文章目录
- 概述
- 必备第三方库
- 视频转音频
- 音频转文字
- 完整代码
- 命名实体识别NER
- 注意点
概述
本教程希望可以识别出目前活跃的视频平台（例如抖音、快手等）中视频文案中蕴含的实体信息，首先有两条技术路径：
- 直接提取视频帧，之后实现逐帧的字幕识别，最后合并为视频文案。
优点：准确性高；
缺点：首先不是所有视频都有字幕，另外对计算资源要求很高，逐帧识别非常耗时。
tips:有的视频会对重点字幕使用另外的颜色，或者放大字体等方式。 - 视频先转为音频文件，音频文件使用接口再转为中文文本。
优点：速度快，成本低。
缺点：准确性较差，首先依赖于语音转文字的准确率，对于特有名词等，以及方言
口音的识别较差，很难完全准确识别。 - 可以在理论上考虑两者方法的合并。
必备第三方库
moviepy&#
