8 月 16 日消息，多媒體框架 FFmpeg 開發(fā)團隊發(fā)文，預(yù)熱 FFmpeg 8.0 版本新增一項名為 Whisper 的音頻過濾器，該功能整合了 OpenAI 的 Whisper 語音識別模型，通過內(nèi)建過濾器機制，可以自動將視頻背景音頻內(nèi)容識別轉(zhuǎn)換為文字描述，并輸出為字幕或結(jié)構(gòu)化數(shù)據(jù)。9zk28資訊網(wǎng)——每日最新資訊28at.com

據(jù)介紹，Whisper 過濾器的實現(xiàn)依賴 whisper.cpp 庫，用戶需要先在系統(tǒng)中安裝并啟用對應(yīng)支持庫，并在編譯時通過“--enable-whisper”選項激活功能。相應(yīng)過濾器支持純文本 TXT、SRT、JSON 等輸出模式，同時可以通過 HTTP 等協(xié)議直接將輸出內(nèi)容傳輸?shù)狡渌到y(tǒng)。如果未指定輸出位置，轉(zhuǎn)錄結(jié)果將作為元數(shù)據(jù)附加在音頻幀上，供后續(xù)處理或分析使用。9zk28資訊網(wǎng)——每日最新資訊28at.com

官方強調(diào)，該過濾器提供了隊列參數(shù)，用戶可以設(shè)置累積多少音頻數(shù)據(jù)再進(jìn)行識別，默認(rèn)值約為 3 秒，如果將時間設(shè)置更長，識別準(zhǔn)確率則更高 / 處理頻率更低，適合批處理工作場景；如果將時間設(shè)置更短，則可降低過濾器處理延遲，適合對重要音頻內(nèi)容進(jìn)行具體分析和微調(diào)。9zk28資訊網(wǎng)——每日最新資訊28at.com

此外，Whisper 過濾器也支持 GPU 加速，結(jié)合 FFmpeg 本身的多線程處理，在高性能環(huán)境下能顯著提升轉(zhuǎn)錄速度。同時它還支持“Silero 語音活動檢測（VAD）”功能，能在長音頻流中自動切片語音片段，從而進(jìn)一步提升識別效率和段落準(zhǔn)確度。9zk28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://m.rrqrq.com/showinfo-119-177650-0.html視頻背景音自動轉(zhuǎn)為文字描述：多媒體框架 FFmpeg 8.0 引入 OpenAI Whisper 音頻 AI 模型

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： Win11 10 微軟商店更新：用戶已無法徹底關(guān)閉應(yīng)用自動更新，僅允許暫停最長五周

下一篇： Win11 Dev Beta 預(yù)覽版 26xxx.5751 發(fā)布：文件資源管理器右鍵菜單 UI 調(diào)整、系統(tǒng)托盤新懸停動畫