嘿，
大家好，
我莫伟给大家介绍一下我搓了一个多月搓出来的一个
巨牛巨厉害的一个字幕编辑器，
准确的说是一个视频的字幕生成工作流。
它可以干什么呢？
它是这样子的，
首先你可以看到，
哎，右边这个非常厉害的多行的这个波形，
哎，点到哪里就可以跳转，
这样比起传统的单行波形。
啊，单行波形我们只能看到这么多，对吧？
滚动起来很慢。
多行我们可以一下子看到这么多，
相当于涨了一二三四五六七八十倍，
对，十倍容量跳起来就快很多。
当然这个需要声明，
这个是从之前另一个UP主分享的呃Gap Gone那里抄过来的，
那边也是一个开源项目，
所以就直接借鉴了。
然后我这个也是一个开源项目，
然后呢，
我们可以跳一下看看。
好的，书接上回，我。
该叫什么呢？
牧羊人。
好，
这里看到一个，
嘿，
好，这个跳转播放都是基础功能，
没什么特别的，
对吧？
接下来介绍一些特别的，
也就是我这个工作流其实是使用了千问的ASR生成的，
然后一方面它的精度非常高，
这里面其实就是原生的精度，
你可以看到基本上啊，
甚至它带标点符号，
而且它没有什么错别字，
很少需要手工修的。
我实测下来，可能百分之九十五以上都是准确的字词。
然后 ASR 有一个，呃，
千问 ASR 有一个好处就是它可以生成字词级别的时间码，
意思就是你看这一句，
比如说我觉得它时间比较长，
我在这里哎拆分，
你有没有发现它不是像传统的拆分一样，
直接在这里中间割一刀，
然后呃前后的字可能还需要自己调，
而是直接嘿，
刚说棒球呢。
这里是没什么有意思的。
哎，
我们来再再来演示一遍，
比如说
这句啊，
这句我想在中间拆，
呃，
不对，
这句可能不太好拆，
因为它本身中间没有空行。
没有空，空空格，我还不知道是学校的教职人员还是。
哇，太准了
，就是它这种中间的小空隙，
它也可以直接拆掉。
然后如果我们这里觉得比较多，直接
往里拖一下，哎，
这些都是直接待会儿导出字幕就可以保存下来的。
另一点呢，
就是
在左边其实还有字幕列表，
比如说
我不想看这边，
我想就按文字来看。
我们可以编剧视图，然后把字幕拖过来，
这样子就有一个雷霆巨大的字幕区域了。
也可以这样拖上来，
这样子的话
，呃，OK，
就这个视图吧，
完成布局。
这样子的话呢，
我们就可以在这里，哎，直接按这个文本来跳，
是因为哎，我记得上次文本更容易定位，比如说这里，
这边有一本很红的书，很红的书对吧？
我在这里，我想拆。
也是一样的，它会直接拆掉。
有一本很红的书，看来是我的。
而且呢，
有一个很巧妙的设计，
就是在右边的波形，
我们是按音频去拆分的；
但是在左边的文字呢，
我们是按文字位置去拆分的。
可能也就跟索菲关系比较。
比如说这里都没有交流的，
我在这里右键拆，
哎，它就是从
都都没有交流的，
可能也就跟索菲关系比较。
看出来了吧？
这是我觉得特别厉害、
特别方便的一点，
就是首先它大部分的时长，
其实你看。
我这里时常设的是一行十六个字，
大部分其实都是在十六个字之内的，
只有少部分哪怕
超一点。
这里看到一个，
它也完全一个屏幕显示的下，
我们可以在这里，
比如说设成二十个字啊，
二十个字之后。
超出二十个字的就不多了，我们可以仅看超长。
哎，就只有这么几句。
需要把我一个定
时提醒休息的先暂停一
休息的，
我在这里拆开。
哎，先暂停一小时。
你看它时长没有超，它就不显示了。
定时提醒休息的先暂停了一小。
然后呢，我也可以把它。
哎，
在点击点击跳转过来之后，
如果我想把这三句合并，
那么全选，
然后右键
合并三条字幕。
需要把我一个定时提醒收记得先暂停的一场。
OK，好。
然后如果想在
呃这里拆，
你看这句它的音频波形不太明显嘛，
我就直接在这里找到这个空的位置。
