Python MoviePy脚本字幕生成失败：API请求错误与文件查找异常

问题背景 #

使用Python的MoviePy库编写脚本为视频添加字幕，执行步骤如下：

1. 加载视频文件
2. 提取视频音频
3. 通过Google Speech Recognition API转写音频
4. 将转写内容作为字幕叠加到视频上
5. 输出带字幕的新视频

但遇到两个具体错误：

• 识别请求失败：调用Google Speech Recognition API时返回"Bad Request"错误
• MoviePy错误：添加字幕时出现"creation of None failed"错误，伴随[WinError 2]系统找不到指定文件的提示

相关代码 #

def addCaptions(self):
    video = VideoFileClip(OUTPUT_FOLDER + OUTPUT_FILE_NAME + ".mp4")
    audio = video.audio
    temp_audio_path = OUTPUT_FOLDER + "temp_audio/temp_audio.wav"
    audio.write_audiofile(temp_audio_path, fps=audio.fps, codec='pcm_s16le')
    video.close()
    r = sr.Recognizer()
    transcription = ""
    with sr.AudioFile(temp_audio_path) as source:
        audio_data = r.record(source)
    try:
        transcription = r.recognize_google(audio_data)
    except sr.UnknownValueError:
        print("Unable to transcribe audio")
    except sr.RequestError as e:
        print("Recognition request failed:", e.reason)

    os.remove(temp_audio_path)

    font = "Arial"  
    fontsize = 24  
    txt_clip = TextClip(transcription, fontsize=fontsize, font=font, color='white')
    caption_video = CompositeVideoClip([video, txt_clip.set_pos(('center', 0.9))]) 
    caption_video.write_videofile(OUTPUT_FOLDER + OUTPUT_FILE_NAME + "_with_captions.mp4")
    video.close()

问题解决 #

1. Google Speech Recognition "Bad Request" 错误解决 #

• 音频时长限制：Google免费语音识别API单段音频时长不能超过1分钟，若视频音频过长，需将音频分割为多个1分钟以内的片段分别转写，再合并结果。
• 音频预处理：在录制音频数据前添加降噪处理，提升识别成功率：

  with sr.AudioFile(temp_audio_path) as source:
      r.adjust_for_ambient_noise(source)  # 添加降噪
      audio_data = r.record(source)
  

• 网络与权限检查：确保网络可正常访问Google服务，若使用付费API需确认密钥配置正确；免费版有请求频次限制，避免短时间内多次请求。
• 路径与格式检查：确认temp_audio_path对应的文件夹已创建（可提前用os.makedirs(os.path.dirname(temp_audio_path), exist_ok=True)创建），避免音频写入失败导致空文件被提交识别。

2. MoviePy "creation of None failed" 与 WinError 2 错误解决 #

• 禁止复用已关闭的Video对象：代码中提前调用video.close()后，后续CompositeVideoClip复用video对象会导致资源已释放的错误。解决方式：要么不提前关闭video，要么在叠加字幕前重新加载视频：

  # 移除提前的video.close()，或在叠加字幕前重新加载：
  video = VideoFileClip(OUTPUT_FOLDER + OUTPUT_FILE_NAME + ".mp4")
  

• 字体依赖修复：Windows系统中Arial字体可能无法被MoviePy正确识别，可尝试切换为系统内置通用字体（如黑体），或指定字体完整路径；同时确保安装了MoviePy依赖的ImageMagick，或指定用ffmpeg生成字幕：

  txt_clip = TextClip(transcription, fontsize=fontsize, font='simhei', color='white', method='ffmpeg')
  

• 路径存在性检查：确保OUTPUT_FOLDER和临时音频文件夹存在，避免文件写入失败。添加路径创建代码：

  import os
  temp_audio_dir = os.path.join(OUTPUT_FOLDER, "temp_audio")
  os.makedirs(temp_audio_dir, exist_ok=True)
  temp_audio_path = os.path.join(temp_audio_dir, "temp_audio.wav")
  

修复后的示例代码 #

import os
import speech_recognition as sr
from moviepy.editor import VideoFileClip, TextClip, CompositeVideoClip

def addCaptions(self):
    # 确保输出目录和临时音频目录存在
    os.makedirs(OUTPUT_FOLDER, exist_ok=True)
    temp_audio_dir = os.path.join(OUTPUT_FOLDER, "temp_audio")
    os.makedirs(temp_audio_dir, exist_ok=True)
    
    video_path = os.path.join(OUTPUT_FOLDER, f"{OUTPUT_FILE_NAME}.mp4")
    video = VideoFileClip(video_path)
    audio = video.audio
    temp_audio_path = os.path.join(temp_audio_dir, "temp_audio.wav")
    
    # 写入音频文件
    audio.write_audiofile(temp_audio_path, fps=audio.fps, codec='pcm_s16le')
    
    # 语音识别
    r = sr.Recognizer()
    transcription = ""
    with sr.AudioFile(temp_audio_path) as source:
        r.adjust_for_ambient_noise(source)
        audio_data = r.record(source)
    try:
        transcription = r.recognize_google(audio_data)
        print(f"转写内容：{transcription}")
    except sr.UnknownValueError:
        print("无法识别音频内容")
    except sr.RequestError as e:
        print(f"识别请求失败：{e.reason}")

    os.remove(temp_audio_path)
    
    # 创建字幕片段并设置时长
    txt_clip = TextClip(transcription, fontsize=24, font='simhei', color='white', method='ffmpeg')
    txt_clip = txt_clip.set_pos(('center', 0.9)).set_duration(video.duration)
    
    # 合成视频
    caption_video = CompositeVideoClip([video, txt_clip])
    output_path = os.path.join(OUTPUT_FOLDER, f"{OUTPUT_FILE_NAME}_with_captions.mp4")
    caption_video.write_videofile(output_path)
    
    # 释放资源
    video.close()
    caption_video.close()

内容的提问来源于stack exchange，提问作者Atharva Vedpathak