com/wxbool/video-srt

项目地址：

• https://github.com/wxbool/video-srt
• https://gitee.com/641453620/video-srt-windows

界面预览

优势

• 使用阿里云语音识别接口，准确度高，标准普通话 /英语识别率 95%以上
• 视频识别无需上传原视频，方便且节省时间
• 支持多任务多文件并发处理
• 支持视频、音频常见多种格式文件
• 支持输出字幕文件、普通文本两种类型

Download

下载地址:(v0.1.3)

• .zip （含 ffmpeg 依赖） 点我下载
• .zip （不含 ffmpeg 依赖） 点我下载

你也可以到 release 页面下载其他版本

V 友专属测试试用版(v0.1.3)

• 内置了个人提供的阿里云接口密钥，无需自己再配置（可直接使用）
• 由于阿里云免费试用接口限制，每天仅有 2 小时识别时长
• 下载地址：点击下载

注意事项

• 软件目录下的 data目录为数据存储目录，请勿删除。否则可能会导致配置丢失
• 项目使用了 ffmpeg 依赖，除非您的电脑已经安装了ffmpeg环境，否则请下载包含ffmpeg依赖的软件包

FAQ

• 软件支持哪些语言？
  • 视频字幕文本识别的核心服务是由阿里云录音文件识别业务提供的接口进行的，设置好对应的语音引擎，可以支持汉语普通话、方言、欧美英语等语言
• 如何开通阿里云的相关服务？
  • 你需要有一个阿里云账号
  • 开通 阿里云 OSS 对象存储 阿里云智能语音交互 业务
  • 在 OSS 对象存储 控制台创建一个存储空间（ Bucket ）（读写权限设置为公共读）
  • 在 智能语音交互 控制台创建一个项目（根据使用场景选择识别语言以及偏好等）
  • 关于这块操作，后续会出一个视频教程，敬请关注。

[ViggoSite]

@hfutzj 有遇到问题的话，可以联系上面我的 QQ 处理

[octobersnow]

想问一下，是如何断句的，然后把文字和声音对上

[WebKit]

@generalbao 无中生友😊

[manami]

能识别日韩语言就好了

[darksword21]

@generalbao 你说的朋友是不是你自己

[ViggoSite]

@octobersnow 不是已经开源了嘛😂

[Buges]

楼上说的挺有道理，这种东西适配未掌握的小众语言的意义要大一些。
对于观众掌握的语言（中文和英语）以现在机器识别的效果作用不太大，能识别的你也能听清，人听不清的识别效果也不太好。

[NoirStrike]

日语+1。。。
有 bd 没字幕太酸爽了

[ViggoSite]

@Buges 小众语言的语音识别提供商目前很少。

目前这款软件的实际意义主要是用于剪辑视频时 “快速生成视频字幕”，而不用手打字幕对时间轴

[hellojay]

@Buges 自己剪视频的时候就太有用了

[Buges]

@ViggoSite @hellojay
确实，没考虑到这种需求。
不过提供商的问题，应该找对应地区的吧。像日语这种他们本国肯定有的，或者一些开源的训练好的模型也可以用。

[ViggoSite]

@Buges 嗯，小语种其实我也想做，找时间我去好好研究研究。

[fuwuqiyun]

请问这个哪里有测试的啊

[ViggoSite]

@fuwuqiyun 附言有发最新的啊，你上去找找就看到了 ~

“V 友专属测试试用版(v0.1.5)”

[yangyuhan12138]

同求日语 日语刚需

[EIlenZe]

谢谢制作
明天试试

[andyhuzhill]

好像百度云的语音识别没有时长限制

[wsseo]

有一个场景，在大量视频中搜素某个关键字，比如在某个主播的直播中搜索“年龄‘相关的

[ViggoSite]

@andyhuzhill 有的，语音识别供应商，就没有哪个是免费的，只是大部分一般会有免费额度而已。

[ViggoSite]

@wsseo 理论上可以是实现，不过目前的识别技术，如果说话的背景太嘈杂，识别率还是会很低