額……老鐵們，我老字幕組組長了。

雖然咱是字幕組組長，但是咱早在2018年左右的時候搬運視頻做字幕就不用手動聽譯打軸校對了，當時搬運油管視頻已經(jīng)可以直接用自動生成+機翻字幕錄屏就能實現(xiàn)大概能簡單看明白大意了。雖然憑借當時的水平?jīng)]法成為正規(guī)可與外國頻道合作的字幕組，但是搬運視頻其實已經(jīng)夠用了。

PS：咱當時相中的外國頻道是在頓涅茨克還是盧甘斯克來著，結(jié)果咱想和人家合作不光是因為咱本身沒有俄語翻譯這么簡單，而是咱看對面的情況咱自己內(nèi)部也不是很愿意，對面其實也不太穩(wěn)定。所以最后自然是不了了之。

所以其實咱的字幕組其實只有英語和少部分日語的翻譯能力，有日語翻譯能力也沒能力搞到片源，所以也沒有后續(xù)壓片之類的流程，因此其實咱這個字幕組最多只能在有圖源的情況下進行少量漢化，寫作字幕組讀作漢化組。

不過雖然如此咱當年也和老爺子的看法基本一致，那就是未來字幕組漢化組這種重復(fù)簡單的人力勞動一定會被AI取代，只是時間長短問題而不是會不會的問題，所以這期還是接著談AI字幕的問題吧：

上期在 視頻添加AI字幕并導(dǎo)出SRT（必剪API不需要上傳到視頻平臺生成）

我們迭代到本地視頻AI字幕生成（需要借助B站剪輯軟件在線API）之后有評論指出可以用更簡單的方法就能實現(xiàn)同樣的效果，在咱疑惑了很長時間之后對面提供了關(guān)鍵詞：剪映

所以咱簡單嘗試了一下

官網(wǎng)支持在線剪輯，然而點進去說不承認咱的Chrome是谷歌瀏覽器嗷

簡介也就看一樂，對于咱這種早年就做UP的老鬼畜壬來說沒啥可說的

AI剪輯的確降低了非編軟件的門檻，發(fā)力新賽道，大量普及AI應(yīng)用雀食讓營銷號戰(zhàn)爭后的B站yxh入門更容易了。

這里咱主要圖這個軟件的智能字幕，也就是AI字幕自動識別功能，希望通過這期找出和B站字幕API的區(qū)別

罐頭素材可還行，罐頭笑聲嗎

最高支持4K60，所以想玩8K的各位可以歇b了

最低配置要求： 得益于出色的優(yōu)化，即便在最低配置的環(huán)境下，您仍可較流暢運行并完成您的創(chuàng)作。

推薦配置 在強悍的硬件性能支持下，我們能為您帶來前所未有的創(chuàng)作體驗，使創(chuàng)作更上一個臺階。

硬盤空間 8 GB 可用磁盤空間 （用于程序安裝、緩存和媒體資源存儲） 8 GB 或更多的可用磁盤空間 或 高速固態(tài)硬盤 SSD

顯卡 NVIDIA GTX 900 系列及以上型號；AMD RX560 及以上型號；Intel HD 5500 及以上型號；顯卡驅(qū)動日期在 2018 年或更新；2 GB GPU VRAM（核顯共享RAM，包括在總RAM內(nèi)） NVIDIA GTX 1000 系列及以上型號；AMD RX580 及以上型號；顯卡驅(qū)動日期在 2018 年或更新；6GB GPU VRAM；NVIDIA顯卡： Win11下驅(qū)動版本推薦472.12版本（2021年9月20日）或更新

顯示器分辨率 1920 x 1080或更高分辨率 1920x1080 或更高分辨率；HDR顯示：推薦DisplayHDR 600或更高標準

操作系統(tǒng) Win 7/Win 8.1/Win 10/Win 11 或更高版本，64位操作系統(tǒng) Win 10/Win 11 或更高版本，64位操作系統(tǒng)

處理器 Intel? Core 第 6 代或更新款的 CPU 或 AMD Ryzen? 1000 系列或更新款的 CPU Intel? Core 第 8 代或更新款的 CPU 或 AMD Ryzen? 3000 / Threadripper 2000 系列或更新款 CPU

內(nèi)存 8 GB RAM 16 GB RAM，用于 HD 媒體；32 GB RAM，用于 4K 媒體或更高分辨率

聲卡 與 ASIO 兼容或 Microsoft Windows Driver Model 與 ASIO 兼容或 Microsoft Windows Driver Model

