剪映+json解析将视频中的声音转换成文本

Posted 2023-03-31 fangye945a

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了剪映+json解析将视频中的声音转换成文本相关的知识，希望对你有一定的参考价值。

前言

有时候我们想将一段视频中的音频转换成文本，最简单最笨的方法就是通过人耳去听，然后通过打字打出来。但这种方法无疑是十分费劲的。机智的小伙伴肯定都知道我们可以借助语音识别工具来做这件事，但是比较现实的一点就是，很多识别软件不是要收费，就是识别准确率比较低。那么我们有什么办法可以既不花钱又准确的将视频中的音频转换成文本呢？

解决方法

有剪辑经验的小伙伴一定知道，剪映这款软件的字幕识别功能，其背后有字节跳动的语音识别技术支撑，对普通话的识别准确率是杠杠的。但是有一点是，他识别的字幕是分段的，要将它们一条条复制出来组成完整的文本，其工作量也不少。

那么，下面介绍一个简单的办法：

具体操作步骤

1.下载windows版本的剪映
2.导入视频
3.识别字幕（导入视频后，点击文本->智能字幕->开始识别即可）
4.等待一段时间后(时间长短与视频文件大小有关)，就会自动生成字幕了。
5.生成字幕后，关闭剪映，会自动保存为草稿。此时再打开剪映，右上角会出现草稿参数的方框，在方框中我们可以找到草稿保存的路径。
6.在windows资源管理器中打开保存位置，可以看到如下文件。
7.根据英文名称不难找出，draft_content.json 中就是我们草稿内容，刚刚生成的字幕文本也保存在这个json文件中。
8.既然是json文件，下一步自然就是json解析了，我们将字幕内容从这个文件中提取出来即可。
9.分析json文件，找出要解析的字段, 简化后的json结构如下:

"materials":"texts":["content":"<font id=\\"\\" path=\\"D:/Program Files/JianyingPro/3.0.5.8542/Resources/Font/SystemFont/zh-hans.ttf\\"><color=(1.000000, 1.000000, 1.000000, 1.000000)><size=5.000000>同学们好</size></color></font>"]

而我们需要的字幕内容，被三个xml元素标签包裹。

10.我们先通过json解析获取到content字段的内容，然后通过字符串处理的方法剔除xml标签，获取最终文本字幕内容。
如下是我写的一个简单的python脚本，可以方便快捷的处理剪映这个包含字幕的json文件：

import json

if __name__ == '__main__':
    with open("draft_content.json", "r", encoding='utf-8') as f:
        json_str = f.read()
        json_content = json.loads(json_str)
        texts_data = json_content["materials"]["texts"]
        for text_data in texts_data:
            content = text_data["content"]
            content = content[:-22]
            result = content.split("><size=")[1].split(">")[1]
            print(result)

11.直接将脚本与json文件放置在同一目录下，执行python脚本即可得到需要的字幕内容。

我们还可以通过重定向符号，直接将输出的内容生成文件

python3 parse_jianyin.py >> output.txt

怎样才能把文字转化成声音

在我们日常工作和日常学习中，我们可以使用【风云语音文字转换器】将文字转换成声音，如何转换呢？一起来看具体步骤。我们先在浏览器中搜索"风云语音文字转换器"，将其下载并安装在电脑上。如果已经下载过了这个工具，可以忽略这一步操作。

第二步、将语音文字转换工具安装好了之后，我们双击点开软件，软件功能界面上有三个主要功能，我们这次是要将文字转换成语音，我们点击中间的【文字转语音】功能。

第三步、进入转换界面，我们在文本框处输入需要转换成语音的文字。

第四步：在【背景音乐处】勾选是否开启背景音乐，如果需要开启的话，我们可以点击【选中音乐背景】，点击之后我们看到有很多不同场景的背景音乐，我们可以挑选合适的进行使用，也可以点击【添加音乐】处上传背景音乐。

第五步、设置【输出格式】，我们可以设置文字转换成的语音输出为MP3格式，也可以设置输出为WAV格式。

第六步、设置【语音类型】，【声音设置】，我们可以将文字转换成的语音设置为男声或者女声，还可以调节语速、语调、音量等等。设置好了后还可以先进行试听，如果不符合要求再继续调整。设置【输出路径】。

第七步、设置完成之后，文字转换的语音试听满意之后我们点击【开始转换】就可以将文字转换成语音啦。现在知道那些视频的AI语音怎么出来的了吧。

第八步、转换完成之后，在窗口跳出提示合成成功，我们点击【打开文件】，打开文字转换完成的语音。

参考技术A

想要把文字转成声音，可以在电脑上搜一下“浮云合音软件”，这个软件能把文字转成声音。

它拥有两种模式，十种声音，出来的声音效果不错，可以用于喜马拉雅、微信号等平台发布。

很多人怕转出来的声音是机器声，其实没有必要，浮云合音可以对声音的语速进行调节，还能对声音进行停顿时间间隔等设置，声音是很自然流畅的。

参考技术B 手机下载一个美册app，可以把文字合成语音。把在别处复制的文字，粘贴到上面，点击想要输出的语音类型，比如是萝莉音，小鲜肉音等，点击生成语音就可以了。
扩展资料：生成的语音可以用来做抖音视频，可以给自己拍摄的视频配音，因为有时候我们自己的声音并不适合配音，我们可以用自动生成美化过的语音来制作短视频。
除此以外还可以制作抖音文字视频，以前经常有人搬运视频来做文字视频，但是现在抖音审核很严格，搬运视频很容易封号，所以我们可以用文字转语音来创作视频内容做原创。这样封号的几率很低，也可以收获一票粉丝。
电脑可以下载voice reader安装。打开软件，粘贴或写入一段文字。可以设置中文朗读声音，男声，女声，童声。设置英文朗读声音，男声，女声。点击播放，朗读文字内容。点击打开，可以添加文本文件朗读。参考技术C

现在把文字转成声音都技术已经很成熟了，可以用一个简单的办法，如下图：