付費限定
三分鐘內實作聲音轉字幕網頁App
相信替影片配字幕是許多人心中的痛，本文帶你在三分鐘內能夠用你的電腦，寫出一個使用AI將聲音轉成字幕srt檔案的互動操作網頁，可以連接麥克風測試，也可以上傳聲音檔案或是MP3來測試。
本文主要帶你跑通整個流程，想了解更多，可以參考以下的文章
實作完成圖片:
操作介面簡單俐落，可以麥克風錄音，也可以上傳聲音檔案
實作導出字幕檔範例:
本程式碼有額外把輸出轉成srt字幕檔案，方便使用者做微調與修改。
完整流程:
- 安裝Anaconda (For python 初次使用者)
- 安裝git，並且設定好Git (For git 初次使用者)
- 打開Power shell依序輸入以下指令，從Github上面下載程式包，然後到程式目錄下，藉由requirements.txt 安裝好程式運作所需要的python套件
git clone https://github.com/tim9510019/voice2srt.git
cd voice2srt
pip install -r requirements.txt
以行動支持創作者！付費即可解鎖
本篇內容共 4851 字、0
則留言，僅發佈於人工智慧宇宙你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
95會員
128內容數
帶你用上帝視角，針對市面上具有高度價值的影片/論文/書籍，用東方取象，與西方邏輯辯證的角度同時出發，跟著我一起來探討宇宙萬事萬物的本質，隨時隨地都可以來一場說走就走的思維旅行。作者在台積電 / 聯發科等科技產業有累計10年的資歷，近期對於人工智慧，東方易經，西方辯證邏輯，還有佛法向內求有深度興趣。
留言
留言分享你的想法！
你可能也想看
Google News 追蹤
本文主要使用SpeechRecognition來做一個簡單的語音辨識，使用pyqt5介面呈現。
按下Start Recording，開始錄音，並顯示請開始說話。然後按鈕名改名Stop
在按下Stop Recording，稍等片刻後就會呈現出辨識結果
程式範例
import sys
i
這篇教學介紹如何進行中文語音訓練，包括準備素材、GPT-SoVITS安裝步驟、音頻切割、字幕打標和推理等。文章提供了清晰的教學步驟，適合初學者閱讀。
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
當我們在進行「語音辨識」的應用開發時， 首先會面臨一個問題， 那就是究竟要怎麼知道哪些段落是「人在說話的區段」， 精確的標示出這些區段之後， 我們除了可以儲存成純對話的段落， 還可以做出時間軸的字幕檔， 應用非常廣泛， 因此學會怎麼用VAD是進入語音領域非常重要的其中一個環節。
VAD代表
本文介紹如何設置OpenAI API密鑰並使用Whisper API轉寫音訊檔案。文章詳細說明了轉寫單個音訊檔案，以及將長音訊分割並轉寫的過程。透過範例演示，讀者可以學習如何將音訊轉寫為文字，提高工作效率。
我測試的文字轉語音工具，我可以導入4000-5000（甚至高達10,000）個單詞來生成我的音頻檔案。
https://www.text-to-speech.online/
https://ttsmaker.com/
其他工具但對字符數有一些限制：
https://ttsfree.
本文主要使用SpeechRecognition來做一個簡單的語音辨識，使用pyqt5介面呈現。
按下Start Recording，開始錄音，並顯示請開始說話。然後按鈕名改名Stop
在按下Stop Recording，稍等片刻後就會呈現出辨識結果
程式範例
import sys
i
這篇教學介紹如何進行中文語音訓練，包括準備素材、GPT-SoVITS安裝步驟、音頻切割、字幕打標和推理等。文章提供了清晰的教學步驟，適合初學者閱讀。
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
當我們在進行「語音辨識」的應用開發時， 首先會面臨一個問題， 那就是究竟要怎麼知道哪些段落是「人在說話的區段」， 精確的標示出這些區段之後， 我們除了可以儲存成純對話的段落， 還可以做出時間軸的字幕檔， 應用非常廣泛， 因此學會怎麼用VAD是進入語音領域非常重要的其中一個環節。
VAD代表
本文介紹如何設置OpenAI API密鑰並使用Whisper API轉寫音訊檔案。文章詳細說明了轉寫單個音訊檔案，以及將長音訊分割並轉寫的過程。透過範例演示，讀者可以學習如何將音訊轉寫為文字，提高工作效率。
我測試的文字轉語音工具，我可以導入4000-5000（甚至高達10,000）個單詞來生成我的音頻檔案。
https://www.text-to-speech.online/
https://ttsmaker.com/
其他工具但對字符數有一些限制：
https://ttsfree.