site stats
先用demucs分离出用纯人声(特别嘈杂的就用lalal的付费api),然后用pydub或者ffmpeg根据音量切割人声轨,每当停顿达到1.5s(这个间隔根据视频特点自己调整间隔)就切出一段,将每段编号命名和对应起始位置的精确毫秒数都记录在excel里,用whisper读表挨个识别,每个编号片段的时间轴在记录时都加上exc… , page 4
sign_in_with_google sign_in_with_google

3947 位用户此时在线

24小时点击排行 Top 10:
  1. 本站自动实时分享网络热点
  2. 24小时实时更新
  3. 所有言论不代表本站态度
  4. 欢迎对信息踊跃评论评分
  5. 评分越高,信息越新,排列越靠前