如何使用 Ai 辅助啃生肉
本帖最后由 yww 于 2023-7-15 17:50 编辑声明：以下内容只适用于和我一样的菜鸟，不适合专业字幕组
--更新--
找到了可以全文翻译的ai, 见下文
下面正文
相比有很多同学和我一样，日语无力，但是从pt/bt 下载的很多资源，除了正片能在互联网上找到字幕之外，像是某些特典，广播剧，评论音轨都是难以找到字幕的。
往往辛辛苦下载的资源到手只能吃灰。
https://s1.ax1x.com/2023/07/02/pCDBWFA.png
但是现在时2023年了，AI 遍地开花，我们何尝不试试用现代科技帮我门解决生肉的难题。
准备工作
WhisperDesktop: github.com/Const-me/Whisper
CharGPT/翻译软件 Chatgpt没有账号也可以试试 Chatgpt 代理
操作系统我使用的 Win10
另外，你必须要准备一张显卡并安装好驱动(显存越大越好，我使用的Tesla P4, 8gb 足够了)
正式开始
首先介绍一下 WhisperDesktop， 这个项目是基于 Whisper.cpp 编写的一个Windows客户端，用来实现语音转文本的听写能力，解决了我们听不懂的问题，客户端的详细说明可以参考github 页面上描述。
使用方法如下， 首先我们需要在release 页面下载最新的客户端，地址: github.com/Const-me/Whisper/releases
https://s1.ax1x.com/2023/07/02/pCDBfJI.png
找到资源（Assert）中的 WhisperDesktop.zip 下载即可。
第一次运行的时候，需要下载一个模型用来识别语言，下载链接: huggingface.co/ggerganov/whisper.cpp(原链接失效了，感谢评论区的同学指正)
这一步根据你显存的大小选择， 选能支持的最大模型就可以.
https://s1.ax1x.com/2023/07/02/pCDBoy8.png
下载好之后，在 Model Path 中，选择下载好，Model Implementation 选择GPU，点击进入下一步。
https://s1.ax1x.com/2023/07/02/pCDBqoj.png
上面的语言，根据音频的自身的语言选择即可，Translate 不要勾选（勾选了会自动翻译成英语）
Transcribe File 选择音频或者视频文件（如果发现不支持，可以先使用FFMpeg 转换成mp3 等文件再试。
Output Format 中选择输出格式，我们是做字幕，所以选择Subrip Subtitle(srt)
Place that File to input folder 勾上之后，会自动将生成的srt 放在视频文件同目录下，你也可以不勾选，自己选择输出位置
一切就绪之后，选择Transcribe 开始听写，听写花费的时间和音频长度成正比
https://s1.ax1x.com/2023/07/02/pCDBjWq.png
听写的字幕软件，时间轴可能不一定完全准确，可以用你喜欢的字幕软件调整时间轴，比如Aegisub，虽然听不懂，但是也可以用断句的时间大概蒙出来。
当然，你也可以直接凑合用。
有了字幕文件之后，那么有两个选择， 第一个是直接给Google Translate 机翻，新建一个word 文件，将字幕贴进去，翻译，再拷贝回来就可以了。
这种方式速度快，勉强也能看懂。不过既然是2023年，我们也有更好的解决方案。
你可以使用 Chatgpt 或者 Chatgpt 代理，其他类似Chatgpt 的工具也可以。
然后给他说
我接下来会输入一个字幕文件，你将它翻译成中文后输出给我，明白了回复OK.
他会回复一个好的。
然后你把字幕文件贴进去，太长了可能需要分段一下。
接着就等他给你翻译，你甚至可以要求他给你翻译的同时保留原文，这样就是双语字幕了。
可能需要稍微调整一下格式。
https://s1.ax1x.com/2023/07/02/pCDDSyT.png
效果：
https://s1.ax1x.com/2023/07/02/pCDDCmF.png
--分割线--
所有工具都不是我开发的，单纯只是一个搬运工，能帮到大家很开心。
AI幻听问题，我也遇到了过，有时候换一个模型就没有，很奇怪，我也不太懂原因。
--全文翻译AI--
找到了一个可以全文翻译的ai, 链接：claude.ai， 需要科学上网，大陆以及香港地区不可使用。
可以直接上传txt文件。
效果如下
https://s1.ax1x.com/2023/07/15/pC5g9yt.png
虽然嫌麻烦（代理这个对我来说有点难），但是我大受震撼，给大佬点赞了。
确实这解决了不少痛点，尤其很多以前VCB都附带了评论音轨 600:00:14,000 Lambholl 发表于 2023-7-2 23:49
600:00:14,000
格式自己稍微调整一下即可
与中酱 发表于 2023-7-2 23:12
虽然嫌麻烦（代理这个对我来说有点难），但是我大受震撼，给大佬点赞了。
确实这解决了不少痛点，尤其很多 ...
有很多代理网站，不需要注册，google 搜索 chatgpt 代理即可，可能需要科学网络才能访问就是了 yww 发表于 2023-7-3 21:32
有很多代理网站，不需要注册，google 搜索 chatgpt 代理即可，可能需要科学网络才能访问就是了 ...
是的，关键就是在于这个科学上网，实在是我个人的一个痛点啊，没这个能力，现在需要下VCB种子都是让肉身在外的同学帮我下。
梯子对我来说有点小贵了，使用频率太低了，我万年才有一次访问需求，直接找同学完事
但是楼主的这项技术真的！真的！真的好棒，毕竟有些评论音轨都比正片都有意思，啃不动的有Ai辅助翻译可太香了
本帖最后由 孤雨独火 于 2023-7-5 00:51 编辑
与中酱 发表于 2023-7-4 23:37
是的，关键就是在于这个科学上网，实在是我个人的一个痛点啊，没这个能力，现在需要下VCB种子都是让肉身 ...
你都有磁链了为什么还要人带种子？？？{:4_93:}
这串数字对应磁链的hash
截图中识别语音的模型链接404了，贴上新的链接：huggingface.co/ggerganov/whisper.cpp
不用谢我{:4_684:} 本帖最后由 默沨 于 2023-7-5 10:42 编辑
试了试这准确性完全ok
这东西似乎也能用来生成歌词，输出带时间戳的文本可以直接用，试了下foobar2000可以直接识别，musicbee得改下格式
感觉我的cd有救了{:8_706:}
默沨 发表于 2023-7-5 10:23
试了试这准确性完全ok
这东西似乎也能用来生成歌词，输出带时间戳的文本可以直接用，试了下foobar2000可以 ...
srt泛用性挺高的，甚至能导进pr里{:4_684:}。