科普视频双语字幕生成系统的设计与实现

作者：周城光; 周军; 韦向峰; 周文佳; 王荣泉

来源：网络新媒体技术, 2023, 12(02): 62-68.

DOI：10.20064/j.cnki.2095-347X.2023.02.008

• 科普
• 视频字幕
• 语音识别
• 机器翻译

利用云端语音识别引擎和机器翻译引擎，结合开源语音处理软件ffmpeg,设计并实现了一个科普视频汉英双语字幕生成的系统。将科普视频文件用开源软件提取音频内容，调用百度云端语音识别引擎(https://aip.baidubce.com/)联合汉语科普知识库，实现语音到汉语字幕及其时间线的转换；调用百度云端机器翻译引擎(http://api.fanyi.baidu.com/)联合汉英科普对译库，将汉语字幕翻译为英文字幕，并对应到汉语字幕的时间线上，最后生成科普视频的汉英双语云端语音识别字幕。本文利用真实科普视频评估了本文所提系统的处理能力，从汉语语音到英文字幕总正确(可懂)率为77.3%;进一步分析该字幕生成系统的人工用时，接近全人工处理的1/5,能够有效降低人工成本，提高科普视频汉英双语字幕的生成效率。

• 出版日期2023
• 单位中国科学院声学研究所