语音识别

uv python install 3.12
uv venv --python 3.12
source .venv/bin/activate
uv pip install pip

安装 videocaptioner

VideoCaptioner

pip install videocaptioner

语音转录（免费，无需 API Key）

videocaptioner transcribe video.mp4 --asr bijian

会生成一个 srt 字幕文件，用 llm 优化字幕，阿里qwen api-key

from pathlib import Path

from openai import OpenAI

API_KEY = "xxx"
BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1/"
MODEL_NAME = "qwen3.5-27b"

INPUT_SRT = Path("1.srt")
OUTPUT_SRT = Path("1_optimized.srt")

SYSTEM_PROMPT = """你是一个专业的中文字幕校对助手，负责优化 ASR 自动生成的 SRT 字幕。

你的任务：
1. 纠正错别字、同音字、术语识别错误、英文会议名或缩写错误。
2. 根据上下文修正明显不通顺的句子，让表达更自然。
3. 删除无意义的口头停顿词，比如“呃”“啊”，但不要过度删改原意。
4. 保留说话风格，不要改写成完全不同的句子。
5. 输出必须严格保持 SRT 格式。

严格要求：
1. 不要修改字幕编号。
2. 不要修改时间轴。
3. 只修改每条字幕的文本内容。
4. 不要添加解释、注释、前言、后记。
5. 输出内容必须是完整的 SRT 正文，且可直接保存为 .srt 文件。
6. 如果遇到专业术语，优先结合上下文修正为最可能正确的术语。
7. 英文缩写和单词尽量修正为常见标准写法，例如 Github，README 等。
"""

USER_PROMPT_TEMPLATE = """请优化下面这份 SRT 字幕。

要求再次强调：
- 保持原有编号不变
- 保持原有时间戳不变
- 仅修改字幕文本
- 返回完整、可直接保存的 SRT 内容

下面是原始字幕：

{srt_content}
"""


def main() -> None:
    srt_content = INPUT_SRT.read_text(encoding="utf-8")

    client = OpenAI(
        api_key=API_KEY,
        base_url=BASE_URL,
    )

    response = client.chat.completions.create(
        model=MODEL_NAME,
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {
                "role": "user",
                "content": USER_PROMPT_TEMPLATE.format(srt_content=srt_content),
            },
        ],
        temperature=0.2,
    )

    optimized_srt = response.choices[0].message.content.strip()
    OUTPUT_SRT.write_text(optimized_srt + "\n", encoding="utf-8")

    print(f"优化完成，输出文件: {OUTPUT_SRT}")


if __name__ == "__main__":
    main()

如果已经有文稿的话可以使用如下的脚本提取其中的英文单词，修改上面的代码的要求 7

import re
from pathlib import Path


source_path = Path("1.txt")
target_path = Path("1.new.txt")

text = source_path.read_text(encoding="utf-8")
words = re.findall(r"[A-Za-z]+", text)

# 按出现顺序去重
unique_words = list(dict.fromkeys(words))

target_path.write_text(",".join(unique_words), encoding="utf-8")