Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI 去字幕

Answer

以下是关于 AI 去字幕的相关信息：

  • 一种解决方案是：
    • 用 whisper 生成原视频的英文字幕（预设 whisper 生成的字幕没问题，whisper 的问题不探讨）。
    • 让 GPT 结合字幕全文翻译，并让其根据原英文字幕的拆分，将译文进行同样行数的拆分。
    • 将 GPT 译文拆分的结果插入到原英文字幕文件中形成一个新的双语字幕文件。这个过程中所有的执行脚本都是让 GPT 写的。
  • 另外，VSR 字幕去除工具可以利用 AI 去除视频和图片中的字幕，并支持智能填充处理，确保视觉质量。
  • 还有一种方式是，在某些平台如【Tec-Creative】中，智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引为：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。但需注意支持 MP4 文件类型，大小上限为 50M。
Content generated by AI large model, please carefully verify (powered by aily)

References

开发：AI-双语字幕

源地址：https://shelled-fold-618.notion.site/AI-045d40b67e2e4c54b8af6b76f9f91dec作者：[亂寫](https://web.okjike.com/u/35A37119-54E2-4CE5-9206-C288807D6A7C)AI确确实实在改变我，让我自己的能力范围在扩大了，可以自行发现需求——产生方案——验证方案——解决需求，这个感觉还蛮棒的。产生这个想法是因为：2023.08.01这个时间点，我看到微博PG的一个博主发了PG播客的生肉视频。我的英语水平，有字幕都看不懂何况没有==[heading1]先写爱看的——最终解决方案[content]最终的解决方案，逻辑其实也很简单：1、用whisper生成原视频的英文字幕；（我预设whisper生成的字幕没问题，whisper的问题不探讨）2、让GPT结合字幕全文翻译，并让他根据原英文字幕的拆分，将译文进行同样行数的拆分；3、将GPT译文拆分的结果插入到原英文字幕文件中形成一个新的双语字幕文件。这个过程中所有的执行脚本都是让GPT写的。GPT的prompt在最后。08.04更新这一节是失败的经历，可以跳过。

XiaoHu.AI日报

7⃣️?EndlessDreams实时视频：通过语音对话生成实时视频为交互式内容创建提供新方法?[https://x.com/imxiaohu/status/1781840132867568032](https://x.com/imxiaohu/status/1781840132867568032)8⃣️?VSR字幕去除工具：利用AI去除视频和图片中的字幕支持智能填充处理，确保视觉质量?[https://x.com/imxiaohu/status/1781676299796492430](https://x.com/imxiaohu/status/1781676299796492430)9⃣️?Nothing公司集成ChatGPT：在无线耳机中集成ChatGPT强化音频和智能手机产品的用户体验?[https://x.com/imxiaohu/status/1781674408828145927](https://x.com/imxiaohu/status/1781674408828145927)

【Tec-Creative】帮助手册

[heading1]创意工具箱[heading2]AI字幕[content]智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载SRT字幕注意：支持MP4文件类型，大小上限为50M。[heading2]文生图[content]仅需输入文本描述，即可一键生成图片素材，海量创意灵感信手拈来！操作指引：输入文本描述（关键词或场景描述等）——选择模型（注意FLUX模型不可商用）————开始生成——下载[heading2]AI翻译[content]支持多语种文本翻译，翻译结果实时准确，助力海外投放无语言障碍!操作指引：输入原始文本——选择翻译的目标语言——开始生成[heading2]TikTok风格数字人[content]适配Tiktok媒体平台的数字人形象上线，100+数字人模板可供选择，助力Tiktok营销素材生产无难度！操作指引：输入口播文案——选择数字人角色——点击开始生成*视频默认输出语言和输入文案语言保持一致，默认尺寸为9:16竖版。[heading2]多场景数字人口播配音[content]支持生成不同场景下（室内、户外、站姿、坐姿等）的数字人口播视频，一键满足多场景投放需求！操作指引：输入口播文案——选择数字人角色和场景——选择输出类型——点击开始生成*视频默认输出语言和输入文案语言保持一致

