Bilibili 字幕语料库

Posted 2021-05-18 泰 戈 尔

文章目录

• • • 0 背景
    • 1. 方案汇总
    • 2. 可行性分析
    • • 2.1 tessertart-OCR
      • 2.2 音频抽取转换
      • 2.3 自有字幕文件
    • 3. 字幕语料库构建
    • • 3.1 获取弹幕信息
      • 3.2 转码处理
      • 3.3 转换处理
    • 4. 语料库建设
    • • 4.1 构建模型
      • 4.2 测试模型
    • 5. 预期收益

0 背景

近期在观看 Bilibili 视频的时候，发现一些 UP 主的视频从内容上来看都很精良，但却似乎少了点什么，粉丝量，播放量都上不去。想了想，是文案！按我的理解，大部分同类型同题材的 UP 主的文案都是类似的，撇开文案版权的问题（毕竟，读书人的事嘛[旺柴][旺柴][旺柴]，怎么能叫偷呢࿰