发个包，做个 demo。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 863 天前的主题，其中的信息可能已经有所发展或是发生改变。

上传视频，分离音轨，音轨翻译，字幕合成，最后合并回视频。音轨分离合并：ffmpeg 音轨转文字：whisper 文字翻译：Azure Translator 文字转音频：Azure text2speech

用 Python ，费用 2k ，不能预支，能搞的留下 base64 。

音轨

Azure

文字

分离

26 条回复

yueji

2023-06-20 19:01:29 +08:00

上传视频，分离音轨，音轨翻译，字幕合成，合并视频
ffmpeg 音轨转文字
whisper 文字翻译
Azure text2speech
每一个功能接包都值 2k.

liuliuliuliu

PRO

2023-06-20 19:05:14 +08:00

费用 2k

psklf

2023-06-20 19:05:56 +08:00

加个 0 吧

danbai

PRO

2023-06-20 19:14:02 +08:00 via Android

谁在这留联系方式我看不起谁

iorilu

2023-06-20 19:15:20 +08:00

需求也不清楚

写个脚本凑合用

和写一个能用的软件带 UI 的差远了

gzlock

2023-06-20 19:17:17 +08:00

ffmpeg -i input-video.avi -vn -acodec copy audio.aac
whisper audio.aac --model medium --output_format vtt -o .
Azure Translator 没用过
Azure text2speech 也没用过，话说把翻译后的字幕转音频是啥需求？帮视频配音？
正巧前两个需求我都用过，帮楼主省了有 1k 吧，[滑稽

shalingye

2023-06-20 19:31:42 +08:00 via Android

没什么难度，不过为啥非得 Python 写界面，还有楼上一堆嘲讽的看不懂

iorilu

2023-06-20 19:36:25 +08:00

@shalingye 难度是不高

这活其实问下 chatgpt 基本就完成 70%工作量，剩下调试下脚本就通了

但 lz 估计是要搞个网页的，那活就没底了，还得搞页面，css ，html ，前端一堆玩意

xiangyuecn

2023-06-20 19:36:47 +08:00

@shalingye 2k ≈ 打发要饭的，除非拿来练手打发时间🐶 尤其是：不能预支 == 画饼，订金预付款都没有，说白嫖都不为过陌生人。

iorilu

2023-06-20 19:38:17 +08:00

@gzlock 自动配音啊

现在自媒体搞得很多垃圾视频都是这么出来的, 先从 youtube 活什么地方搬运，然后分离声音，搞个字幕，再按字幕 AI 配音，最后再合成

都是 AI 配音，一个叫云溪的男的声音，都听过把

shxlxa

2023-06-20 19:39:09 +08:00 via iPhone

@gzlock 有一种可能是搞视频搬运，比如将 youtube 上的视频搬运到 B 站，需要将音频由英文转成中文后，再合成视频

gpt5

2023-06-20 19:42:15 +08:00

v 友平均工资几万刀，
按业界统一标准，工资时薪两倍算，
你这没几十万刀根本打不住。

shalingye

2023-06-20 19:45:00 +08:00 via Android

@xiangyuecn @iorilu 受教了🤣

nightwitch

2023-06-20 19:59:46 +08:00 via Android

加个 0 都打不住

x77

2023-06-20 19:59:51 +08:00

其实不用这么麻烦，Azure Speech 可以直接从音频到音频，不需要 STT 再 TTS ，流程如下：

Video --> (FFmpeg) Audio Track --> (Azure Speech Service) Speech Translation --> (FFmpeg) Audio Track 2 --> Video 2

当然，如果楼主非要要 AI TTS 播音就另外当别论了