自動語音辨識，使用Kdenlive給影片自動上字幕

說到影片上字幕，要節省力氣就得要依賴語音辨識服務，並自動轉成字幕檔，再加到影片。

自由開源軟體Kdenlive除了 能給影片加字幕、匯入字幕以外，其實也有內建VOSK的多國語音辨識，並自動轉成字幕軌的功能(speech to text)，要另外搭配pyTranscriber使用也可以。

下面先來看成果，再來看如何使用。

Kdenlvie版本：22.08.1

1. 語音辨識準確度 #

為什麼要先看成果呢？因為VOSK是使用開源的模型(你要 自己訓練也可以)，中文辨識準確度差Google語音辨識很多，VOSK還不成熟。如果還是想試試就繼續往下看。

我使用Kdenlive的「VOSK語音辨識」以及外部工具「 pyTransricber」對比。這些軟體在辨識語音之後會自動生成字幕，只要把字幕軌加到影片就可以了。

二個工具就英文來說辨識是沒問題，緩慢的中文講話語速也是可以辨識。

但若到了一般台灣人說話的語速問題就很大了。這個片段出自 他比你們想像更有料! 0:26秒處

第一個是VOSK語音辨識

第二個是Google語音辨識

跟原始影片對比，可以看到台灣國語可真是連Google語音辨識都難倒了，但使用Google語音辨識的pyTranscriber效果仍然比VOSK好。

在這方面可能要尋求台灣國內專業的在地廠商才行，例如雅婷逐字稿這種軟體。

2. Kdenlive安裝VOSK語音辨識 #

VOSK需要Python才能運作，請在電腦上安裝最新版 Python執行環境。

1. 開啟Kdenlive，點選最上方的設定 → 設定Kdenlive，在左邊的選單找到Speech to text

2. 到 VOSK Models網站下載語言模型，例如中文就下載vosk-model-cn-0.22.zip

   

3. 開啟檔案管理員，將下載的zip拖曳到剛剛開啟的Speech to text視窗，等幾秒自動安裝。

4. 點選Project→Subtitles→Edit Subtitle Tool，啟用字幕軌

5. 在時間軸的字幕軌上會出現一條藍線，拉長到想要語音辨識的片段。

   

6. 點一下字幕軌左邊的魔法棒圖示

   

7. 點選Timline Zone (selected track)，選取Language為vosk-model-cn-0.22，再按Process。

   

8. 處理好後會自動將字幕加到字幕軌。接著按照需要微調字幕。

   

9. 如果覺得準確度很差(真的蠻差的)，請改用以Google語音辨識為基礎寫的 pyTranscriber來生成字幕檔吧，再 將字幕檔匯入Kdenlive。