我看了一眼我最近剛被火絨救活的X58，還是決定直接先上了再說

問我干啥還能不運行怎么著，再說了有Windows安全警告也沒影響咱這機器之前掃出來4000多個病毒在里面蹦迪啊

安裝

很快啊

畢竟好歹是6核12線的X58，不是老雙核

環(huán)境檢測：您低于最低運行配置要求的電腦可以流暢使用

我：彳亍

操作界面邏輯基本和必剪差不多，咱倒是好奇這個剪映是綁定誰家的AI，不會是抖音快手吧？

基本上從界面找AI字幕的方法大同小異

文本-智能字幕

然后很快啊，就識別出來了，這期咱是在咱一直想提取文案順帶好好做個字幕的留存的為數(shù)不多的任正非老爺子的訪談這個視頻，簡單實驗一下效果

發(fā)現(xiàn)識別字幕過程中CPU有負載

GPU沒有負載，所以判定大概率這個識別依然是在線識別，CPU負責把視頻中的音頻軌壓制后上傳

然后得到的字幕軌咱依然沒有辦法導(dǎo)出

好在和對應(yīng)B站的必剪的工具一樣，剪映也有一套獨特的離線工具，看年代最近更新比B站的還早一些，看來應(yīng)該是剪映先開放的AI字幕API

使用起來基本是全自動的

會自動打開最近使用的項目，然后選擇里面體積最大的.JSON就可以轉(zhuǎn)字幕了

這個過程通過GUI操作起來比B站那種還需要手動拖入的感覺好多了

最后會得到SRT字幕，到時候轉(zhuǎn)ASS LRC SSA TXT啥的就是各位的事了，咱不能推薦什么在線工具因為可能失效

總之提取出來是這個效果的：

說實在的看起來比B站的字幕復(fù)雜很多，添加了字體和字號的定義還可以設(shè)置顏色

這里咱先不看字幕，簡單看下斷網(wǎng)使用的情況

果然識別不出來，說明這個流程和咱想的一樣，提取音頻上傳在線識別，所以各位明白什么意思，如果視頻里有什么不想讓人聽見的音頻或者害怕文案被共享還是謹慎使用這種。

其實對于這種工況來說，我們更需要的是OCR字幕區(qū)域自動文字識別+打軸獲取外掛字幕，然而這個軟件是肯定沒有

不過剪映的這個識別率也夠高的了，當年節(jié)目中沒有提供的字幕這里都能正確識別，基本很少出錯

不過對于人名專業(yè)術(shù)語啥的基本還是處于一個人工智障的狀態(tài)，這個只能說不能兩全吧除非專門訓(xùn)練過AI，不然誰來也沒轍，咱其實也沒指望他們能準確識別，給時軸打準就行了

其實咱因為這么多年一直都在靠錄像的暫停功能避免使用剪輯，就算剪輯也都是本地無損剪輯，所以除非對于字幕的需求比較高，不然一般不開非編軟件，更別提云剪輯了，但是現(xiàn)在能調(diào)用AI的話還是有點看頭的。

這里簡單說下這個字幕的問題，相比B站的字幕這個字幕最大的問題就是它生成的格式比較復(fù)雜也比較亂，直接上傳字幕B站識別不了恐怕不行

所以咱一開始想的辦法是用Word打開去除所有的非漢字，然后發(fā)現(xiàn)這招不太行

字幕里的非漢字也被去除了

好在字幕的格式信息都是一致的，所以直接善用替換就解決了

最后咱得到了非常干凈的文案，現(xiàn)在回過頭來看也算是明白老爺子當年的思路了，做芯片不要怕砸錢砸人才，因為未來科技上的競爭是需要比拼綜合科研實力的，老爺子身在這個位置他們能看見，所以當年的訪談不談華為的處境談基礎(chǔ)教育基礎(chǔ)研究，一定要加大投入，未來才會有希望。

現(xiàn)在咱發(fā)現(xiàn)有些人總在指責總想多快好省又想馬兒跑又想馬兒不吃草，指責其他國產(chǎn)芯片研發(fā)投入太高經(jīng)費太多產(chǎn)品比不過外國，卻忽略了約十年來即使有上百億級別的投入也比不上人外國隨便一家公司一年的研發(fā)投入零頭的零頭（英特爾一年約一百五十億美元，AMD一年五十多億美元，華為有一百四十多億美元，遠遠高于兆芯龍芯這種小公司）。所以多謝當年的這篇報道，讓咱一眼就能看穿龍芯圈的把戲。

老爺子高瞻遠矚，現(xiàn)在回頭看屬實眼界非凡，所以關(guān)于這個視頻咱希望各位有興趣都去看看，至少可以讀一下文字版：[面對面]任正非：再窮不能窮教師 [面對面]任正非：時下的華為

至于人工智能的普及咱現(xiàn)在是不要有什么疑慮的，未來肯定是要大規(guī)模應(yīng)用于生產(chǎn)生活，所以說提高教育水平和科學(xué)素養(yǎng)非常重要。至于本文談到的軟件的字幕水平，可以認為其實這種弱AI都是大同小異，因為上期評論區(qū)說的那個事咱也上隔壁群問了一下，有什么AI是遠遠強于現(xiàn)在現(xiàn)有的這幾家視頻平臺普遍應(yīng)用的AI，然后關(guān)鍵詞還真讓我們問到了，叫whisper，能聽懂人名和專業(yè)術(shù)語。也是基于transformer訓(xùn)練的，large模型的話要12g顯存，1060最大能跑medium，所以咱在考慮最近要不要弄一張P40以上的顯卡，或者等以后模型優(yōu)化好了之后可以用10G以下顯存跑了就上之前咱150包郵的P104-100試試，聽說配置挺困難的不一定什么時候能更。

就這樣，謝謝朋友們！