AVC

(http://postto.me/21c/t_6jx.png) (http://postto.me/21c/6jx)

ที่มาคือผมได้เข้าไป Web ดู online นึงมันมี Subtile ภาษาอังกฤษด้วย แล้วมันมี Remark ว่า AI Generated Subtitle ก็เลยนึกขึ้นมาได้ว่า เดียวนี้ AI มันฉลาดขึ้นมาก อย่างเช่นเมื่อก่อนถ้ามีใครบอกว่ามี Program ถอดเซ็นเซอร์ได้ มันต้องหลอกกินตังค์กูแน่ๆ แต่ลองมาดูตอนนี้สิ คงรู้ๆกันว่ามันใกล้เคียงมากจริง (จิ๋ม AI 555)

ก็เลยลองคิดว่าพวก Speech recognition มันน่าจะมาไกลแล้วเหมือนกัน Search ดูเหมือนมีหลายวิธี หลาย Program แล้วมาเจอ Program Subtitle Edit ที่มีคนใช้ Generate Sub ที่เป็นภาษาอังกฤษได้ ไปลองอ่าน Note ดูพบว่าเฮ้ย มันรองรับภาษา JP ด้วยนี่หว่า น่าลอง..

ตอนแรกมันเป็น Version 3.XX แล้วมันต้อง Load Model (ข้อมูลที่วิเคราะห์คลื่นเสียงให้มาเป็นข้อความนี่ละครับ) มีขนาดเล็กๆ  70 กว่า MB จนถึงเป็น GB ลองดูกับเครื่อง NB บ้านๆที่มีอยู่นี่ละ (ถ้าเครื่อง GPU ยิ่งแรงยิ่ง Gen ไว) ออกมาค่อนข้างไม่ประทับใจเท่าไหร่ ก็พัก Project ไปก่อน

จนกระทั่งมันมี Major Update ใหม่เป็น 4.00 (ล่าสุด 4 Nov 2023 เป็น 4.01) ออกมาพบว่ามันแม่นขึ้นมากๆๆ ผมใช้ Model Small ขนาด 472MB ด้วย Engine Purfview's Faster Whisper หนังเรื่องนึงใช้เวลาไม่ถึงชม. โดยผมจะ Gen ให้เป็นภาษา Engligh ก่อน แล้วค่อย Translate ด้วย SubTitle Edit เองนี่ละ ให้เป็น Thai อีกที เพราะอะไร เดี๋ยวเหลาให้ฟังครับ

วิธีการนะครับ
1) Download Setup File ของ SubtitleEdit ก่อน ที่ https://github.com/SubtitleEdit/subtitleedit/releases ผมเลือก .zip แล้ว unzip เพื่อ Setup อีกที
2) เข้า Program แล้วไปที่ Option --> Setting แล้วกด Download mpv lib เพื่อจะได้ Preview ดูตอนเรา Edit Subtitle ได้
(http://postto.me/21c/t_cug.png) (http://postto.me/21c/cug)

3) ต่อไปเราจะต้อง Download model ที่จะให้วิเคราะห์เสียงกัน ผมลองหลายๆวิธี ตัวที่เหมากับเครื่อง NB ที่ใช้คือแบบนี้ครับ
Menu Video --> Audio to Text (Whisper)
Choose language เลือก "Japanese"
Choose model คลิกที่ "..." แล้วเลือก Model ที่ต้องการ ผมเลือก small (472 MB) แล้วกด "Download" Program จะ download model ตามที่เลือกมาติดตั้งให้เลย ใครจะลองจากเล็กๆ tiny, base ก่อนก็ได้ครับ เวลาจะเร็วช้าตามขนาด แต่ยิ่งเล็กความแม่นจะลดลงไปครับ ผมยังไม่เคยลองที่ใหญ่กว่า small เพราะเหมือนยิ่งใหญ่ จะใช้เวลามากขึ้นอีก ผมว่า 1ชั่วโมงก็นานพอละ
(http://postto.me/21c/t_cxt.png) (http://postto.me/21c/cxt)
(http://postto.me/21c/t_dqg.png) (http://postto.me/21c/dqg)

