Trước đây, thêm phụ đề cho video là một việc khá phiền phức.
Không khó, nhưng rất tốn công.
Bạn quay xong một đoạn video và muốn thêm phụ đề. Trước tiên phải chuyển giọng nói thành văn bản. Dù dùng công cụ nào, kết quả thường chỉ là một đoạn văn bản dài dính liền nhau, không có dấu câu, không ngắt câu.
Sau đó bạn phải chỉnh sửa thủ công: chỗ nào cần ngắt câu, chỗ nào cần xuống dòng, tên người nào bị nhận diện sai cần sửa lại.
Nếu còn phải dịch sang ngôn ngữ khác thì càng phiền hơn. Bạn phải dịch từng câu, rồi căn chỉnh lại với dòng thời gian.
Một video dài mười phút có thể mất một đến hai giờ chỉ để làm phụ đề.
Sau đó tôi phát hiện một công cụ mã nguồn mở, hoàn toàn miễn phí.
Cách sử dụng rất đơn giản: kéo video vào, chọn ngôn ngữ rồi nhấn bắt đầu.
Sau đó công cụ sẽ tự hoàn tất mọi việc còn lại.
Nhận dạng giọng nói, ngắt câu thông minh, sửa lỗi chính tả, thống nhất thuật ngữ chuyên môn, dịch sang ngôn ngữ khác và tạo tệp phụ đề.
Hoàn toàn tự động.
Tốc độ cũng rất nhanh. Một video dài mười bốn phút chỉ mất khoảng bốn phút để xử lý.
Chi phí cũng rất thấp, theo thông tin từ nhà phát triển là chưa đến một xu.
Công cụ sử dụng Whisper để nhận dạng giọng nói, với độ chính xác trên chín mươi lăm phần trăm. Công cụ hỗ trợ nhận dạng chín mươi chín ngôn ngữ, trong đó có tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn, tiếng Pháp và tiếng Đức.
Việc ngắt câu được thực hiện bởi mô hình ngôn ngữ lớn. Công cụ không chỉ cắt theo thời gian tạm dừng đơn giản, mà thực sự hiểu ngữ nghĩa rồi mới ngắt câu. Vì vậy, phụ đề tạo ra không bị kiểu như "Hôm nay tôi đã đi một nơi rất vui", mà sẽ tự nhiên hơn như "Hôm nay tôi đã đi đến một nơi rất thú vị".
Công cụ cũng tự động sửa các lỗi nhận dạng phổ biến. Chẳng hạn, một số thuật ngữ chuyên môn hoặc tên riêng hiếm gặp có thể bị nhận dạng sai khi chỉ dùng nhận dạng giọng nói; công cụ sẽ sửa giúp trong quá trình ngắt câu.
Nếu cần phụ đề đa ngôn ngữ, công cụ hỗ trợ dịch sang ba mươi bảy ngôn ngữ. Bản dịch cũng được thực hiện bằng mô hình ngôn ngữ lớn, không mang cảm giác cứng nhắc như dịch máy trực tiếp mà dựa trên ngữ cảnh, nên đọc tự nhiên hơn nhiều.
Các định dạng đầu ra gồm SRT, ASS và VTT, gần như bao phủ mọi định dạng phụ đề phổ biến.
Có một chi tiết tôi thấy được làm khá tốt. Công cụ tích hợp một số mẫu phong cách phụ đề như phong cách phổ biến kiến thức, phong cách tin tức và phong cách anime. Nếu thường xuyên làm video với nhiều kiểu giao diện khác nhau, bạn chỉ cần áp dụng mẫu, không phải tự chỉnh kiểu. Đặc biệt, phụ đề phong cách anime có nét viền và bóng đổ mang phong cách Nhật Bản, rất phù hợp để dùng ngay cho nội dung anime.
Công cụ cũng chạy hoàn toàn trên máy tính cục bộ. Video của bạn không cần tải lên bất kỳ máy chủ nào; mọi quá trình xử lý đều được thực hiện trên chính máy tính của bạn. Về quyền riêng tư dữ liệu, bạn không cần lo lắng. Nhiều công cụ phụ đề trực tuyến yêu cầu tải video lên, và điều khiến một số người bận tâm là phải gửi bản gốc lên máy chủ của người khác. Công cụ này không cần như vậy: xử lý cục bộ và xuất tệp cũng tại máy.
Yêu cầu phần cứng cũng không cao. Không cần card đồ họa đắt tiền, chỉ cần CPU là có thể chạy. Có GPU rời thì tốc độ sẽ nhanh hơn, nhưng chỉ dùng CPU vẫn xử lý bình thường. Tôi đã thử trên một chiếc laptop phổ thông; video dài mười phút mất khoảng sáu đến bảy phút để hoàn tất, hoàn toàn có thể chấp nhận được.
Công cụ còn có chế độ xử lý hàng loạt. Bạn chỉ cần kéo nhiều video vào cùng lúc, công cụ sẽ tự xếp hàng và xử lý. Sau khi hoàn tất, các tệp phụ đề sẽ được xuất đồng loạt. Với những người làm nội dung theo loạt, tính năng này giúp tiết kiệm rất nhiều thao tác lặp lại.
Công cụ phù hợp với người làm video ngắn, khóa học trực tuyến và nội dung đa ngôn ngữ. Nếu bạn cũng thường xuyên làm việc với phụ đề, hãy thử tìm hiểu. Miễn phí và mã nguồn mở, không tốn tiền; nơi đầu tiên là GitHub, nơi thứ hai là trang web chính thức.
Địa chỉ mã nguồn mở: github.com/WEIFENG2333/VideoCaptioner