视频提取文字视频音频图片转文字与配音

视频提取文字对着的是手上有一段片子、要的是里面的话变成文稿的人：字幕要改、口播要留档、画面上那行字要拿出来用，都从这里走。

来源分几路，走错就白跑一遍。整段视频直接转最省事；只有声音的走音频，长素材先转成音频再跑，比反复处理画面快；截图和纸质材料靠图片识字，字迹小、排版斜就容易认错；本来就存成文本的那类不用绕，本地txt 拿过来直接读。

认完的稿子后面还有两件事。发出去之前先过一遍违禁词检测，比被限回来再改划算；反过来把文稿读成声音，男声、女声、逍遥、YY几路音色，落mp3或wav，音量语速音调分开处理，逐句听过再合成整条，返工少得多。

画面里要挡掉的东西用马赛克糊，做完落成本地文件，这一步只动画面不动声音，台词也要一起改就得回到前面那几路。

认得准不准取决于原片的口音、多人同时讲话和字幕样式，方言和背景嘈杂的场合不够用，出来的字还是要人工过一遍；链接那一路能拿到什么，全看那条链接本身。