WEBVTT

00:00.000 --> 00:06.000
利用Whisperger给日语电影配中文字幕的终极教程,如何让人工校正最轻松?

00:06.000 --> 00:10.000
1.下载Whisperger模式选择双通道模式。

00:10.000 --> 00:17.000
PAS1选择Fidelity模式Balance灵敏度加OutTalk能量检测加10.5分段更细,不会字幕过长。

00:17.000 --> 00:22.000
PAS2选择Balance模式Aggressive灵敏度加Colero加Colero6.2V。

00:22.000 --> 00:27.000
第一遍保证模式才是准确度的大头,准确度占比80%,

00:27.000 --> 00:31.000
第二遍只是填充的,以弥补字幕不全。

00:31.000 --> 00:35.000
所以PAS1保证模式必选精细度最高的OutTalk加10。

00:35.000 --> 00:43.000
而PAS2平衡模式准确度更低,仅仅为了填充,所以选精细度不高的Colero,保证模式更强。

00:43.000 --> 00:49.000
而且比平衡模式准确度强太多,保证模式是FP16,平衡模式是影的8。

00:49.000 --> 00:56.000
所以必选以PAS1为主,PAS2填充,这样准确度更高后期人工校正更轻松。

00:56.000 --> 01:00.000
2. 模型必选Large VR而不是Large V3。

01:00.000 --> 01:06.000
VR等于日语专精型,V3等于全球平均型,转入日语首选V2。

01:06.000 --> 01:12.000
V3做了两个大升级,梅尔平谱从80-128,日语更容易收噪音影响。

01:12.000 --> 01:16.000
词调Token扩容加了很多小语种,日语全重下降。

01:16.000 --> 01:19.000
这两个改动对日语全是浮悠化。

01:19.000 --> 01:22.000
V3更改编,日语最受不了幻觉。

01:22.000 --> 01:29.000
V3为了流畅度更容易脑补内容,日语一脑补就是语法错,禁语错,注词。

01:29.000 --> 01:33.000
错VR更保守,不乱编日语反而更稳。

01:33.000 --> 01:39.000
3. Whisper J A V尽管能把Large VR的幻觉降低,但是实测幻觉依然存在。

01:39.000 --> 01:44.000
可以使用AI翻译成中文后,用Subtitle Edit软件打开该字幕。

01:44.000 --> 01:50.000
进入多重替换,用正则表达式或者正常字符替换添加幻觉词消除。

01:50.000 --> 01:56.000
Large VR转写加AI翻译后的幻觉并非随机乱码,而是有明确的高频固定模式。

01:56.000 --> 02:01.000
多余的冗于双引号,莫名出现的人物前缀,固定同音措辞等。

02:01.000 --> 02:07.000
色Title Edit的多重替换,支持一次性导入整份规则库,也就是我提到的幻觉词表。

02:07.000 --> 02:13.000
双引号修正规则,全局批量执行,还可以反复运行二到三次彻底清理。

02:13.000 --> 02:18.000
全程不需要逐行手动修改,效率远高于纯人工校对。

02:18.000 --> 02:22.000
Large VR的幻觉本质是训练数据高度依赖YouTube预料。

02:22.000 --> 02:29.000
模型在静音、噪音、低质性读音频段会自动脑补出训练里最高频的YouTube互动画书,

02:29.000 --> 02:32.000
属于模型先天特性,并非操作故障。

02:32.000 --> 02:39.000
4. 关于人工修正,经过色Pyto Edit清洗以上步骤后,修改起来还是比较轻松。

02:39.000 --> 02:44.000
我愿称之为目前人工修正最轻松,幻觉最少的字幕软件。

02:44.000 --> 02:52.000
一般300行5到10分钟左右,600行10到15分钟左右,快一点的话就5分钟,看你是不是想认真改。

02:52.000 --> 03:01.000
关于笔记本设备,推荐3070TI笔记本,拥有5888个流处理器,是性价比最高的AI设备选择。

03:01.000 --> 03:07.000
转录速度比4060亿4070万5060笔记本快,而且价格也不贵。

03:07.000 --> 03:12.000
只要把温度控制好,就能最大程度发挥效率,节省时间。

03:12.000 --> 03:16.000
5.字幕的质量还算可以,精确度非常高。

03:16.000 --> 03:23.000
当然尽管用了双通道模式避免漏掉字幕,但或多或少还是会漏掉一点字幕,不过瑕不掩瑜。

03:23.000 --> 03:28.000
如果强行上保真模式最高灵敏度,首先幻觉会直线上升。

03:28.000 --> 03:35.000
其次是字幕人工修正更辛苦,两者直接影响后面的准确度,而且时间太漫长得不偿失。

03:35.000 --> 03:40.000
为了这一点漏掉的字幕而放弃最终的准确度,没必要。

03:40.000 --> 03:48.000
假如是一小时时评600行,Whisper这保真模式转录需要一小时20-30分钟左右,3070TI笔记本。

03:48.000 --> 03:52.000
AI翻译也就2-3分钟,多重替换也就10几秒。

03:52.000 --> 03:54.000
人工校正一般10-15分钟。

03:54.000 --> 04:00.000
整体上看最耗费时间的还是转录,所以可以把转录时间留给凌晨。

04:00.000 --> 04:05.000
一般凌晨0点转录,到早上8点,一般就能转录好5个视频。

04:05.000 --> 04:09.000
视频时长都是一小时左右,不影响白天玩电脑。