start	end	text
0	8000	嘿,大家好,我莫尉。給大家介紹一下我搓了一個多月搓出來的一個巨牛,巨厲害的一個字幕編輯器。
8000	20000	準確的說是一個視頻的字幕生成工作流。它可以幹什麼呢?它是這樣子的。首先你可以看到右邊這個非常厲害的多行的這個波形。
20000	28000	點到哪裡就可以跳出來。這樣比起傳統的單行波形。單行波形我們只能看到這麼多,滾動起來很慢。
28000	29760	好我们可以一下子看到这么多
29760	31400	相当于涨了12345678
31400	32140	10倍
32140	34220	对10倍容量跳起来就快很多
34220	36300	当然这个需要声明
36300	38520	这个是从之前另一个up主分享的
38520	40720	gap gone那里超过来的
40720	42640	那边也是一个开源项目
42640	44300	所以就直接借鉴了
44300	45940	然后我这也是一个开源项目
45940	48100	然后呢我们可以跳一下看看
48100	49180	好的书街上回
49180	50640	该叫什么呢
50640	51340	牧羊人
51340	52640	好这里看到一个
52640	56120	好这个跳转播放都是基础功能
56120	57220	没什么特别的对吧
57220	59180	接下来介绍一些特别的
59180	61380	也就是我这个工作流
61380	64100	其实是使用了千问的ASR生成的
64100	66700	然后一方面它的精度非常高
66700	68800	这里面其实就是原生的精度
68800	71540	你可以看到基本上甚至它代表点符号
71540	73280	而且它没有什么错别字
73280	75000	很少需要手工修的
75000	78780	我实测下来可能95%以上都是准确的字词
78780	82780	然后ASR有一个千问ASR有一个好处
82780	85520	就是它可以生成字词级别的时间码
85520	87300	意思就是你看这一句
87300	89120	比如说我觉得它时间比较长
89120	90720	我在这里拆分
90720	93320	你有没有发现它不是像传统的拆分一样
93320	94900	直接在这里中间割一刀
94900	97940	然后前后的字可能还需要自己调
97940	98880	而是直接
98880	105600	我们再来演示一遍
105600	106920	比如说这句
106920	108360	这句我想在中间拆
108360	109880	不对这句可能不太好拆
109880	111300	因为它本身中间没有空行
111300	113220	没有空格
113220	115660	我还不知道是学校的教职人
115660	117100	太准了
117100	119640	就是它这种中间的小空隙
119640	121120	它也可以直接拆掉
121120	122700	然后如果我们这里觉得比较多
122700	124260	直接往里拖一下
124260	127000	这些都是直接待会儿导出字幕
127000	128280	就可以保存下来的
128280	131480	另一点就是在左边其实还有字幕列表
131480	133120	比如说我不想看这边
133120	134700	我想就按文字来看
134700	136340	我们可以编剧视图
136340	138600	然后把字幕拖过来
138600	141700	这样子就有一个雷霆巨大的字幕区域了
141700	143020	也可以这样拖上来
143020	144020	这样子的话
145220	146180	OK就这个试图吧
146180	146900	完成布局
146900	147580	这样子的话呢
147580	150340	我们就可以直接按这个文本来跳
150340	153460	因为有时候可能文本更容易定位
153460	154300	比如说这里
154300	156420	这边有一本很红的书
156420	157580	很红的书对吧
157580	158740	我在这里我想拆
159820	160620	也是一样的
160620	161780	它会直接拆掉
161780	163660	有一本很红的书
163660	164500	看来是我的
164500	166180	而且呢有一个很巧妙的设计
166180	167900	就是在右边的波形
167900	169860	我们是按音频去拆分的
169860	171620	但是在左边的文字呢
171620	173400	我们就算文字位置去拆分的
173400	174800	可能也就跟索菲关系比较
174800	176500	比如说这里都没有交流的
176500	177680	我在这里右键拆
177680	180380	它就是从都没有交流的
180380	181940	可能也就跟索菲关系比较
181940	182640	看出来了吧
182640	184380	这是我觉得特别厉害
184380	185300	特别方便的一点
185300	187880	就是首先它大部分的时长
187880	188480	其实你看
188480	191100	我这里时长设的是一行16个字
191100	193140	大部分其实都是在16个字之内的
193140	193980	只有少部分
193980	195180	哪怕超一点
195180	198020	这里看到一个很科技感的
198020	199140	我们可以在这里
199140	201240	比如说设成20个字
201240	202320	20个字之后
202320	204340	超出20个字的就不多了
204340	205620	我们可以紧看超长
205620	206840	就只有这么几句
