我的目标是在单独的文件中下载带有自动生成字幕的 YouTube 视频,例如
.vtt
、.srt
等。
我目前正在尝试通过
youtube-dl
实现这一目标,但如果需要,我愿意接受其他解决方案。
当我运行以下命令时,它将视频下载为
.mp4
(这很好)和单独的 .vtt
文件,但 .vtt
似乎不知何故搞砸了,并显示整个剪辑的所有文本一次而不是指定的时间。
我正在运行的命令:
youtube-dl --write-auto-sub https://www.youtube.com/watch?v=Roc89oOZOF4&list=PLJBo3iyb1U0eNNN4Dij3N-d0rCJpMyAKQ&index=45
下载此.vtt:
WEBVTT
Kind: captions
Language: en
00:00:05.960 --> 00:00:08.290 align:start position:0%
thank <00:00:06.003><c>you </c><00:00:06.046><c>ah </c><00:00:06.089><c>crap </c><00:00:06.132><c>well </c><00:00:06.175><c>looks </c><00:00:06.218><c>like </c><00:00:06.261><c>the </c><00:00:06.304><c>good </c><00:00:06.347><c>Lord </c><00:00:06.390><c>just </c><00:00:06.433><c>sent </c><00:00:06.476><c>me </c><00:00:06.519><c>a </c><00:00:06.562><c>conversation </c><00:00:06.605><c>starter </c><00:00:06.648><c>come </c><00:00:06.691><c>here </c><00:00:06.734><c>Jesse </c><00:00:06.777><c>come </c><00:00:06.820><c>get </c><00:00:06.863><c>the </c><00:00:06.906><c>ball </c><00:00:06.949><c>hmm</c>
00:00:08.290 --> 00:00:10.549 align:start position:0%
thank you ah crap well looks like the good Lord just sent me a conversation starter come here Jesse come get the ball hmm
00:00:10.549 --> 00:00:13.070 align:start position:0%
00:00:13.070 --> 00:00:15.470 align:start position:0%
00:00:15.470 --> 00:00:23.750 align:start position:0%
00:00:23.750 --> 00:00:23.760 align:start position:0%
00:00:23.760 --> 00:00:26.480 align:start position:0%
我了解到这可能是 YouTube 故意为之。
即使这是真的,有什么方法可以将其
.vtt
转换为可用的格式,或者只是从 YouTube 下载格式正确的自动生成的字幕?
Python、FFMPEG、命令行是首选,但任何东西都有帮助!
谢谢!非常感谢任何和所有帮助!
在
ttml
格式下,字幕有效。尝试一下:
yt-dlp --write-auto-subs --sub-format ttml --no-playlist "https://www.youtube.com/watch?v=Roc89oOZOF4&list=PLJBo3iyb1U0eNNN4Dij3N-d0rCJpMyAKQ&index=45"
ttml
转换为 srt
或 vtt
,您必须添加 --convert-subs srt
或 --convert-subs vtt
要转换 vtt 我使用这个
#!/bin/bash
for i in *.vtt;
do name=`echo $i | cut -d'.' -f1`;
echo $name;s
ffmpeg -i "$i" "${name}.srt";
done
删除重复项
我用这个,还是有问题,需要检查一下
#!/bin/bash
mkdir out
SAVEIFS=$IFS
IFS=$(echo -en "\n\b")
for f in $( find ./ -iname "*.srt" )
do
OIFS="$IFS"
IFS=$'\n'
awk '!visited[$0]++' "$f" > "./out/${f%.*}.srt"
IFS="$OIFS"
done
IFS=$SAVEIFS
删除前一行第二行的重复项
从当前行第一行开始
(参见第 1 行,共 11 个[原文])
行仍然重复,但现在是同一行
(见11和12)
10
00:00:19,670 --> 00:00:19,680
有免费无线网络信号11
00:00:19,680 --> 00:00:21,769
有免费无线网络信号
整个北美都没有人拥有12
00:00:21,769 --> 00:00:21,779
整个北美都没有人拥有
成为
10
00:00:19,670 --> 00:00:19,680
有免费无线网络信号
11
00:00:19,680 --> 00:00:21,769
整个北美都没有人拥有
12
00:00:21,769 --> 00:00:21,779
整个北美都没有人拥有
编辑某人已经制作的应用程序以修复重复的行 在这里找到它 https://github.com/bindestriche/srt_fix