我想请人帮我做一个音频自动匹配字幕文字的脚本的工具软件

安西

群主您好，大家好，我想请人帮我做一个音频自动匹配字幕文字的脚本的工具软件，你这个文字动画的脚本能否细化一下，
1.增加一个输入配音的参考的音频，采集参考音频里的这个人多说话的这个腔调，然后做为机器配音的一个音源；
2.增加一个文本转语音的这个朗读配音功能，就是说，根据参考音源，把输入到电脑上的文字（或者，用手机拍照的图片，提取文字之后）进行机器配音，配出来的风格腔调，与参考音频风格一样，而且产生一个音频文件，作为下一步文稿匹配的材料；配完音之后，要再反向，把这个音频进行识别文字，也就是自动打轴，要精确，不仅要识别出一行的时间长度，还要精确到一个字的时间长度K值，及，声音的分贝值，生成一个细节化的音频波纹图，我要达到这个要求的的目的是，我的学生将来学着来读这个课文，能学到原始的每个字的读音技巧，跟学跟读，要准确到每个单词的时长及分贝要与原来的完全一致，要达到复刻的这个标准；
3.文本转动画，增加一个文稿，被配音配出来的音频，进行时间码匹配，并且被匹配到音频的时间码之后，文稿就变成了字幕，字幕的字体字号，能否设置统一格式，及放大后自动换行，做卡拉ok效果（就是声音说到哪个单词或汉字，那个单词或汉字，就自动同步变成红色，这样有助于学习认字，准确学习读音），然后导出为SRT或ass格式字幕，及mp4格式视频，及音频。

我是想用这个工具软件，来取替我现在的这个手工操作。
（再简单描述一下我的想法，我要作的事情是，一，我给你一个音频，MP3，你要用你弄出来的这个工具软件，能把我给你的这个音频导入你这个工具软件进去之后，把我给你的这个音频的声色，腔调，这个人的发音的特点，包括停顿，包括转音，给提取出来，给机器人，学习，将来机器人，配音，配出来的就也这个我发给你的这个样品的音频的音色，腔调，发音的特点，要保持一致，二，我后面，再用一个其他的英语的文稿，你用你作出来的软件，来给这个我新给你课文配好音，配出来的音的感觉，与我给你的样品音频的基本上让人听到，好象是同一个人在读这个课文，三，有了这个新配音出来的音频，再去作与我提供你的那个文稿，作一个声音与音频的时间码上的对应与匹配，相当于剪映电脑版的那个文稿对齐的功能一样，这样，文稿就有了时间属性，就是字幕了，这个文稿，导出来，就是一个SRT格式，就是有时间码的文稿了，我之前的那个文稿，是WORD的， 是没有时间码的，四，最后一步，就是把文字作成是我给你的那个视频一样，字是大字号，好几行，自动换行，而且字是会随着发音而变红的，也就是卡拉OK效果，五，我要作的这个工具软件，是一个批量处理的，一个人一天能处理几十篇甚至上百篇的文字动画，及配音出来的，当然这里还是要有人工干预，人工调轴，文本校对的一个过程，因此，效率只能是相对提升，无法作到绝对化。但是比自己手工一步一步去作，要快很多了。）


如果以上能做，多少钱，我想做一个，谢谢，我qq：199483611。


有意者，请随意加我！
谈好合作意向，签合同，付定金。

solarshen666

你这是叫一个人做一个公司的活啊。这里面涉及到很多领域的知识，每一项都是行业顶级的。能合成一个人说话的音色音调，里面还有法律风险。

11651189

我感觉是不是像初音未来和洛天依那样的哦？

no502zhang

能做出来就可以干倒科大讯飞了

兰陵

不懂 但感觉这怕是百万千万级别的工程了啊！

时师傅

去找那个什么什么公司吧，就是那个语音转文字文字转语音的那个叫什么飞的公司吧，这不是一个人干的活

安西

solarshen666 发表于 2022-6-6 08:45
你这是叫一个人做一个公司的活啊。这里面涉及到很多领域的知识，每一项都是行业顶级的。能合成一个人说话的 ...

