1
00:00:00,000 --> 00:00:09,000
大家好,歡迎回來。今天給大家分享Subflow,是我們公司開發的一款AI自動識別語音。

2
00:00:09,000 --> 00:00:16,000
然後進行AI的配音,以及視頻字幕的一個翻譯和視頻字幕的自動生成與騷錄的一款工具。

3
00:00:16,000 --> 00:00:23,000
Subflow目前支持了Windows版本和MacOS的一個版本,大家可以去下載到完整的版本。

4
00:00:23,000 --> 00:00:31,000
我們把整個項目已經開圓了。那我們看一下這個項目。進到這個項目裡面來是這個樣式。

5
00:00:31,000 --> 00:00:39,000
我們可以在這個地方去上傳本地的視頻。也可以在這個地方下載YouTube或者Bilibili的視頻。

6
00:00:39,000 --> 00:00:47,000
然後我們可以針對我們的視頻字幕進行處理。如果你的原視頻是沒有任何字幕的,那我們可以用這款工具加上字幕。

7
00:00:47,000 --> 00:00:51,000
那這裡還有就是如果原視頻它已經有了音頻對吧。

8
00:00:51,000 --> 00:00:56,000
那有一個音頻的情況下,比如你想把它的語言,比如從中文換成英文對吧。

9
00:00:56,000 --> 00:01:02,000
那它就會自動調用Q文的配音的模型,然後去選擇一種音色。

10
00:01:02,000 --> 00:01:08,000
然後我們就可以進行一個配音,然後生成中英文的字幕,然後燒入到整個系統裡面來。

11
00:01:08,000 --> 00:01:16,000
那這裡面首先我們調用了配音或者說音色的這個模型,是謙問的TTS的一個開源模型。

12
00:01:16,000 --> 00:01:20,000
大家可以在本地的算力上進行運行,也是免費的。

13
00:01:20,000 --> 00:01:25,000
那除了之外呢也是支持了你自己用自己的原聲進行克隆。

14
00:01:25,000 --> 00:01:28,000
直接用你自己的聲音然後去發出相關聲音來。

15
00:01:28,000 --> 00:01:33,000
這裡的標準音色比如你是個中文的人,那你說英文那你的標準音色。

16
00:01:33,000 --> 00:01:37,000
配下來沒有我們這種標準音色做的那麼流暢吧。

17
00:01:37,000 --> 00:01:42,000
所以說這裡會有兩個版本,一個是標準音色版本,一個是克隆原聲的一個版本。

18
00:01:42,000 --> 00:01:48,000
當然還有一個GPT的Sovet,用這個Sovet也可以去,有一些語音也是可以的。

19
00:01:48,000 --> 00:01:52,000
但是這裡的那個語音與色裡面就會更少一些。

20
00:01:52,000 --> 00:01:59,000
那我這裡推薦大家用這個QN3TTS,如果你要用自己的語音,那你就用QN3TTS克隆的原聲。

21
00:01:59,000 --> 00:02:03,000
好這是第一個關於配音和音色的一個選擇。

22
00:02:03,000 --> 00:02:09,000
那此外呢我們還可以選擇字幕的一個顏色。比如我這裡選了中音的字幕,或者說音中的字幕。

23
00:02:09,000 --> 00:02:16,000
中音的字幕就是說中文在上面,英文在下面,那反過來就是英文在上面和中文在下面。

24
00:02:16,000 --> 00:02:23,000
那也支持其他語種,包括什麼德語、法語、日語、繁體中文都是沒有問題。

25
00:02:23,000 --> 00:02:30,000
那字幕的顏色大家也可以看到,比如我們這裡有中文和英文字幕的一個顏色,我們可以在這裡進行選擇。

26
00:02:30,000 --> 00:02:33,000
比如你中文要一個顏色,英文要一個顏色也是可以的。

27
00:02:33,000 --> 00:02:39,000
好,講到字幕的顏色,除此之外呢還有這個叫電影集的一個潤色。

28
00:02:39,000 --> 00:02:46,000
可以把你的字幕做一些深度的AI校對,以及做相關的一個潤色處理,會表現更好一些。

29
00:02:46,000 --> 00:02:54,000
這個也是推薦大家去勾上的。但這個勾上的話,它調用的就是我們API站內的大語言模型。

30
00:02:54,000 --> 00:02:58,000