4) ตอนนี้ให้ Cancel ออกมาก่อนครับ มาเลือกหนังกัน ให้เข้า Menu Video --> open video file แล้ว Browse File ที่ต้องการได้เลย รองรับ Video Format ที่เราดูๆกันอยู่นี้ละ ตัวอย่างผมลอง SSIS-853 หนัง Debut Yuka Murakami (แบบถอด Cen) มาลองดู น่าจะมีการพูดคุยเยอะอยู่

มันจะแสดง Preview ด้านขวาบนให้ดูด้วย อย่าดูเพลิน เรามาทำงานก่อน.. มันโหลดแล้ว เราก็ Click ด้านขวาล่างของจอมันจะอ่าน Audio ของหนังมาเป็น Wave ให้เราดูก่อน แล้วเลือก

• select current subtitle while playing ไว้ด้วยนะครับ เวลาเล่นไป มันจะเลือก Sub ที่ให้ตรงอัตโนมัติ

(http://postto.me/21c/t_f8w.png) (http://postto.me/21c/f8w)

5) ที่นี้ถึงเวลา Gen Subtitle ละครับ ก่อนอื่น มันจะใใช้เวลา Gen นานมาก ผมก็กันใครมาดูหน้าจอ เอา Preview ออกก่อนได้ด้วยการเลือก Toolbar นี้ครับ
(http://postto.me/21c/t_f8x.png) (http://postto.me/21c/f8x)

เลือก Menu view --> Audio to text (Whisper) อีกที คราวนี้เลือก Langauge "Japanese", Choose Model "small" แล้ว "Generate" โลดครับ

ุ6) รอ... ถ้าไม่อยากรอก็ทำอย่างอื่นไปก่อน ขี่ม้า ดูละครเวที เตะบอล .. (ใคร Get ก้ไม่เด็กละครับ) มันจะคำนวณเวลาที่ใช้ใให้ครู่นึง แล้วจะบอกมาครับ เร็วช้าขึ้นกับความเร็วเครื่องและขนาด model ที่ใช้ละครับ

... Few minutes Later...

7) เสร็จแล้ว... จะได้ Subtitle ภาษา Japan ออกมาแล้วววว อ่า มาได้ครึ่งทางละครับพี่น้อง
(http://postto.me/21c/t_fcr.png) (http://postto.me/21c/fcr)

8) ผมจะ Save sub jp ไว้ก่อน อุตส่าห์ Gen มาตั้งนาน ให้ File-->Save มันจะตั้งชื่อเหมือนชื่อ File แล้วนามสกุล .srt ผมจะใส่ .jp. ไว้ให้นิดนึงเป็น xxxx.jp.srt ครับ

9) แปลงเป็น English ก่อนโดยเลือก Menu Auto-Translate-->Auto-Translate
(http://postto.me/21c/t_ek1.png) (http://postto.me/21c/ek1)

เลือก Service เป็น Google Translate V1 API (ตอนเลือกเครื่องต้องต่อ Internet นะครับ เพราะมันส่งไปให้ Google แปล)

(http://postto.me/21c/t_fcg.png) (http://postto.me/21c/fcg)

เสร็จแล้วก็ OK ออกมา
(http://postto.me/21c/t_fcp.png) (http://postto.me/21c/fcp)

จะเห็นว่า Original Japan จะอยู่ทางขวา แล้ว Engligh อยู่ทางซ้ายนะครับ

10) Save Version English ก่อน โดยเลือก File-->Save As จะได้ชื่อเดิมแต่จะมี .en.srt ให้เลย

11) อย่าเพิ่งออกนะครับ ไปแปล Thai ต่อ โดยเลือก Auto-translate --> Auto-translate คราวนี้ก็เลือก From Engligh to Thai ได้เลย ให้มันแปลแป๊บนึง ก็ OK ออกมาก

12) คราวนี้ Original มันจะกลายเป็น Engligh แล้วด้านซ้ายจะเป็น Thai แทนละ คราวนี้เราก็ Save As อีกที จะได้ File เดิมนามสกุล .th.srt มาเลย

ได้ละครับขั้นตอนแรก ... แต่เดี๋ยวก่อน ยังไม่จบครับ เพราะมันยังไม่ถูกต้อง 100% หรอกกครับ ผมว่าได้สัก 60-70% เดี๋ยวเรามาเกลากันหน่อย..