我这里有一些小学英语的朗读的音频，也不知是谁读的，估计是一个不知名的外教，现在很多软件能把人的声音提取出来，并录入到机器里，魔音工坊就能这样作。
我现在要找的，其实是找人，写一个自动化执行集合命令的插件（类似于苹果手机的WORKFLOW这样的，或AUTOHOTKEY，或SERVERLESS，这些自动化的软件），写一个脚本，把现成的人家都开发好的能拿来用的软件，或在CSDN、脚本之家，买一些脚本或代码，把一些软件执行给它串起来使用就行了。
比如，提取音频的发音特色，可以用魔音工坊，文本转语音可以用微软的TTS，也可以用魔音工坊，比如，自动打轴，可以用AEGISUB或ARCTIME或VREW，比如 ，文本生成动画，可以用AEGISUB，或傻丫头，或剪映。
当然，可能是要写一个CSS界面，相当于是多米诺骨牌的第一张牌，能方便我来操作这个事，然后，方便我来看进度，人工审核并校对就行了。

粤西听涛

这可不是一个人能战斗的事情。

安西

时师傅 发表于 2022-6-6 09:20
去找那个什么什么公司吧，就是那个语音转文字文字转语音的那个叫什么飞的公司吧，这不是一个人干的活 ...

我要的 ，就是一个套壳，作一个简易的界面，用VB就行，然后，调用，打开，执行一些现成的软件，就是把一些重复性的操作，给他自动化了，并没有太难的事儿

wsy_2008

不难就自己做啊！

落花萧然

科大讯飞+阿里+百度+腾讯 的活儿呀

安西

我现在要找的，其实是找人，写一个自动化执行集合命令的插件（类似于苹果手机的WORKFLOW这样的，或AUTOHOTKEY，或SERVERLESS，这些自动化的软件），写一个脚本，把现成的人家都开发好的能拿来用的软件，或在CSDN、脚本之家，买一些脚本或代码，把一些软件执行给它串起来使用就行了。
比如，提取音频的发音特色，可以用魔音工坊，文本转语音可以用微软的TTS，也可以用魔音工坊，比如，自动打轴，可以用AEGISUB或ARCTIME或VREW，比如 ，文本生成动画，可以用AEGISUB，或傻丫头，或剪映。
当然，可能是要写一个CSS界面，相当于是多米诺骨牌的第一张牌，能方便我来操作这个事，然后，方便我来看进度，人工审核并校对就行了。

时师傅

安西 发表于 2022-6-6 10:50
我现在要找的，其实是找人，写一个自动化执行集合命令的插件（类似于苹果手机的WORKFLOW这样的，或AUTOHOTK ...

呃……请问啥样的程序叫CSS界面啊，百度了半天没搞明白

安西

时师傅 发表于 2022-6-6 10:58
呃……请问啥样的程序叫CSS界面啊，百度了半天没搞明白

用VB写一个简单操作的界面也行的，把壳作出来，套各种软件，然后就按一下按钮，就自动完成

the0503

感觉按键精灵很适合楼主。楼主把调动不同软件的难度想简单了。

ww4964

这个思路确实不错，这个最好找csdn里的人来做，如果只是做个能打开很多软件的主界面，那直接把这些软件放到自己的桌面上那不是一样吗？

安西

ww4964 发表于 2022-6-10 09:32
这个思路确实不错，这个最好找csdn里的人来做，如果只是做个能打开很多软件的主界面，那直接把这些软件放到 ...

我在CSDN里，有一个账号，我也给一些人留言评论或私信，不过回复我的不多，而且感觉他们都很忙，另外我也试了按键精灵，感觉收费不低啊
现在我的想法是，按键精灵如果能实现了，那么它也只能实现一部分功能的自动化
我现在是要实现自动化的同时，确保精确度或正确率，不能出现差错
因此，前半截的那个音频识别文字并生成准确的带有时间码的SRT字幕的这个准确率，现在找不到好的软件，目前能用得上的软件，都有差错，都离不开人工的干预和审核修正，这可是一个麻烦事儿，这个工作量，可不小

黄家驹粉丝

蜜蜂剪辑就可以

黄家驹粉丝

刷点金币

狂乱it

这个功能，bilibili自带的就有啊