剪映专业版字幕导出随笔 |
您所在的位置：网站首页 › 剪映导出来字幕滞后 › 剪映专业版字幕导出随笔 |
剪映专业版字幕导出随笔
|
目录
剪映专业版字幕导出随笔环境准备字幕生成字幕捕获字幕处理小结
剪映专业版字幕导出随笔
最近有个识别视频中人声转成字幕并导出的小需求，找了一圈发现头条系的剪映专业版真好用，借助剪映专业版的识别字幕功能，以及抓包工具 fiddler 获取到字幕的json文件，实现“字幕导出”。特以此文纪念一下，截止2021年03月14日12:19:26，此方法有效，不排除剪映升级后方法可能失效。 环境准备首先必须安装剪映专业版，如果您还没用过剪映专业版，请自行搜索关键字【剪映】下载安装；另外需要安装抓包工具，笔者安装的是【Fiddler】，值得注意的是需要开启 https 抓包模式。 环境截图如下： 剪映 Fiddler 首先，我们将视频导入到剪映素材中，如下图所示，导入成功之后会生成视频预览，并且左边小窗上回显示已添加。 然后呢，我们有条不紊地打开抓包工具，并开启 HTTPS 模式，这一步值得注意的是需要信任证书。 这时我们最好加个筛选条件，只显示lv-pc-api.ulikecam.com这域下的请求，也就是剪映字幕处理的接口。如果此时字幕已处理完毕，则重新点下上文步骤中的【开始识别】按钮。 由于笔者处理的视频比较长，大概有一个半小时，因此生成字幕的时间比较久，也是笔者不慌不忙的原因，稍等片刻，发现 fiddler 不再吐新的请求信息了，最终https://lv-pc-api.ulikecam.com/lv/v1/audio_subtitle/query 这个接口返回的就是我们的字幕。 最后一步了，其实我们只需复制上一步抓到的JSON数据就实现了字幕导出。处理这个JSON数据的方式有很多，比如可以借助一些公开的小工具，把这个JSON数据直接转成SRT字幕文件，也可以通过编程语言来自行编写程序按照自己的需要来处理。笔者比较熟悉的是JavaScript，因此使用NodeJS来处理，最终生成文本格式的文件。 先来看看笔者抓到的字幕数据格式： { "ret": "0", "errmsg": "success", "svr_time": 1615699052, "log_id": "202103141317310102121441631D8D72AD", "data": { "utterances": [{ "text": "直播课堂", "start_time": 0, "end_time": 896, "words": [{ "text": "直", "start_time": 0, "end_time": 258 }, { "text": "播", "start_time": 258, "end_time": 360 }, { "text": "课", "start_time": 360, "end_time": 520 }, { "text": "堂", "start_time": 520, "end_time": 896 } ] }, { "text": "又一次跟大家见面了", "start_time": 2063, "end_time": 3680, "words": [{ "text": "又", "start_time": 2063, "end_time": 2240 }, { "text": "一", "start_time": 2240, "end_time": 2400 }, { "text": "次", "start_time": 2400, "end_time": 2576 }, { "text": "跟", "start_time": 2663, "end_time": 2840 }, { "text": "大", "start_time": 2840, "end_time": 2980 }, { "text": "家", "start_time": 2980, "end_time": 3120 }, { "text": "见", "start_time": 3120, "end_time": 3296 }, { "text": "面", "start_time": 3303, "end_time": 3496 }, { "text": "了", "start_time": 3503, "end_time": 3680 } ] }, { "text": "我还是大家熟悉的主持人美娜", "start_time": 3680, "end_time": 6656, "words": [{ "text": "我", "start_time": 3680, "end_time": 3856 }, { "text": "还", "start_time": 3863, "end_time": 4056 }, { "text": "是", "start_time": 4103, "end_time": 4296 }, { "text": "大", "start_time": 4543, "end_time": 4700 }, { "text": "家", "start_time": 4700, "end_time": 4856 }, { "text": "熟", "start_time": 5023, "end_time": 5216 }, { "text": "悉", "start_time": 5223, "end_time": 5380 }, { "text": "的", "start_time": 5380, "end_time": 5500 }, { "text": "主", "start_time": 5500, "end_time": 5620 }, { "text": "持", "start_time": 5620, "end_time": 5740 }, { "text": "人", "start_time": 5740, "end_time": 5896 }, { "text": "美", "start_time": 6063, "end_time": 6256 }, { "text": "娜", "start_time": 6263, "end_time": 6656 } ] } ] } }因此，笔者的代码也非常简洁: const fs = require('fs') const rawdata = fs.readFileSync('./srt.json'); const {data} = JSON.parse(rawdata); const {utterances} = data let txt = '' for(let i of utterances) { txt += i.text + '\n' } fs.writeFile('srt.txt', txt, function (err) { if (err) { return console.error(err); } });最终生成的txt文件如下图： 本次分享就到这，其实整个步骤也非常简单，只是在剪映专业版识别字幕的基础上对识别请求进行抓包，最终获得JOSN数据。如果您有更好的处理方式，欢迎评论区留言与我分享。 |
数据处理我使用的 NodeJS，此处就不展开介绍了，如果您不会代码，可以搜索一下【剪映字幕转srt】
接着，我们切换到到【文本-识别字幕】，点击【开始识别】，此时剪映专业版就会识别视频中的人声，并自动在时间轴上生成字幕文件。 
当然如果您需要处理时间，处理start_time和end_time这两个字段即可。【本文地址】
今日新闻 |
推荐新闻 |