README.md

VidToText

該專案是一個用於從影片文件中提取音訊並進行語音轉文字的 Python 工具。它使用 MoviePy 提取音訊，使用 Vosk 進行離線語音識別，將語音內容轉換為文字並保存到指定文件中。

功能

• 從影片文件中提取音訊
• 將提取的音訊轉換為單聲道 PCM WAV 格式
• 使用 Vosk 進行語音識別，將音訊轉錄為文字
• 自動創建輸出目錄並將轉錄文字保存為文件

模組介紹

VideoAudioExtractor

VideoAudioExtractor 是核心類，提供了以下方法：

• __init__(self, video_path): 初始化類實例，設置影片文件路徑。
• load_video(self): 加載影片文件。
• extract_audio(self, output_audio_path): 從影片中提取音訊並轉換為單聲道 PCM WAV 格式。
• transcribe_audio_with_vosk(self, audio_path, model_path, output_path): 使用 Vosk 進行語音轉文字，並將結果保存到指定路徑。
• close_video(self): 關閉影片文件以釋放資源。

環境依賴

• Python 3.6+
• MoviePy：用於處理影片和音訊文件
• pydub：用於音訊文件格式轉換
• Vosk：用於離線語音識別
• FFmpeg：用於音訊編碼（MoviePy 和 pydub 的依賴）

安裝步驟

1. clone項目：

   git clone https://github.com/your-repository/yc-vidtotext.git
   cd yc-vidtotext

2. 創建虛擬環境：

   python -m venv venv
   source venv/bin/activate  # Windows 上為 venv\Scripts\activate

3. 安裝依賴：

   pip install -r requirements.txt

4. 安裝 FFmpeg：

   • 請根據您的操作系統安裝 FFmpeg，確保 ffmpeg 可在系統路徑中訪問。
   • 您可以參考 FFmpeg 官網 獲取安裝方法。

5. 下載您所需要的 Vosk 語言模型：

   • 您可以從 Vosk 模型頁面 下載適合的語言模型，例如英文模型：

     wget https://alphacephei.com/vosk/models/vosk-model-small-en-us-0.15.zip
     unzip vosk-model-small-en-us-0.15.zip -d resources/language_models/

使用說明

您可以通過以下命令從影片中提取音訊並將其轉錄為文字。

直接運行 Python 腳本

python main.py `
    --video_path resources/video/demo_video.mp4 `
    --audio_path resources/audio/extracted_audio.wav `
    --model_path resources/language_models/vosk-model-small-en-us-0.15/vosk-model-small-en-us-0.15 `
    --output_path output/transcription.txt