拆分，对吧？
如果我想在定时前面拆分它，非常符合直觉，懂我意思吧？
然后还有什么功能？
我看一下啊，
还有一个就是
字幕的一个哇，
还真是基础功能。
比如说这个游戏叫做药理问答嘛
，然后呃有这个它不太识别的出来，
所以我要是搜药理，哎，
哦，只有一个地方，对，
药理我我可以给它替换成药理，哎，
这样子就可以直接预览到，它会把这一句替换掉，
替换全部就可以了。
然后像这种修改过的或者替换过的，
都会有一个黄色的标记，
说明你改动过。
还有什么来着？
哦，还有一个重量级的东西，待会儿介绍。
先继续介绍
批量替换，
比如说我把所有的我都替换成我，
哎，这样子就。
所有的我这里
都会变成
MAW Gap Gone
Qwen ASR PaddleOCR 哔哩哔哩。
全长
全长四十多分钟吧，
其实里面有整整二十五分钟的
空隙，占了一半以上。
我们在这个时候播放呢，它就会自动跳过啊。
好朋友，安静，我真没想到你会做这种事。
费十二，
凯利同学都不一样了，
他平时就一直很紧张，嗯，
对吧？
很厉害吧？
然后如果说，
比如说这一段，
这一段我是要保留的，
因为这是个笑声，
所以我可以按住 Alt 点它。
还这样就可以保留了。
然后如果要重新静音，就这样。
呃，而且它还可以直接中键拖动，是添加到这个静音片段。
比如说这里我都不需要了。
我就直接这样子，
他就从前面播，
他摔下来了，
还真是直接跳过
啊！
当然为了预览
，如果你点到中间去播的话，它就是
，呃，会照播不误。
呃呃，是我老师，是我放的。
然后如果说
这个我又想恢复呢，我按住 Alt，
然后中间拖动，就可以给它恢复回来了。
还真是互相打，大概这样。
但是呢，就是你说这个编辑起来很厉害，那我们怎么用呢？
在这里导出字幕。
嗯，
就是把你编辑完的这个字幕给导出成
传统的 SRT，然后你可以导出空隙版本呢，
就是这个按静音轴剪过的这个字幕。
然后这里 O T I O 其实是 Open Timeline 的那个工程，
我是用来给达芬奇用的。
目前
因为我自己用的是达芬奇，
所以目前还没有其他软件的工程支持。
呃，如果反响好的话，之后再看吧。
比如说剪映什么的给弄一下
，然后这两个呢，其实就是如果你自己
AI 会用或者有一定编程能力的话，这两个也是
相当于都是告诉你这个视频里面哪些时间
区域保留了的，你把这。
任意一个，
第一个是给 FF
MPG 用的，第二个就是纯数据 JSON。
你可以把它保存下来之后，
自己让 AI 写个脚本去用来切分呃视频也没问题，
因为我这里只是提供一个交互式的编辑界面。
然后其实还有一点
比较有趣的功能，
比如说我们来举个例子，
那这句我可以给它右键。
红色，
然后，呃，
或者说所有人都这几句，
我可以给他批量选择用红色。
那我就有人就要问了，这个呃字幕的颜色有什么用呢？
那一方面在这里编辑的时候有颜色可以让自己呃
当当个标记吧。
另一方面呢，这个颜色是可以导出成达芬奇的 JSON 的。
然后我有一个脚本，
可以在达芬奇中也给这些字幕
添加上片段颜色。
这样的好处呢，就是我可以快速的知道。
在哪些地方，
比如说我把红色认为是重点内容，
那那那部分可能就要加一些
画面的放大效果之类的。
然后紫色可能是比较有乐子的地方，
那那些地方也可以加对
应的音乐啥的。
总之就是，因为我自己在编辑的时候注意一下体力。
这一次编辑下来，
相当于 first pass，
它不光是一个字幕的编辑，
它还是我对整体这个视频怎么剪。
比如说，
如果是这一段，
我都觉得不想要，
可以直接这个呢加速跳过的。
那么我给它全选中之后
，呃，比如说标个绿色吧，
绿色就当跳过。
OK，看起来就这样子。
到时候我在达芬奇工程里面就可以知道
啊，这一部分是需要一起跳过
的。