206840	211980	休息的我在这里拆开
211980	213200	先暂停一小时
213200	215100	你看它时常没有超
215100	216320	它就不显示了
216320	217680	定时提醒休息的
217680	218540	先暂停了一小时
218540	219060	然后呢
219060	219980	我也可以把它
219980	221220	再点击
221220	222420	点击跳转过来之后
222420	223700	如果我想把这三句合并
223700	224720	那么全选
224720	226680	然后右键合并三条字幕
226680	227600	需要把我一个
227600	229000	定时提醒休息的
229000	229940	先暂停了一小时
229940	230240	OK
230240	230920	好
230920	233460	然后如果想在这里拆
233460	234200	你看这句
234200	236260	它的音频波形不太明显
236260	237320	我就直接在这里
237320	238460	找到这个空的位置
238460	239080	开分
239080	241720	如果我想在定时前面
241720	242020	开分
242020	244280	它非常符合直觉
244280	245420	懂我意思吧
245420	247380	然后还有什么功能
247380	247860	我看一下
247860	249380	还有一个就是
249380	251700	字幕的一个基础功能
251700	253020	比如说这个游戏叫做
253020	253700	要理问答
253700	255780	然后有这个
255780	257180	它不太识别的出来
257180	258760	所以我要是搜要理
258760	260360	只有一个地方
260360	263420	对 药理 我可以给它替换成药理
263420	265140	这样子就可以直接预览到
265140	266660	它会把这一句替换掉
266660	268140	替换全部就可以了
268140	270900	然后像这种修改过的或者替换过的
270900	272560	都会有一个黄色的标记
272560	273940	说明你改动过
273940	274860	有什么来着
274860	276280	还有一个重量级的东西
276280	276820	待会介绍
276820	278620	先继续介绍皮量替换
278620	281540	比如说我把所有的我都替换成我
281540	282900	这样子就
282900	284840	所有的我这里都会变成
284840	286480	MG的我了
286480	287760	虽然效果有点雷霆
287760	289020	没有关系可以撤销
289020	290260	撤销掉就可以了
290260	293060	然后还有一个特别厉害的功能
293060	293700	移除静音
293700	296280	这个也是从GapGone那边参考过来的
296280	298860	但是我加了一些参数
298860	300540	高级参数我们先不管它
300540	302820	我们直接点击扫描并移除
302820	304300	你可以看到这些橙色的部分
304300	306200	都是它识别到的空隙
306200	309020	然后会被自动移除掉
309020	311720	你看全长40多分钟吧
311720	314640	其实里面有整整25分钟的空隙
314640	315620	占了一半以上
315620	316760	我们在这个时候播放呢
316760	317640	它就会自动跳过
317640	327400	对吧很厉害吧
327400	328920	然后如果说比如说
328920	329700	这一段
329700	332300	这一段我是要保留的
332300	333260	因为这是个笑声
333260	335100	所以我可以按住alt点它
335100	338480	这样就可以保留了
338480	340000	然后如果要重新静音就这样
340000	341900	而且它还可以直接
341900	344220	中间拖动时添加到这个静音片段
344220	345620	比如说这里我都不需要了
345620	347360	就直接这样子
347360	348680	他就从前面播
348680	349440	他摔下来了
349440	351180	还真是直接跳过
351180	352560	当然为了预览
352560	354460	如果你点到中间去播的话
354460	356600	他就是会照播不误
356600	358080	是我老师
358080	359060	是我放了个小
359060	360100	然后如果说
360100	361440	这个我又想恢复呢
361440	362060	我按住alt
362060	363000	然后中间拖动
363000	364720	就可以给他恢复回来了
364720	367220	还真是互相
367220	367960	大概这样
367960	368620	但是呢
368620	369480	就是你说
369480	370740	这个编辑起来很厉害
370740	371740	那我们怎么用呢
371740	373880	在这里导出字幕
373880	378380	就是把你编辑完的这个字幕给导出成传统的SRT
378380	380560	然后你可以导出空隙版本呢
380560	384480	就是这个按静音轴剪过的这个字幕
384480	387800	然后这里OTIO其实是OpenTimeline的那个工程
