Python实现视频转音频、音频转文本加文本实体识别
- 开发
- 19
-
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
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!