我們可以看一下這裡有一個語音識別和翻譯功能。

31
00:02:58,000 --> 00:03:02,000
那翻譯的話其實是需要用到我們的一個API的。

32
00:03:02,000 --> 00:03:08,000
那我們也可以直接進到我們的API分發站裡面來,然後選擇自己的一個令牌,點擊控制台。

33
00:03:08,000 --> 00:03:12,000
然後API密要。我們複製自己的這個令牌。

34
00:03:12,000 --> 00:03:17,000
然後填入到這個框框裡面來。填入之後我們點擊保存令牌。

35
00:03:17,000 --> 00:03:18,000
然後獲取模型。

36
00:03:18,000 --> 00:03:24,000
那這個時候呢就會有我們API在內的全部模型。比如我在這裡選一個5.6的terra。

37
00:03:24,000 --> 00:03:28,000
或者說選一個luna。用來跑翻譯還是很方便的嘛。

38
00:03:28,000 --> 00:03:34,000
那我就選這個terra了。然後OK,我們現在就已經全部準備好了。我們視頻也已經上傳了。對吧。

39
00:03:34,000 --> 00:03:40,000
或者說你直接通過鏈接去下載的。也可以。你直接鏈接下載之後,你那個視頻也會自動的加載過來。

40
00:03:40,000 --> 00:03:47,000
就不需要你二次上傳了。好,那我們處理完成之後,我們只要點一下開始處理這個按鈕就可以。

41
00:03:47,000 --> 00:03:56,000
我們點擊開始處理。那這裡會自動的進行配音環境的一個校對。如果你缺相關的環境,它也會自動的幫你去裝。

42
00:03:56,000 --> 00:04:04,000
那這個其實這個後戶端,我已經幫大家裝好了那個配音的環境。然後還有千問3的這個模型也給大家配好了。

43
00:04:04,000 --> 00:04:11,000
還有這個語音識別的whisper的模型。這裡一點需要大家需要注意。如果你本地有顯卡的話,你可以選這個median。

44
00:04:11,000 --> 00:04:16,000
如果你本地沒有顯卡的話,你可以選這個small或者說tiny去做語音的識別。

45
00:04:16,000 --> 00:04:24,000
這個是需要本地算力的,包括上面這個千問3這個TTS本質都是算力的。那我可以給大家看一下。

46
00:04:24,000 --> 00:04:32,000
像我任務管理器裡面的一些東西。任務管理器點擊性能。然後大家可以看到這裡的英偉達顯卡是會直接去占用的。

47
00:04:32,000 --> 00:04:43,000
如果你本地沒有顯卡,或者說你是macOS的設備,那你這裡可以把它開小一點。特別是macOS如果你是8GB的內存,你就不要想了。這個你基本跑不了。

48
00:04:43,000 --> 00:04:54,000
你至少也要有個16G或者說24G去運行,會比較流暢一些。而這個整個客戶端會比較大一點。大家需要注意,它大概是有10G

49
00:04:54,000 --> 00:05:02,000
一個Gb左右吧。大概這麼大。因為裡面有一些模型。然後還有就是除了說模型,還有就是一些依賴環境。

50
00:05:02,000 --> 00:05:12,000
Python的一些依賴環境。包括我們的配音模型和語音識別的這兩個模型。本質都在本地跑。你的這個雲端API只是用來跑那個翻譯的。

51
00:05:12,000 --> 00:05:22,000
我覺得接一個API去跑翻譯,效果會更好一些。等這個流程跑完。我們去看一下它的效果就好。

52
00:05:22,000 --> 00:05:32,000
好,我們來看一下這個任務快完成了。首先它做的是這個音頻的抽取。抽取完了音頻之後,進行語音的一個識別。

53
00:05:32,000 --> 00:05:39,000
然後整理了我們的一個字幕。然後再將字幕做了一個翻譯。因為我們的目標語言是英文。

54
00:05:39,000 --> 00:05:48,000
翻譯成了英語之後,再進行一個TTS的一個配音。配音完成之後,最後就是合成我們的音頻。

55
00:05:48,000 --> 00:05:56,000
那這次已經進行到了最後這一個片段,就是分成了70個片段嘛。那這裡就是具體的一個工作流程。

56
00:05:56,000 --> 00:06:05,000
整個操作其實就很簡單。你上傳的視頻,然後選好你的目標語種。對吧。還有一些字幕的顏色。或者說電影集的一些潤色。