387800	389260	我是用来给达芬奇用的
389260	391440	目前因为我自己用的是达芬奇
391440	394420	所以目前还没有其他软件的工程支持
394420	399240	如果反响好的话之后再看吧
399240	401260	比如说剪音什么的给弄一下
401260	402580	然后这两个呢
402580	405480	其实就是如果你自己AI会用
405480	406880	或者有一定编程能力的话
406880	409720	这两个也是相当于都是告诉你
409720	413200	这个视频里面哪些时间区域保留了的
413200	415060	你把这任意一个
415060	417100	第一个是给FFMPG用的
417100	418800	第二个就是纯数据JSON
418800	420140	你可以把它保存下来
420140	422020	就自己让AI写个脚本
422020	423880	去用来切分视频
423880	424420	也没问题
424420	427460	因为我这里只是提供一个交互式的编辑界面
427460	431400	然后其实还有一点比较有趣的功能
431400	433160	比如说我们来举个例子
433160	436180	那这句我可以给他右键红色
436180	439800	然后或者说所有人都
439800	442420	这几句我可以给他批量选择用红色
442420	443080	那我就白
443080	446120	那人就要问了这个字幕的颜色有什么用呢
446120	448260	那一方面在这里编辑的时候
448260	450920	有颜色可以让自己当个标记吧
450920	451700	另一方面呢
451700	454840	这个颜色是可以导出成达芬奇的Jason的
454840	456240	然后我有一个小本
456240	457420	可以在达芬奇中
457420	458720	也给这些字幕
458720	460280	添加上片段颜色
460280	461220	这样的好处呢
461220	462980	就是我可以快速的知道
462980	464520	在哪些地方
464520	465940	比如说我把红色
465940	467220	认为是重点内容
467220	469060	那那部分可能就要加一些
469060	470940	画面的放大效果之类的
470940	472520	然后紫色可能是
472520	473620	比较有乐子的地方
473620	474820	那那些地方也可以加
474820	476040	对应的音乐啥的
476040	476600	总之就是
476600	478580	因为我自己在编辑的时候
478580	479660	注意一下体力空
480000	487000	因為我自己在編輯的時候,這一次編輯下來,相當於First Bus,它不光是一個字幕的編輯,它還是我對整體這個視頻怎麼剪。
487000	488680	比如说如果是这一段
488680	490520	我都觉得不想要
490520	491940	可以直接这个呢
491940	493180	加速跳过的
493180	495200	那么我给它全选中之后
495200	496880	比如说标个绿色吧
496880	497740	绿色就当跳过
497740	499480	OK看起来就这样子
499480	501180	到时候我在达芬奇工程里面
501180	501800	就可以知道
501800	504440	这一部分是需要一起跳过的
504440	506600	除了颜色还有一个
506600	508940	就是它可以分配表情包
508940	512120	这个表情包
512120	513280	我觉得
513280	515620	这个呢你行不行
515620	516200	应该
516200	516980	我看你啊
516980	519020	其他人能用上的可能不多
519020	520380	所以目前这个功能
520380	521980	我还没有放到公开仓库里面
521980	524980	就是也是可以导出成一个OTIO工程
524980	526980	然后快速的导入达芬奇
526980	528780	就可以在这句里面
528780	530600	配上对应的表情包
530600	534900	这个看有没有别人有需求吧
534900	537460	因为我觉得喜欢往字幕上配表情包
537460	538480	一个是工作量比较大
538480	541140	另一个是我这种表情包狂魔
541140	542500	会对这种需求特别
542500	545020	那绿下面有两位的话
545020	548860	目前我是把这个先发了一个Github的仓库
548860	551300	相当于是完全复刻我现有的工作流
551300	553940	所以它会有一点技术要求
553940	555580	它需要你电脑上有python
555580	559620	然后需要自己准备一个签问ASR的API
559620	562720	然后就可以生成这样一个网页
562720	564440	它其实就是个HTML网页
564440	567300	你本地浏览器打开就可以看
567300	570060	然后我之后有打算现在这个工程
570060	572060	现在这个项目叫做Maw
572060	574820	Mois ASR Workflow
574820	577180	之后我又打算做成一个
577180	578920	MOSE
578920	581240	Mois Open Subtitle Editor
581240	581960	墨色
581960	583480	墨色字幕编辑器
583480	584980	到那时候应该
584980	587480	我会想办法把它封装成
