agermanidis / autosub

Autosub 是一个用于自动语音识别和字幕生成的实用程序。它以视频或音频文件作为输入，执行语音活动检测以查找语音区域，向 Google Web Speech API 发出并行请求以生成这些区域的转录，（可选）将它们翻译为不同的语言，最后将生成的字幕保存到磁盘。它支持多种输入和输出语言（要查看哪种语言，请使用参数“--list-languages”运行该实用程序），并且当前可以生成 SRT 格式或简单 JSON 的字幕。