57
00:06:05,000 --> 00:06:14,000
然後配一個那個翻譯的模型。那就在這裡。我這裡選了一個翻譯的模型。最後就是點一下開始處理。

58
00:06:14,000 --> 00:06:20,000
然後這裡就會進行自動化的處理。現在再進行混合音軌,並且封裝到這個視頻裡面來。

59
00:06:20,000 --> 00:06:26,000
那我們可以點開去看一下。到時候應該就會在我們這一個Subflow的,

60
00:06:26,000 --> 00:06:32,000
這個項目裡面。那這裡會生成一個視頻。這裡是剛才的這一個視頻。

61
00:06:32,000 --> 00:06:35,000
這是原版的視頻,我們可以先打開來看一眼。

62
00:06:35,000 --> 00:06:38,000
然後通過這個。

63
00:06:38,000 --> 00:06:42,000
這是原版的這個視頻。

64
00:06:42,000 --> 00:06:48,000
然後它是完全沒有字幕的。是我之前自己錄的一個視頻。

65
00:06:48,000 --> 00:06:53,000
對吧。然後完全沒有字幕。那這裡生成的是這個音中版本的。

66
00:06:53,000 --> 00:06:57,000
那這裡還沒有。這裡已經生成完成了。我們可以看一下。

67
00:06:57,000 --> 00:06:59,000
打開這個。

68
00:06:59,000 --> 00:07:01,000
打開這個。

69
00:07:01,000 --> 00:07:05,000
音中字幕的一個版本。那下面兩個是它的那個字幕。

70
00:07:05,000 --> 00:07:12,000
SRT的一個字幕。那我們打開這個視頻。這個視頻已經燒錄好了。就是把字幕那些東西都加進去了。

71
00:07:12,000 --> 00:07:17,000
大家可以看到。這裡不只是說。

72
00:07:17,000 --> 00:07:21,000
我們把這個中文的視頻換成了一個英文的視頻。

73
00:07:21,000 --> 00:07:25,000
而且配上了英文加中文的一個字幕。那這裡的音色。我用的是。

74
00:07:25,000 --> 00:07:33,000
千文的TTS的一個音色。然後選的是第一個男聲的一個聲音。OK。那這是。

75
00:07:33,000 --> 00:07:38,000
這一個演示。那大家可以看一下。就每一塊。

76
00:07:38,000 --> 00:07:41,000
大家都配。配上了相關的音中字幕。

77
00:07:41,000 --> 00:07:44,000
大家一般用的比較多的還是。

78
00:07:44,000 --> 00:07:47,000
國內小夥伴。一般用的比較多的就是這個中音字幕。

79
00:07:47,000 --> 00:07:52,000
就是中音雙語字幕。然後目標語種是中文。那他就不需要這個配音。

80
00:07:52,000 --> 00:07:55,000
和這個選音色。因為就是用你自己的一個聲音。

81
00:07:55,000 --> 00:07:59,000
那只有你選擇目標語種的時候。他才會出來配音。

82
00:07:59,000 --> 00:08:02,000
OK。這是一塊。第二塊就是說。

83
00:08:02,000 --> 00:08:06,000
當大家在做這個subflow。特別是。

84
00:08:06,000 --> 00:08:11,000
在進行這個視頻下的時候。你的那個視頻的那個cookie可能會到期。

85
00:08:11,000 --> 00:08:14,000
你需要更換自己的cookie。那怎麼去更換呢?

86
00:08:14,000 --> 00:08:18,000
是需要在這個cookies的項目文件夾內有兩個文件。

87
00:08:18,000 --> 00:08:21,000
一個是youtube的cookie。一個是bilibili的cookies。

88
00:08:21,000 --> 00:08:24,000
那我們怎麼去獲取這個cookie呢?

89
00:08:24,000 --> 00:08:29,000
首先第一步我們是需要在那個我們的導航頁。然後往下滑。

90
00:08:29,000 --> 00:08:34,000
往下找。找到有一個叫chrome插件的商店。當然你用的edg。

91
00:08:34,000 --> 00:08:38,000
你可以用這個edg的插件商店。然後進到這裡面來之後。

92
00:08:38,000 --> 00:08:43,000
我們搜索getcookies。搜索getcookies。大家可以看到我安裝的是這個版本。

93
00:08:43,000 --> 00:08:48,000
叫getcookies.textclean。這個東西。那怎麼去用呢?

94
00:08:48,000 --> 00:08:53,000
比如我這裡是youtube。那我只要在這個位置點一下。

95
00:08:53,000 --> 00:08:56,000
然後我們就可以copy他的youtube的cookies。

96
00:08:56,000 --> 00:09:01,000
那我們把這個cookies複製一下。然後填到這一個文檔裡面來。

97
00:09:01,000 --> 00:09:05,000
然後雙擊打開。那填到這裡面來。把原來這個刪除。

98
00:09:05,000 --> 00:09:09,000
如果你沒有的話。那你只貼進來。然後保存上。

99
00:09:09,000 --> 00:09:11,000
這個時候我們的cookies就更換成功了。

100
00:09:11,000 --> 00:09:15,000
YouTube。Bilibili是一樣的。你只要隨機打開Bilibili的網頁。

101
00:09:15,000 --> 00:09:19,000
然後用同樣的方法。比如我這裡隨便打開一個Bilibili的網站。

102
00:09:19,000 --> 00:09:23,000
然後我只要點一下這個按鈕。然後點擊copy。

103
00:09:23,000 --> 00:09:30,000
就可以把b站的cookies給他copy下來。然後這樣的話就可以再線去把雲端的視頻給他下載下來。

104
00:09:30,000 --> 00:09:34,000
當然如果你是本地視頻你直接上傳就好了。

105
00:09:34,000 --> 00:09:41,000
OK。這就是本期我想分享給大家的有關於我們這一款叫Subflow與Mood的這一款。

106
00:09:41,000 --> 00:09:47,000
直接提供了我們Windows和MacOS的一個客戶端。大家直接下載客戶端去使用就好了。

107
00:09:47,000 --> 00:09:53,000
好。大家對這個項目感興趣的話可以幫我們點一點小信心。點一下fork。

108
00:09:53,000 --> 00:09:57,000
謝謝。這就是本期視頻的全部內容。謝謝大家。