ได้ละครับ แต่ที่ว่าต้องมีการเกลากันอีกหน่อย มันก็มาจากความที่มันถูกต้องประมาณ 60-70% นี่ละครับ สิ่งที่เจอบ่อยๆ (แหมยังกะเชี่ยว เรียกว่าเป็นข้อสังเกตุละกันครับ)

1) ความถูกต้องของการ gen จะขึ้นกับความชัดเจนและคุณภาพของเสียงพูดด้วย เช่น ความเร็ว ความดัง เสียงรบกวน หรือตัว Model เอง ซึ่งเราก็ไปสั่งให้คนในเรื่องมันพูดช้าๆ ชัดๆคงไม่ได้ มันก็ว่ากันไปตามท้องเรื่องนั่นละ บางทีก็กระซิบกระซาบ บางทีก็ดังซะชัดเชียว

2) ถ้าแปลเป็นไทยจาก Japan เลย สิ่งที่แปลเป็นไทย มันจะอ่านแล้วแหม่งๆ แล้วเราก็ไม่รู้ว่ามันมาจาก Japan ที่มันได้ยินว่าอะไร บางทีการเป็น English ก่อนมันจะทำให้เราพอ "เดา" ความหมายจริงๆที่มันควรจะเป็นได้ หรือเรามาแต่งให้เป็นภาษาพูดที่คนพูดปกติได้ เช่น Cup ซึ่งหมายถึงขนาดหน้าอก มันจะแปลว่าถ้วย เราก็มาแปลงให้มันเป็นคำว่าหน้าออกเอาเอง

3) เวลามีการพูดหลายๆคนสลับกัน ชาย หญิง มันแปลเป็น Eng ก่อน พอเป็นภาษาไทย เช่น I มันจะใช้คำว่า "ฉัน" ไปหมด เราก็มาปรับให้มันเป็น "ผม" "หนู" "ชั้น" อะไรก็ตามที่ในนั้นพูดจริงๆไปครับ แล้วก็ใช้การ Split แยกประโยคให้สลับ ชาย หญิงเอาเอง
(http://postto.me/21c/t_jgt.png) (http://postto.me/21c/jgt)

4) เสียงคราง อันนี้หลายท่านที่เคยเล่นก็บอกว่ามันค่อนข้างมั่ว ส่วนใหญ่จะไปทางไม่ค่อยแปล บางทีก็แปลมาเป็นตับเลยก็มี แล้วระยะเวลาก็ยาวแบบหลายๆสิบวิ ก็มี ไม่ค่อย Sync กับเสียงจริง เราก็ต้องมาเคยดูจาก Wave ด้านล่างแล้วมาตัดเอา

ที่ผมแนะนำว่าให้เป็น Eng แล้วค่อยมาไทยจะมีเทคนิคให้การเกลานิดหน่อยคือ
1) ผม Open file th.srt ขึ้นมาก่อน ถ้า File หนั่งมันอยู่ Folder เดียวกันมันจะเปิด Preview หนังขึ้นมาให้เลย
2) แล้วผมก็จะเปิด file .en.srt มาคู่กันโดยการใช้ File -> Open Original Subtitle (translator mode) ทีนี้มันจะมีไทยทางซ้าย Eng ทางขวา
(http://postto.me/21c/t_nn1.png) (http://postto.me/21c/nn1)
3) จากรูป ภาษาไทยมันแปลว่า "วันนี้ได้เลขอะไรคะ?" จากภาษา Eng "What number is it today?" แต่เดาว่าน่าจะหมายถึง วันนี้เป็นเรื่องที่เท่าไหร่มากกว่า เพราะเป็นหนังเรื่องที่สองของน้องเค้า  มีตอนนึงคนถามถามว่าเคยทำงานอะไรมาก่อน น้องเค้าบอกว่าเป็นไกด์นำเที่ยวรถบัส (ถ้าจริงก็ไม่แปลกเลย พูดเก่งมากๆ) คนถามแหย่ว่า ระหว่างขับรถไป ก็มี Sex กับคนขับไปด้วยใช่ไหม (ตรงนี้แปลโคตรตรง) น้องเค้าบอกไม่ได้ๆ โดนไล่ออกแน่ แล้วก็มีประโยคว่า "ไม่เป็นไรถ้าเธอไม่รู้ เธอจะรู้เอง
ตอนนี้ฉันมีเครื่องบันทึกการขับรถของเธอแล้ว" มาจาก "It's okay if she doesn't find out.She will find out.I have her drive recorder now." ก็เดาว่า มันแหย่ต่อว่า ถ้าเค้าไม่รู้ก็ okay มั้ง น้องเลยตอบว่า เค้ารู้สิ มันมีกล้องบันทึกในรถด้วย

ก็ปรับๆ เหลาๆไปครับ ถ้าขยันทำงานแบบแปล Sub นี่ผมคงเป็นเจ้าของบริษัทไปแล้ว 5555

จบละครับ ขอให้สนุกสนานกับการแปลด้วยมือเรานะครับ !!

