字幕テキストの生成方法
どうやってテキストを生成しているのか調べたところ、このrubyスクリプトを使っていました。
asciiwwdc-scraper.rb
WWDCのビデオには字幕付きのものがあります。字幕付きのビデオには、「Web Video Text Track (WebVTT:キャプション対応ビデオを作る際に使用する、キャプションを記述したテキストファイル）」が付属していて、そのファイルから字幕テキストを抽出していました。
大まかな流れは次のとおりです。
- https://developer.apple.com/videos/wwdc/2014/ のHTMLを取得
- HTMLからmovファイルのパスを探す
- 2.のパスを基に、subtitles/eng/prog_index.m3u8をダウンロードする
- prog_index.m3u8のテキストデータから、ファイル名.webvttの文字列を探す（例:fileSequence0.webvtt）
- webvttファイルをダウンロードする
- webvttのテキストデータを読み込んで、バッファに追加する
- 5.から6.を繰り返す
スクリプトを実行すると、セッション毎のvttファイルが作成されます。
MU3ファイル
http://devstreaming.apple.com/videos/wwdc/2014/403xxksrj0qs8c0/403/subtitles/eng/prog_index.m3u8
1つの.webvttファイルに、60秒分の字幕情報が記述されている。
$ curl http://devstreaming.apple.com/videos/wwdc/2014/403xxksrj0qs8c0/403/subtitles/eng/prog_index.m3u8
#EXTM3U
#EXT-X-TARGETDURATION:60
#EXT-X-VERSION:3
#EXT-X-MEDIA-SEQUENCE:0
#EXT-X-PLAYLIST-TYPE:VOD
#EXTINF:60.00000,
fileSequence0.webvtt
#EXTINF:60.00000,
以下、省略
Web Video Text Track (WebVTT) ファイル
キャプション対応ビデオを作る際に使用する、キャプションを記述したテキストファイル
http://msdn.microsoft.com/ja-jp/library/jj152136(v=vs.85).aspx
http://d.hatena.ne.jp/sparkgene/20111216/1323988362
$ curl http://devstreaming.apple.com/videos/wwdc/2014/403xxksrj0qs8c0/403/subtitles/eng/fileSequence1.webvtt
WEBVTT
X-TIMESTAMP-MAP=MPEGTS:181083,LOCAL:00:00:00.000
00:00:59.246 --> 00:01:02.206 A:middle
and how you can use them
to make your code safer.
00:01:02.826 --> 00:01:05.245 A:middle
We're going to talk to you
about memory management in Swift
00:01:05.245 --> 00:01:06.856 A:middle
and how it's largely automatic.
00:01:07.966 --> 00:01:09.916 A:middle
We're also going to talk
about initialization
00:01:10.486 --> 00:01:13.386 A:middle
and how you can take advantage
of the power of closures
00:01:13.686 --> 00:01:15.226 A:middle
and pattern matching
in your code.
以下、省略