Python实现视频转音频、音频转文本加文本实体识别

2024-03-16 05:38:04
开发
19

文章目录

概述
必备第三方库
视频转音频
音频转文字
完整代码
命名实体识别NER
注意点

概述

本教程希望可以识别出目前活跃的视频平台（例如抖音、快手等）中视频文案中蕴含的实体信息，首先有两条技术路径：

直接提取视频帧，之后实现逐帧的字幕识别，最后合并为视频文案。
优点：准确性高；
缺点：首先不是所有视频都有字幕，另外对计算资源要求很高，逐帧识别非常耗时。
tips:有的视频会对重点字幕使用另外的颜色，或者放大字体等方式。
视频先转为音频文件，音频文件使用接口再转为中文文本。
优点：速度快，成本低。
缺点：准确性较差，首先依赖于语音转文字的准确率，对于特有名词等，以及方言
口音的识别较差，很难完全准确识别。
可以在理论上考虑两者方法的合并。

必备第三方库

moviepy&#

原文地址:https://blog.csdn.net/weixin_46530492/article/details/136752000 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：https://www.suanlizi.com/kf/1768753553146515456.html 如若内容造成侵权/违法违规/事实不符，请联系《酸梨子》网邮箱：1419361763@qq.com进行投诉反馈，一经查实，立即删除！

阅读全部