弹弹Play播放器使用AI语音识别为视频生成字幕

弹弹Play播放器使用AI语音识别为视频生成字幕。弹弹play支持通过AI语音识别技术，为视频生成字幕文件。

功能特点

• 识别率高，普通（Small）模型即可达到>90%的准确率
• 由 OpenAI Whisper 驱动，识别将完全在本地处理，无需联网
• 集成在弹弹play播放器中，即开即用，不需要安装 Python 等其他软件
• 使用 GPU 加速识别，支持 A/N/I 显卡
• UI方便简洁，一看即会

使用方法

进入 "AI语音识别" 界面

您可以通过多种方式进入“AI语音识别”界面，例如：

在播放界面中，右键弹出菜单，选择“弹弹play AI - AI语音识别”即可对当前文件进行语音识别

视频播放时，在播放器的【调整】边栏中，点击【AI语音识别】按钮：

播放列表界面中，选中多个视频，点击工具栏上的【AI语音识别】按钮：

媒体库中，右键点击视频，在出现的菜单中选择【AI语音识别】：

准备必要文件

在开始前，您需要提前下载两个必要的文件，将其放入指定的文件夹中：

• FFmpeg（弹弹play已自带）：约110MB，用来处理音频。 您也可以选择下载最新版的 ffmpeg.exe 手动解压。如果您下载的是zip压缩包，请手动解压其中的 exe 文件到指定文件夹。
• AI模型文件：用来识别音频内容。 请根据需求选择要使用的模型。我们推荐使用普通（Small）或中等（Medium）模型来识别动画，可以在识别率、识别速度中取得不错的平衡。如果对效果不满意可以再换成别的模型尝试。 模型文件需要自行下载。点击“去下载”链接打开浏览器下载文件，下载到的 .bin 文件请放到指定的文件夹中。

选择语言并开始识别

点击最下方的【开始识别】按钮启动后台语音识别。弹弹play将首先处理视频中的音频轨道，然后加载 AI 模型，之后开始识别其中的内容。

识别出的内容将不断更新在下方列表中，您可以随时查看。点击【中断】按钮可以提前结束识别任务。

转换速度将由您的 GPU 速度、模型大小共同决定。举例来说，在使用 NVIDIA GTX 2060 的笔记本电脑上，选择普通（Small）模型识别一个时长24分钟的TV动画视频，将花费约 2~4 分钟时间。音频中的无人声/环境音部分可能会降低识别速度。

生成字幕或导出数据

转换完成后，将根据设置（如果选择了生成字幕选项），自动生成 SRT 格式的字幕文件。

您也可以在识别结果区域右键点击，进行更多高级操作：

如果您正在批量处理视频，识别结果区域将显示选中文件的识别结果。

关于 GPU 加速识别

弹弹play的 AI语音识别 功能强制使用 GPU 加速识别（此选项默认开启，无法关闭），相比旧版本的 CPU 识别，会获得至少 10 倍的速度提升。但开启 GPU 识别功能，对软硬件都有一些要求：

• 需要一个支持 DirectX 11 的显卡，不是非常旧的显卡一般都可以
• 操作系统至少为 Windows 10 版本 1803 (10.0.17134.0)
• 系统中有 VC++ 2022 x64 运行库。

已知问题

如需处理音频文件，请在播放器界面右键打开菜单，选择“弹弹play AI - AI语音识别”菜单项，此处支持选择音频格式的文件。

如果系统中只有核芯显卡，没有独立显卡，可能无法使用 GPU 加速识别，此时会自动降级为 CPU 识别模式，识别速度会较慢。

UWP 版本由于商店限制，无法运行语音识别功能。

目前不支持 Whisper 最新的 Large v3 版本的模型文件，如需使用 大型（Large）模型，请下载文件名中带“v2”的版本。下载后仍将其命名为指定的文件名，如 ggml-large.bin 。