除了颜色，还有一个就是它可以分配表情包。
呃，这个表情包，我觉得。
呃，这个呢，你行不行？
应该我弹你啊，好吧。
其他人能用上的可能不多。
看起来目前这个功能没有放到公开仓库里面，
就是也是可以导出成一个 OTIO 工程，
然后快速的导入达芬奇，
就可以在这句里面
配上对应的表情包。
嗯，
那个这个这个看有没有别人有需求吧，
因为我觉得喜欢往字幕上配表情包，
一个是工作量比较大，另一个是
呃我这种表情包狂魔会对这种需求特别。
那绿下面有两位的话，
绿目前我是把这个先发了一个 GitHub 的仓库，
相当于是完全复刻我现有的工作流，
所以它会有一点技术要求，
它需要你电脑上有 Python，然后。
呃，
需要自己准备一个千问ASR的API，
然后就可以生成这样一个网页，
它其实就是个HTML网页，
你本地你本地浏览器打开就可以看。
然后我之后有打算，
现在这个工程现在这个项目叫做MAW嘛，
MOSASR Workflow，
之后我又打算做成一个呃
MOSE，MOS Open Subtitle
Editor，
墨色。
啊，
墨色字幕编辑器到那时候呢，
应该呃我会想办法把它封装成更
简单易用的一个形式。
当然也有可能，
如果这个视频反响平平的话
，那我也就懒得折腾了。
因为我自己现在用这个东西已经是用的非常爽了，
包括你们现在看到的这个视频，
我也是用它。
我也将会用它来做剪辑工作，呃，剪辑的前期工作吧。
因为这里处理完之后导入达芬奇，
就字幕也有了，
然后空隙去除也有，
都很方便。
好。
这次是一个相当于我忍不住，
忍不住先介绍一下，
所以没有太精简，
先全纯絮絮叨叨一个视频，
相当于先预告一下吧。
等之后有正式发布了，会再做正式的介绍是也许吧。
如果没有后续，那就没有后续了。
嗯，
然后现在源代码都是开放的，
所以你也可以拿过去，
然后按自己的习惯或者偏好
用AI改或者自己改都行。
用的愉快吧，
因为我我是希望能给
其他游戏UP主也带来一些帮助的。
大家都知道，
哎，
这个时代还在做这种传统游戏实况的其实不多了，
所以希望给。
大家能节约一些后期的时间吧？
我是知道整这个字幕有多麻烦的，
所以在节约我自己时间的时候，
也希望给大家节约一点时间吧。
对了，
我突然意识到我漏了一个东西
，这个东西我还没放进库里，
但是它还蛮厉害的。
就是你看这种，这里有一些灰色的字幕，代表什么呢？
我们来播一下看看。
只是一遍啊，嗯，好菜，这是什么情况？
我的心快要从胸口里蹦出来了。
我吸收了他的铁
哇哦，文字机，
你会看到灰色的这个其实是这个项目的一个附属工作流，
就是我先生成了所有的字幕，
然后用字幕的每一句的这个时间。
在视频里面截取画面的这个部分进行 O C R 识别，
如果识别到啊画面上的台词内容
跟我字幕内容是相似度大于百分之多少？
就认为是对着画面配音，那这些就直接，呃，灰掉了。
当然，我也可以重新给它启用。
这本书上有一张字条，
这本书上有一张字，
就重新启用的话就有字幕，但是，
呃，禁用掉的话就是导出字幕的时候保不会导出这句，
这样可以避免，
呃，相当于字幕的文本跟
游戏本身的文本叠在一起这种。
情况，嗯，
这个我觉得也是像像我这样的老辈子，嗯，
配音游戏实况UP主会
用到的一个功能吧。
但是因为它又涉及到多一个，
这个是用了Paddle百度的Paddle OCR，
流程更复杂一点，
所以暂时没有放进这个公开版本中，
后续再看吧。
OK，就介绍到这里，感谢，再见，拜拜。
如果有兴趣的话，
可以关注一下，
嗯，因为这个项目后续会
进行到什么样的状态，
就完全看有多少人需要了。
呃，
如果发现是纯我自己自嗨，
觉得这个有用的人不多的话，
那可能也就自己继续用。
OK，就到这儿，下次见，拜拜。