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
自动生成字幕
以下是关于自动生成字幕的相关信息： 苹果发布的 Final Cut Pro 11 具有自动生成字幕的功能，其特点是能够将语音转换为字幕，提高效率。 虽然 ChatGPT 本身无法直接总结 YouTube 视频，但有些免费服务可以帮助转录或下载视频的自动生成字幕。将得到的文字保存并上传，可让 ChatGPT 帮忙将 YouTube 视频的字幕转化为简洁的要点。
2025-04-14
自动剪辑视频，添加字幕的软件推荐
以下为您推荐一些自动剪辑视频并添加字幕的软件及相关操作： 1. 剪映： 操作步骤： 选择适合文旅片的音色，如朗诵男生或清爽男生，点击开始朗读生成音频。 鼠标右键点击当前音轨，找到识别字幕/歌词，等待生成文本字幕。 若识别字幕需要 VIP，可点击本地字幕，导入准备好的字幕文件。 2. 声音克隆工具 Fish Audio： 操作步骤： 准备一段需要克隆的音频，如屈原的古风声音或自行录制。 打开网站 https://fish.audio/zhCN/train/newmodel/ ，上传音频并按指引完成声音克隆。 进入声音库选择使用的声音，输入文案生成音频文件并下载备用。 3. 视频合成工具 Viggle.ai： 操作步骤： 在网上下载“回答我”的原视频。 打开 https://viggle.ai/createmix ，登录后上传原视频和生成的人物形象图生成新版本视频，预览效果并下载。 4. 视频剪辑工具剪映： 操作步骤： 打开剪映软件（手机或电脑版均可）。 导入合成好的新视频和生成的音频文件。 将音频与视频时间轴对齐，确保声音和画面同步，添加字幕等。 如需叠加特殊背景，可导入自己的背景图，如楚国风景。 预览整个视频，检查效果，微调后导出最终视频（建议 MP4 格式）。
2025-03-29
图片底下生成字幕的工具
以下为一些可以生成图片底下字幕的工具及相关方法： 1. Trae 多模态复刻产品： 创意来自@南瓜博士，具体原文可看其复现的文章：https://mp.weixin.qq.com/s/CEJ6ite843M4hPuyT5jB6Q 。 核心策略是使用截图让 Trae 理解后生成功能描述，修改后再让 Trae 完成开发和优化。 开始时需在本地新建一个文件夹，再用 Trae 打开该文件夹。 将图片发给 Trae，并带上相应提示词。 开发完成后在本地文件夹打开 index.html ，可能需要继续优化，如添加每行字幕之间的分割线、切割图片底部等。 公众号回复“字幕图片”，获取源代码。保存成.html 文件，在浏览器打开就能用。 2. 某软件（未提及具体名称）： 在显示区域，拖动背景图的一个角将图片放大到适合尺寸，如覆盖视频窗口，并将数字人拖动到合适位置。 点击文本 智能字幕 识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。 数字人视频完成后，点击右上角的“导出”按钮，导出视频以作备用。若要换脸，需使用另一个工具。
2025-03-23
视频字幕翻译
以下是为您推荐的视频自动字幕工具： 1. Reccloud：免费的在线 AI 字幕生成工具，可直接上传视频精准识别，能翻译字幕并自动生成双语字幕，已处理 1.2 亿+视频，识别准确率接近 100%。 2. 绘影字幕：一站式专业视频自动字幕编辑器，提供简单、准确、快速的字幕制作和翻译服务，支持 95 种语言，准确率高达 98%，可自定义字幕样式。 3. Arctime：能对视频语音自动识别并转换为字幕，支持自动打轴，支持 Windows 和 Linux 等主流平台及 SRT 和 ASS 等字幕功能。 4. 网易见外：国内知名语音平台，支持视频智能字幕功能，转换正确率较高，支持音频转写功能。 此外，还有以下相关内容： TecCreative 创意工具箱中的 AI 字幕功能，智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。注意支持 MP4 文件类型，大小上限为 50M。 Translate.Video 网站，可将视频自动生成字幕并翻译成 75 多种语言，提供自动字幕生成、翻译字幕、AI 配音以及编辑等一站式视频服务。 您可以根据自己的需求选择最适合的工具。内容由 AI 大模型生成，请仔细甄别。
2025-03-19
需要一个能在看YouTube英语视频的时候把每句话都实时翻译成中文 挂在字幕上的ai工具
以下为您推荐一款可能满足您需求的 AI 工具：Memo AI （https://memo.ac/zh/）。它可以对 YouTube、播客、本地音频视频轻松进行转文字、字幕翻译、语音合成，还可以由多种 AI 模型提炼内容精华总结，生成思维导图。并且支持中文、英语等多语言。
2025-03-19
AI 去视频字幕
以下是关于 AI 去视频字幕的相关信息： VSR 字幕去除工具：利用 AI 去除视频和图片中的字幕，支持智能填充处理，确保视觉质量。链接： 对于有字幕的 B 站视频，若视频栏下有字幕按钮，说明视频作者已上传字幕或后台适配了 AI 字幕。可安装油猴脚本，安装后刷新浏览器，点击字幕会多出“下载”按钮，可选择多种字幕格式，然后将字幕文字内容全选复制发送给 GPTs 进行总结。 【TecCreative】的创意工具箱中有智能识别视频语言并生成对应字幕的功能，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。注意：支持 MP4 文件类型，大小上限为 50M。
2025-03-13