智能字幕
最近更新时间：2023.04.20 16:33:09
首次发布时间：2021.02.23 10:42:39
本文为您介绍了智能字幕模板的功能介绍、整体流程、使用场景和操作等。
功能介绍
智能字幕即 ASR（Automatic Speech Recognition）自动语音识别，支持通过识别客户音视频媒资文件中的音频流内容，实时生成字幕文本。支持字幕导出或与视频内容结合输出，目前支持读取中英两种语言。
- 智能快速、精准地生成视频字幕、提取字幕流。
- 通过语音转写为视频增加字幕。
- 通过机器翻译生成中文/英文字幕。
说明
- 字幕流提取主要应用于源视频包含字幕流（如 MKV）的场景；
- 若源视频无字幕或无法识别到字幕语言，则无字幕效果输出。
使用场景
视频点播的智能字幕模板支持对视频、音频文件的多语音识别生成字幕以及实时语音识别的功能。使用的场景如下表所示。
| 场景 | 说明 |
|---|---|
| 实时直播/赛事/演唱会 | 生成单语/多语字幕。 |
| 视频/音频录制资料 | 生成单语/多语字幕。 |
| 短视频 Vlog | 通过语音识别能力，实现了用户边拍边说，将语音内容直接显示在视频上。 |
| 会议记录总结 | 对会议记录的音频文件进行识别，然后通过人工或者自动的方法，对会议记录作出总结。 |
| 网课培训 | 导入课程即可快速加入课程字幕，沉淀教育文档素材。 |
| 医院病历录入 | 门诊/手术时，通过音频记录医生的操作，通过录音文件识别得到文本，提高病例录入的效率。 |
| 游戏娱乐 | 将游戏娱乐中的语音聊天转成文字消息，提升用户阅读效率和交互体验。 |
| 庭审数据库录入 | 上传庭审记录的录音文件，进行识别之后，将识别文本录入数据库。 |
| 智能客服质检 | 上传呼叫中心的录音文件，通过录音文件识别得到文本，进一步通过文本检索，检查有无违规话术、敏感词等信息。 |
优势特性
- 实时字幕识别场景超低延时，获取 1 分钟语音的字幕结果只需等待 3-5 秒。
- 支持普通话和英文自动识别。
- 结合语音停顿和自然语言的语义信息的智能分句，输出最流畅自然的分句结果。
- 歌词识别（仅普通话）专门针对歌词进行了优化，识别准确率接近说话场景的准确率。
- 脏词过滤自动对敏感用词进行过滤展示，维护网络文明。
使用流程
智能字幕功能的整体使用流程如下图所示。
操作步骤
智能字幕功能的具体操作步骤如下：
配置智能字幕模板
在点播控制台创建智能字幕模板，如下图所示。根据自身业务需求，支持选择系统内置模板；也支持自定义配置模板参数。具体操作请参见智能字幕模板。
创建工作流模板
在点播控制台创建工作流模板。如下图所示。具体操作请参见工作流模板。
发起处理任务
您可以在上传视频时设置工作流模板发起处理任务，也可以对已上传的视频发起处理任务。
- 通过以下方式使用已创建好的工作流模板上传视频，在上传时自动触发处理任务：
- 通过以下方式对已上传的视频发起处理任务。
- 点播控制台：具体操作请参见视频处理。
- OpenAPI 或服务端 SDK：调用 StartWorkflow 接口发起工作流，您需要传入工作流模板 ID。
查看处理结果
发起处理任务后，获取结果的方式如下所示。
控制台
登录视频点播控制台，进入空间。
选择左侧导航栏任务管理 > 工作流任务，查看工作流任务状态。
工作流任务状态变为成功后，单击查看详情按钮，进入工作流任务详情页面。
单击查看产物按钮，进入视频详情页面。在字幕文件页签下，您可以查看字幕文件内容。
事件通知
查看工作流执行完成事件。