อยากทำครับ แต่ผมไม่มีแหล่งหาหนัง

สนใจมากครับ  จัดมาเลย

อยากทำครับ แต่ไม่รู้จะหาซับได้ที่ไหนครับ

แนะนำหน่อยครับ ผมพยายามลองละ ไม่ work คิดว่ายังหา tool ที่เหมาะสมไม่ได้

ถ้าอธิบายแบบทีละขั้นตอนจะดีมากเลยฮะ ผมก็อยากลองทำเองเหมือนกัน

เล่ามาให้ละเอียดเลยครับ

ไม่ต้องหาครับ เรามาทำเองกันได้เลย!!

Update วิธีให้ละครับ ไม่ยาก

หนังที่เรามีนี่ละครับ ลุยเลย

๊Update ให้ละครับ

ขอบคุณมากเลยครับ
เดี๋ยวไปลองทำดู...

 [good job]

เด๋วมีคนทำซับแจก/ขายแข่งกับพรี้คิง9 แล้วพรี้เขาก็หัวร้อน ตั้งกระทู้ดราม่าอีก 5555+

หยอกๆครับ

โอ้โห อย่างเจ๋ง ผมใช้ Faster Whisper แบบดั้งเดิมเลย ใช้ผ่าน Terminal คีย์คำสั่งเอง ตั้ง parameter เอง ปวดหัวพอสมควร

เพิ่งเคยเห็นว่ามีแบบโปรแกรมใช้ง่ายขนาดนี้แล้ว

เดี๋ยวต้องลองงงงง

ขอบคุณมากครับผม ได้แนวทางแล้ว  [ร่าเริง]

ผมใช้ของ open ai whisper ยุ่งยากมาก วิธีนี้ง่ายและแม่นยำขึ้นเยอะจริง

ง่า... ไม่มีเวอร์ชั่นแมค เลยทำเองไม่ได้

ฝากทำซับอังกฤษของ STAR-147 หนังเรื่องที่สองของ Saori Hara หน่อยสิครับ เดี๋ยวผมแปลไทยเอง
(ถ้าไม่มีไฟล์หนัง บอกได้)

เห็นกระทู้นี้ตอนแรกยังไม่สนใจเข้ามาอ่าน เพราะมันสื่อว่าต้องแปลภาษาญี่ปุ่นเอง เราก็ไม่รู้ภาษาญี่ปุ่นด้วย

เช้านี้ลองเข้ามาอ่านดู ที่แท้เป็นโปรแกรม AI แปลให้อัตโนมัติ เพิ่งรู้ว่ามีโปรแกรมแบบนี้ด้วย

เมื่อก่อนผมลองทำโดยใช้วิธีเปิดหนังช่วงที่มีบทพูดใส่ไมโครโฟนมือถือให้กูเกิ้ลแปล ตลกตัวเองมากๆ 555 แถมไม่ได้ผลด้วย (เสียงน่าจะเบาไป)

ขอบคุณท่านเจ้าของกระทู้ครับ มีประโยชน์มากๆ
และก็อัพเดทเขียนอธิบายขั้นตอนละเอียดดี น่าจะทำตามได้
จะหาเวลาลองทำนะครับ

ปล.
- ความแม่นยำเป็นไงบ้างครับ (เห็นท่านอบเชยบอกว่าแม่นยำใช้ได้)
- อยากทำซับหนังของ Ameri Ichinose เพิ่ม เช่น ATOM-084 (ที่เล่นเป็นติวเตอร์ สมมนาคุณให้ผู้รับการติว) กับ VAL-022 (ที่เล่นเป็นพนักงานร้านนวด) อยากรู้ว่าคุยกันยังไงถึงได้เอา 555

