字幕文件制作方式与Subtitle Edit介绍

王茂南

3081
文章

75
评论

2020年3月22日07:06:58

评论 3996字阅读13分19秒

摘要这一篇文章会介绍关于字幕文件的制作. 内容会包括将textgrid文件进行转换, 使用SubtitleEdit工具进行字幕的编辑, 字幕的预览和最后字幕和视频一起导出的方式.

文章目录(Table of Contents)

简介

之前介绍了一个关于英语精听的软件, 英语听力练习工具–Praat, 这个最后会生成一个textgrid的文件, 这个文件里面是包含每一段标注的台词的起始时间和自己标注的内容的, 再加上最近有想给视频配字幕的想法, 所以想着先利用Praat这个软件来生成textgrid文件, 接着利用textgrid文件转换为字幕文件, 关于字幕文件的生成我会使用Subtitle Edit来进行实现.

我们首先讲一下主要的流程:

将textgrid转换为类字幕文件的格式
使用Subtitle Edit进一步优化字幕文件
使用VLC预览字幕和视频或是音频

说起来很简单, 就三个步骤, 下面对每一个步骤进行一下详细的说明.

关于字幕文件之间的转换, 可以参考我之前写的一篇文章: Python字幕转换工具–asstosrt

字幕文件生成方式

转换textgrid格式

我们首先要做的第一步就是对textgrid文件进行处理, 有一个好消息是我们不需要自己写正则表达式(关于正则表达式, 可以参考Python正则表达式指南-详细版). 我们可以使用TextGridTools来完成文件内容的提取.

下面是该工具在GitHub上的链接: TextGridTool--Read, write, and manipulate Praat TextGrid files with Python. 下面我们只说明一下我们会使用到的功能.

在讲怎么使用TextGridTool之前, 我们首先看一下textgrid文件每个部分的名字. 就是在Praat这个软件的界面, 下面有三条轨道, 我们称这个为tier. 接着在第一条轨道里, 我们有很多个间隔(边界), 这个就叫做intervals.

我们要做的就是提取每一个intervals中的信息. 关于TextGridTool的API的介绍, 我们可以查看下面的链接, 我后面只会讲我用到的部分, TextGridTool API Introduction

所以, 我们首先读取textgrid文件.

tg = tgt.read_textgrid('./meal-plan.TextGrid') # 读取文件
tg_part = tgt.TextGrid() # 转换为TextGrid

因为我们之前只在第一个轨道进行了标注, 所以我们首先获得第一个轨道的内容.

subtitle = tg.get_tier_by_name('Mary')

如果不知道name的话, 我们可以使用下面的方式来获得所有tier的名字.

tg.get_tier_names()

有了上面的tier之后, 下面我们要做的就是获取每一个intervals中的内容, 并直接输出为类似srt字幕文件的格式, 我们可以简单的使用下面的方式来进行实现.

num = 0 # 用来记录每一句字幕的标号
for i in subtitle.intervals:
num = num + 1
stb = datetime.datetime.fromtimestamp(i.start_time)-datetime.timedelta(hours=1) # 将秒转换为dateset.date的格式
etb = datetime.datetime.fromtimestamp(i.end_time)-datetime.timedelta(hours=1)
st = stb.strftime('%H:%M:%S,%f')[:-3] # 转换为字幕指定格式
et = etb.strftime('%H:%M:%S,%f')[:-3]
print("{}\n{}-->{}\n{}\n".format(num, st, et, i.text)) # 进行输出

就可以生成类似与下面的内容.

我们可以直接将上面生成的文字内容复制粘贴, 保存为一个txt文件. 用于接下来的进一步优化字幕的工作.

完整的代码如下所示, 最后可以直接保存为txt文件.

同时下面代码有以下的一点需要注意, 我们设置了highlight的内容. 如果有被【S】和【E】包住的, 我们将其修改为红色. 其中给字幕增加颜色就是使用<font color='#ff0000'>包住即可.

import tgt
import datetime
import fire
import os
def convertTitle(fileName, tierName='John'):
# highlight
highlightStart = '<font color="#ff0000">'
highlightEnd = '</font>'
titleTime = 5
tg = tgt.read_textgrid('{}'.format(fileName)) # 读取文件
tg_part = tgt.TextGrid() # 转换为TextGrid
print(tg.get_tier_names()) # 打印tier所有名称
subtitle = tg.get_tier_by_name('{}'.format(tierName)) # 提取指定tier的内容
num = 0 # 用来记录每一句字幕的标号
outputSubtitle = ''
for i in subtitle.intervals:
num = num + 1
stb = datetime.datetime.fromtimestamp(i.start_time)-datetime.timedelta(hours=1) # 将秒转换为dateset.date的格式
etb = datetime.datetime.fromtimestamp(i.end_time)-datetime.timedelta(hours=1)
st = stb.strftime('%H:%M:%S,%f')[:-3] # 转换为字幕指定格式(时间格式)
et = etb.strftime('%H:%M:%S,%f')[:-3]
outputSubtitle = outputSubtitle + "{}\n{}-->{}\n{}\n\n".format(num, st, et, i.text.replace('[S]', highlightStart).replace('[E]', highlightEnd)) # 进行输出
# 写入文件
outputName = os.path.basename(fileName).split('.')[0]
with open('{}.txt'.format(outputName),'w') as file:
file.write(outputSubtitle)#这样默认是不换行的
def main():
fire.Fire(convertTitle)
if __name__ == '__main__':
main()