Adicionando Legendas em Vídeo de forma automática por Reconhecimento Automático de Fala

Que tal adicionar legenda naquele filme que você baixou rodando apenas uma linha de comando? Usando reconhecimento automático de fala em áudio isso é possível! E muito mais!

[ Hits: 2.555 ]

Por: leandro peçanha scardua em 07/01/2024 | Blog: https://leandropecanhascardua.github.io/


Instalação



Que tal adicionar legenda naquele filme que você baixou rodando apenas uma linha de comando?

Usando reconhecimento automático de fala em áudio isso é possível! E muito mais!

Vosko é um toolkit para reconhecimento de fala que fornece um aplicativo de linha de comando para transcrição automática de áudio. Ele tem a vantagem de trabalhar offline e não necessita de uma chave de registro em API proprietária tal como Google, IBM, Bing etc.

Tem suporte a mais de 20 idiomas, como Inglês, Espanhol, Português, Francês entre outros e também fornece módulos para desenvolvimento, permitindo ao desenvolvedor criar seu próprio código caso queira. Contudo, este artigo se refere à ferramenta de linha de comando que vem junto com a instalação, o vosk-transcriber.

Devemos ter em conta sempre que a transcrição não será perfeita e que ajustes sempre serão necessários. Às vezes mais, às vezes menos. Se a transcrição que você deseja fizer parte de um trabalho importante, sempre revise o resultado.

Devemos também ter em mente que a transcrição de conteúdo que tenha mais de um idioma sendo falado (comum no ramo da informática), não será boa. Mais uma razão para uma revisão posterior!

A instalação é simples, porém há a necessidade da instalação do pacote Pipewire para o Jack, além de ter o Python versão 3 instalado - o que já é pré-requisito nos sistemas Linux atuais-- além do pip. O endereço para baixar o Jack para Pipewire é:

https://pkgs.org/download/libjack.so.0()(64bit)

E escolha ali a opção da sua distribuição de Linux. No Opensuse Tumblerbleed, por exemplo, você vai precisar desses dois pacotes:

libjack0-1.9.22-2.3.x86_64.rpm Jack Audio Connection Kit Library
pipewire-libjack-0_3-0.3.84-1.1.x86_64.rpm

Eles podem ser baixados usando o seu programa de gerenciamento de pacotes.

Então, em modo usuário, digite no Terminal:

pip3 install vosk

Se der erro, tente o comando:

pip3 install --break-system-packages vosk

E pronto! A mágica já está feita! Este comando vai instalar o vosk-transcriber, que já pode ser chamado pela linha de comando:

vosk-transcriber -h


$ usage: vosk-transcriber [-h] [--model MODEL] [--server] [--list-models] [--list-languages] [--model-name MODEL_NAME] [--lang LANG] [--input INPUT] [--output OUTPUT] [--output-type OUTPUT_TYPE] [--tasks TASKS] [--log-level LOG_LEVEL]
$
$ Transcribe audio file and save result in selected format
$
$ optional arguments:
$ -h, --help show this help message and exit
$ --model MODEL, -m MODEL
$ model path
$ --server, -s use server for recognition
$ --list-models list available models
$ --list-languages list available languages
$ --model-name MODEL_NAME, -n MODEL_NAME: select model by name
$ --lang LANG, -l LANG : select model by language
$ --input INPUT, -i INPUT : audiofile
$ --output OUTPUT, -o OUTPUT : optional output filename path
$ --output-type OUTPUT_TYPE, -t OUTPUT_TYPE : optional arg output data type
$ --tasks TASKS, -ts TASKS :number of parallel recognition tasks
$ --log-level LOG_LEVEL : logging level

Se desejar consultar o site do projeto, basta acessar o site https://alphacephei.com/vosk/ que possui um guia rápido das opções do comando:

  • -i - arquivo de entrada, arquivo com o áudio a ser processado;
  • -o - arquivo de saída em formato texto;
  • -t - tipo de saída (podemos informar que queremos um formato de legenda);
  • --list-languages - listar os idiomas disponíveis para transcrição;
  • --list-models - listar os modelos treinados disponíveis. Um modelo com mais dados pode fornecer uma transcrição mais precisa;
  • -n - seleciona o modelo;
  • -l - linguagem do áudio.

Estes são os comandos mais básicos. Rodando com a opção -h como fizemos no exemplo acima fornece as opções completas.

    Próxima página

Páginas do artigo
   1. Instalação
   2. Transcrevendo
   3. Conclusão
Outros artigos deste autor

Debugando aplicações PHP usando phpdbg - parte 01

Rodando um aplicativo em modo Kiosk no Ubuntu Linux 20.04

Leitura recomendada

Docalysis: Análise de Documentos com Inteligência Artificial

Docalysis: Análise de Documentos com Inteligência Artificial

Como ter o chatGPT no terminal Linux

Como usar o ChatGPT para melhorar a educação dos seus filhos

O espaço e a segurança cibernética

  
Comentários
[1] Comentário enviado por maurixnovatrento em 14/01/2024 - 14:22h

Era isso que eu queria. Muito bom. Só uma dúvida? Precisa do pipewire instalado no sistema pra funcionar o pipewire-libjack?

___________________________________________________________
https://www.youtube.com/@LinuxDicasPro
https://github.com/mxnt10

[2] Comentário enviado por fabio em 17/01/2024 - 02:55h

Muito útil o tema do artigo, parabéns!


Contribuir com comentário




Patrocínio

Site hospedado pelo provedor RedeHost.
Linux banner

Destaques

Artigos

Dicas

Tópicos

Top 10 do mês

Scripts