วิธีนี้ ง่ายดีครับ

ข้อดี ได้ประโยคที่ค่อนข้างตรง

(ถึงบางอันจะยังงงๆอยู่บ้างก็เถอะแต่เข้าใจได้เพราะ หนังAV ขนาดคนญี่ปุ่นยังฟังได้ไม่เต็มเลยเพราะสภาพแวดล้อมการควบคำย่อ

ให้สั้นต่างๆนาๆ)

ข้อเสีย ไม่สามารถแปลได้ถ้าหนังมีตัวหนังสือในหนัง เช่นพวกข้อความอ่านไลน์หรือพวกประกาศแจ้งจดหมาย

รวมไปถึงหนังพวกสัมภาษณ์ที่ชอบขึ้นตัวหนังสือหรือพวกเยือนบ้าน M พวกนั้น แปลไม่ได้

และบทคราง ที่เป็นตัวหลักที่หลายๆคนต้องการ จะไม่มีหรือมีแต่น้อย แล้วถ้ามันมีแอร์ไทม์

มันจะใส่คำต่างๆเข้ามาทั้งๆที่ไม่มีบทพูดอะไร

และ บางครั้งบทยังไม่พูดแต่คำพูดจะออกมาก่อนและอาจมีแช่ยาวเป็น10นาทีทั้งๆ บทพูดจบไปแล้วหรือมาเอานาทีท้ายๆ

เหมาะสำหรับคนเสพเนื้อเรื่อง แต่จะไม่ได้อารมมากเท่าหนังที่มีบทคราง ช่วงนั้นจะเป็นเดธไทม์ของ การใช้ AI วิสเปอร์ในการแปล

ยังไงก็ขอบคุณสำหรับการนำเสนอ ที่มีประโยชน์ครับ

เพราะงั้น ถ้าจะจับผิดใครซักคนที่ใช้โปรแกรมพวกนี้แปล ดูง่ายๆคือบทคราง ครับโปรแกรมพวกนี้ มันไม่จับคำครางเลย

ยกเว้น ท่านแชร์นะครับ นั้นบอกเลยของแท้ แปลฟังแน่นวล

ส่วนเทพอีกคนที่เคยบอก "ผมฟังยุ่นออก" ละไว้ในฐานที่เข้าใจครับ

แต่ก่อนใช้ออโต้ซับ ตอนนี้คงใช้ วิสเปอร์แหละ แล้วก็คงเอาไปให้กูเกิ้ลแปลให้อีกทีแล้วมาเกาคำเอา

ขอบคุณท่านเจ้าของกระทู้มากครับ

ขอบคุณมากครับ ลองใช้แบบ med โอเคเลยครับ

ผมลองละ แต่ผมใช้ Model large + Purfview's Faster Whisper
ประทับใจมาก ผมนี่ทำเพลินเลย เรื่องนึงไม่ถึง 10 นาที

บทสัมภาษณ์งาน gravure ที่เคยฟังไม่รู้เรื่อง ตอนนี้รู้เรื่องเลย
กลับไปดูงานเก่า fin ขึ้นมากเลยครับ

นี่ว่าจะลองเทียบ model ดู อันไหนดีสุด ใครใช้ model ไหนเป็นยังไงมาบอกกันบ้างนะ

ได้รู้แบบนี้แล้วดีใจมากที่มีโปรแกรมดีๆแบบนี้ อยากลองทำเหมือนกันครับ

อยากมี คอมฯ สเปกเทพๆ จะได้ลง model large แบบท่าน ประหยัดเวลาทำซับมากๆ เลยครับ

ผมมีไฟล์หนัง VR ที่เป็น .mkv ไม่ทราบว่าจะใช้ได้ไหมครับ ช่วงนี้ว่างๆว่าจะลองทำซับเองบ้าง มีหลายเรื่องที่อยากทำมาแบ่งปันกัน

ขอบคุณครับผม

ขอบคุณมากๆครับ เด่วว่างๆแล้วขยัน จะลองทำดูครับ

ความรู้ทั้งนั้นเลย ขอบคุณครับ

แก้ครับทำได้ละ

ได้ละครับผมโง่เองดันไปกดตรง File - Open

 [เหงื่อตก] [เหงื่อตก]


