目的
動画内で話している内容を文字列に変換してファイルに保存する。
背景
前回のNo.3記事により、shotcutのmltプロジェクトファイルに動画を追加出来た。次はテロップを追加するための文字列を、動画の音声から文字起こしして用意する。
- No.3記事「shotcutのタイムラインに動画を追加する」
- No.2記事「Pythonとffmpegで動画の無音部分をカットする」
- No.1記事「shotcutで動画作ってyoutube投稿してみた」
環境
- Windows10 バージョン21H1(OSビルド19043.1348)
- Python3.9.1
- SpeechRecognition 3.8.1
- 動画撮影：iPhoneX
セットアップ
これまでの記事のセットアップを実施して、追加で以下のライブラリをセットアップする。
- Windowsキーを押す
- 検索ボックスに「cmd」を入力して決定する
- 以下のコマンドを実行する
cmd.exe
pip install SpeechRecognition
使い方
GitからSource code(zip)をダウンロードして、展開する。
展開したパスを「c:\Git\traning\」として、加工前の動画ファイルが「c:\temp\test.mov」なら以下のコマンドを実行する。
cmd.exe
cd c:\Git\traning\python\Movie
python movieHelper.py c:\temp\test.mov
動画と同じフォルダに、動画と同じファイル名で、文字起こしのテキストファイルが作成される。
自分のコードにimportして使うなら、movieHelper.pyファイルを取り込み、以下の通り記載する。
python
from movieHelper import MovieHelper
mh = MovieHelper('c:/temp/test.mov')
mh.mov_to_text()
おわりに
私は調べていませんが、SpeechRecognitionは最大で1分程度の音声ファイルしか変換できないそうです。
なるべく長く分割して変換しないと、文章が分かれてしまうので、良い変換がされないように思います。
そのうち、最適な区切り方も考えてみたいです。
次回は今回用意した文字列をテロップにする予定です。
関連リンク
参考サイト
以下の記事を参考にさせていただきました。ありがとうございました。
- hirasu1231@ハムレット型エンジニアさん「pythonで長い音声・動画からの文字起こしを実装する」
- yukara_13さん「PythonでWAVファイルを読み込む」
- siddhantsomaniさん「.wavファイルを複数の.wavファイルに分割する方法は？」