587480	589980	更简单易用的一个形式
589980	590720	当然也有可能
590720	592740	如果这个视频反响频频的话
592740	594460	那我也就懒得折腾了
594460	596540	因为我自己现在用这个东西
596540	598040	已经是用得非常爽了
598040	599500	包括你们现在看到的这个视频
599500	600460	我也是用它
600460	603480	我也将会用它来做剪辑工作
603480	605020	剪辑的前期工作吧
605020	606480	因为这里处理完之后
606480	607240	导入达芬奇
607240	608660	就字幕也有了
608660	610820	然后空隙去除也有
610820	611580	就很方便
611580	612120	好
612120	613740	这次是一个相当于
613740	614880	我忍不住
614880	616980	忍不住先介绍一下
616980	617980	所以没有太精简
617980	621180	先纯续续刀的一个视频
621180	623260	相当于先预告一下吧
623260	624480	等之后有正式发布了
624480	627020	会再做正式的介绍事
627020	627560	也许吧
627560	628260	如果没有后续
628260	629100	那就没有后续了
629100	631320	然后现在原代码都是开放的
631320	632700	所以你也可以拿过去
632700	635160	然后按自己的习惯或者偏好
635160	637420	用AI改或者自己改都行
637420	638500	用的愉快吧
638500	641860	因为我是希望能给其他游戏UP主
641860	643140	也带来一些帮助的
643140	643860	大家都知道
643860	647240	这个时代还在做这种传统游戏实况的
647240	648460	其实不多了
648460	652020	所以希望给大家能节约一些后期的时间吧
652020	656080	我是知道整这个字幕有多麻烦的
656080	658940	所以在节约我自己时间的时候
658940	660700	也希望给大家节约一点时间
660700	661280	对了
661280	662740	我突然意识到我漏了一个东西
662740	664500	这个东西我还没放进库里
664500	666320	但是它还蛮厉害的
666320	667620	就是你看这种
667620	669240	这里有一些灰色的字幕
669240	669920	代表什么呢
669920	671200	我们来播一下看看
671200	672480	这是一遍
672480	674000	好菜
674000	674940	这是什么情况
674940	677040	我的心快要从胸口里蹦出来了
677040	679600	我吸收了它的铁
679600	681140	文字机
681140	682980	你会看到灰色的这个
682980	685260	其实是这个项目的一个附属工作流
685260	687320	就是我先生成了所有的字幕
687320	690400	然后用字幕的每一句的这个时间
690400	693580	在视频里面截取画面的这个部分
693580	694920	进行OCR识别
694920	698640	如果识别到画面上的台词内容
698640	702780	跟我字幕内容是相似度大于百分之多少
702780	705100	就认为是对着画面配音
705100	708200	那这些就直接灰掉了
708200	709720	当然我也可以重新给它启用
709720	711080	这本书上有一张字条
711080	712720	这本书上有一张字
712720	714460	就重新启用的话就有字幕
714460	716000	但是禁用掉的话
716000	717140	就是导出字幕的时候
717140	718320	不会导出这句
718320	719060	这样可以避免
719060	721220	相当于字幕的文本
721220	723020	跟游戏本身的文本
723020	724280	叠在一起这种情况
724280	726300	这个我觉得也是
726300	728480	像我这样的老辈子
728480	730720	配音游戏实况UP主
730720	732440	会用到的一个功能吧
732440	734660	但是因为它又涉及到多一个
734660	736260	这个是用了Paddle
736260	738040	百度的Paddle OCR
738040	739380	流程更复杂一点
739380	740980	所以暂时没有放进
740980	741980	这个公开版本中
741980	743020	后续再看吧
743020	744620	OK就介绍到这里
744620	745860	感谢再见
746000	746260	拜拜
746260	747320	如果有兴趣的话
747320	748800	可以关注一下
748800	750820	因为这个项目
750820	752840	后续会进行到
752840	754260	什么样的状态
754260	754920	就完全看
754920	756400	有多少人需要了
756400	758120	如果发现是
758120	759260	纯我自己自嗨
759260	760660	觉得这个有用的人
760660	761180	不多的话
761180	761920	那可能也就
761920	762680	自己继续用
762680	763680	OK就到这儿
763680	764080	下次见
764080	764420	拜拜