一. 字幕对于不同语言的电影来说都是非常重要的。
对于观看非母语电影的人群，字幕能够帮助观众更好地理解对话和情节发展。
二. 电影字幕的生成
电影字幕的生成，依赖语音转文本（Speech-to-Text，STT）的技术。
随着语音技术和机器学习的发展，语音转文本技术也取得了长足的进步。
而OpenAI的Whisper是目前识别率较高的模型。下面讲展示如何调用基于 fast-whipser 开源模型得到电影的字幕.
制作视频字幕的利器 stt v0.94 整合包 附全部模型
stt是一个离线运行的本地语音识别转文字工具，基于 fast-whipser 开源模型，可将视频/音频中的人类声音识别并转为文字，可输出json格式、srt字幕带时间戳格式、纯文字格式。可用于自行部署后替代 openai 的语音识别接口或百度语音识别等，准确率基本等同openai官方api接口。
预编译Win版使用方法/Linux和Mac源码部署
1.下载整合包文件
2.下载后解压到某处，比如 E:/stt （路径不要有中文）
3.双击 start.exe ，等待自动打开浏览器窗口即可
4.点击页面中的上传区域，在弹窗中找到想识别的音频或视频文件，或直接拖拽音频视频文件到上传区域，然后选择发生语言、文本输出格式、所用模型，5.点击“立即开始识别”，稍等片刻，底部文本框中会以所选格式显示识别结果
如果机器拥有英伟达GPU，并正确配置了CUDA环境，将自动使用CUDA加速
全过程无需联网，完全本地运行，可部署于内网
所有操作都是在本地进行，不用担心泄露什么。先把视频文件或者语音文件拖进来。然后选好语音，选好模型。点立即识别等待几十秒后就可以在下面的框框里看到识别后的文字。字幕是带有时间戳的，把txt文件的后缀改成.srt，直接拖到视频剪辑软件里面就可以了。
为了方便小伙伴们的使用，我已经把所有的模型都放在压缩包里了，省得你们再去找模型了。
下面说下这些模型我的使用心得。
base 处理速度最快，但是效果也是最差
small 和base差不多
我觉想准确率高点的话 至少要用medium。但是用medium有个bug，就是生成文字里面有繁体中文。解决也很简单用繁体转简体工具转换一下就好了
large-v2和v3 这2个模型效果是最好的，但是处理时间也是最长的。
所以小伙伴可以根据自己的需求来试试各个模型。