ลองแล้วสุดยอดเลยครับขนาดไฟล์หนังที่ตัดมาก็ทำได้ ถ้าแปลได้เนียนกว่านี้คือเพอเฟคเลย

ถามอีกอย่างครับตอนใกล้เสร็จมันจะมีเสียงดังตื้ด อันนี้มันเป็นงี้อยู่แล้วป่าวครับ

สุดยอดครับ

ส่วนตัวผมก็ใช้โปรแกรมนี้อยู่ครับ แต่ต้องบอกว่าใช้Ai ทำ 5 นาที แล้วมานั่งทำต่อเองอีก2-3 ชั่วโมง เพราะต้องเกลาบทสนทนา ปรับเวลาให้สมูธกับข้อความ และเพิ่มบทพูดสั้นๆที่โปรแกรมไม่แปลเช่น ครับ ค่ะ บางทีมันก็ข้ามไป หรือบางทีมันแปลรวมทั้งชาย หญิง เราก็มาแยกออกจากกัน

แต่ถ้าคนไม่คิดอะไรมาก เอาแค่พอรู้เรื่อง ก็แทบไม่ต้องทำอะไรเลยครับ อาจจะเพี๊ยนบ้างตามภาษากูเกิล แต่ก็พอรู้เรื่อง

จัดว่าดีมากสำหรับคนไม่รู้ภาษา

อยากลองทำเหมือนกันครับจะได้เอาข้อมุลมาแชร์กับแอดด้วย

ขอบคุณครับ เดี๋ยวไปลองดูบ้าง เผื่อจะดีกว่าที่ใช้อยู่

ตอนนี้ใช้ ตัว Speech To Text ของ Adobe Premiere Pro อยู่

(https://img.a4h6.c18.e2-4.dev/Screenshot-178.md.png)

เรากำลังเรียนวาดรูปจากคลิป ญี่ปุ่น-เกาหลี ฟังไม่รู้เรื่องเลยแม้แต่น้อย
แล้วก็กำลังหาวิธีทำซับ ตามในเน็ต ดูไปอ่านไปเหมือนจะยาก ไม่เข้าใจ 555+
จนเลิกทำไปแล้ว แล้วก็เรียนไปทั้งๆ ที่ไม่รู้เรื่องเดามั่วไปเรื่อยว่าเค้าสอนว่าไง !!!
แต่ จขกท.แนะนำ อธิบายขั้นตอน แล้วทำตามได้ง่ายมากๆ
ตอนนี้เรียนรู้เรื่องขึ้นเยอะ ขอบคุณมากๆ :) :) :)

ขอบคุณครับ แบบนี้ถ้าว่างๆผมอาจจะได้ทำซับกับเขาบ้างสักที
ตอนนี้ยังไม่มีเวลาได้ลองทำเลย ;)

(https://www.i-pic.info/i/MehI604618.jpg)

ผมก็ทำคล้ายๆวิธีของท่าน ทำไว้ดูเกือบ2ปีละ แต่การดึงไฟล์ซับ .srt ออกมาจากไฟล์เสียง ผมใช้โปรแกรม pyTranscriber

1. ใช้โปรแกรม Format Factory แปลงไฟล์หนังให้ออกมาเป็นรูปแบบ .mp3 (ใช้เวลา5-8นาที)

2. เมื่อได้ไฟล์เสียงมาแล้วก็จับโยนลงใน pyTranscriber จะไวกว่าเพราะไฟล์เสียงมีขนาดเล็กกว่าไฟล์หนัง (ขั้นตอนนี้ใช้เวลาประมาณ 15-30นาที) แล้วแต่ความยาวของหนัง

3. พอได้ไฟล์ .srt มาแล้ว ก็มาแปลเป็นไทย SubTitle Edit ตามขั้นตอนที่ท่านกล่าวมา

วืธีนี้น่าจะไวกว่า ลองๆเทียบดูกันครับ

 

ผมกำลังลองแปลซับครั้งแรกเรื่องนี้ (ชอบส่วนตัว) แบบแกะทุกคำ
ใช้ความรู้ภาษาญี่ปุ่นที่เรียนมาเท่าที่มี เรียบเรียงใหม่ (ได้อารมณ์มากๆ）

ท่านใดอยากช่วยสนับสนุนค่าขนมบ้างไหมครับ   :-[
ตั้งใจทำมาก ตอนนี้แปลมา 2 วันแล้ว บทพูดเยอะมาก

(https://1.bp.blogspot.com/-Yc9QY1RSdkk/YAkC7fzbxDI/AAAAAAAE0q0/rdCfrXSHgFYu75zA2Mrh0b4KcIPfLIHcgCLcBGAsYHQ/s0/fsdss159.jpg)

ผมมีเป็น version .avi แต่อยู่ HDD ลูกไหนหาไม่เจอละครับ ถ้ากรุณา Up ขึ้น google drive เดี๋ยวผมลองดูให้ครับ

ลองโหลดแบบใหญ่ V2 มา มันก็ไวพอๆกะตัวเล็กนะนิ่ =___="

ขอบคุณครับ
เป็นอีกทางเลือกนึงที่ดีมากๆ เลย

แต่ละทางน่าจะมีข้อดีของตัวเอง

ปล. pyTranscriber ฟรีไหมครับ

โอเคตอนนี้รู้เรื่องหมดแล้ว

มันตัวเดียวกับ open ai whisper ที่เคยผมใช้อยู่
เพิ่งลองเทียบกันแบบจ่ะๆ คือหนังเรื่องเดียวกัน
แล้วมันค่อนข้างเอ๋อ (สำหรับผม)

แต่ผมก็ใช้ไว้ สรุปหนัง ทิศทางหนัง ไว้เขียนรีวิว
ซึ่งตอนนี้เพจผมทำแบบพิมพ์มันส์ๆ 3 บรรทัดพอ ไม่รีวิวยาวๆละไม่มีคนอ่าน

แต่ถ้าเอามาทำซับไม่ค่อยแนะนำเลย ไทมมิ่งแม่งก็ระยำชนิดที่ว่าทำใหม่หมด
มันเหมือนโหลดซับแปลกๆจาก Subcat มา แล้วมานั่งแก้อีกที

แต่ๆๆ ถ้าคนไม่มีความรู้ญี่ปุ่นแล้วมีใจรัก มันก็ช่วยได้ ประโยคปรกติๆ มันแปลตรงอยู่
เว้นแค่พวก Slang talk มุกญี่ปุ่น หรือการโยงเกี่ยวกับสื่ออื่นเช่นอะนิเมะ เพลง หนังปรกติ
และคำทับศัพท์จากภาษาอังกฤษ มันมั่วยับเลย

ก็เอาใจช่วยนักแปลหน้าใหม่ทุกท่านครับ ไปแย่งไอ้คิง9 แปลกันเยอะๆ ให้มันร้องไห้ตั้งกระทู้อีกที
คราวนี้จะตั้งใจแคปไว้เลย เอามาทำเป็นลายเซ็นต์ น่าจะเท่ห์

สอบถามครับ
Subcat ที่โปแกรมโหลดมาแก้ คือซับหนังที่มีคนแปลไว้แล้วเหรอครับ

หรือ Subcat มันคือฐานข้อมูลที่ต้องให้ AI เรียนรู้ (เหมือนโมดูลโปรแกรม AI วาดภาพคน 3D ) แล้วแปลได้ทุกเรื่อง คือแปลใหม่เลย แม้จะเป็นหนังที่โนเนม

มันเป็นเหมือนเว็บรวมซับมาแจกครับ

มีดีมีเหี้ยปนๆกันไป

จริงๆ มันมีอีกวิธีครับโดยใช้ CapCut แปล ซึ่งมันแปลได้ไวมากๆ
จะได้เป็นภาษาญี่ปุ่นออกมาเป็นไฟล์ .srt แล้วเอาไปโยนให้เว็บแปลเป็นไทยอีกที
แล้วค่อยมา Edit คำเพื่อให้มันถูกต้อง วิธีนี้จะมานานตอนแก้คำเท่านั้นเอง
แต่ถ้าเอามาดูเองเล่นๆ ก็ไม่ต้องทำอะไร เข้าใจตัวหนังได้สบายๆ เลยครับ

หลังจากเล่น อย่างเมามันมาพักนึง
- ประทับใจ sub edit+whisper พอสมควร จากที่เคยใช้หลายโปรแกรม speech to text มาหลายตัว
  จับคำได้แม่นกว่าที่เคยใช้มาก
- เวลากับเสียง ผมว่าถูกเกิน 80%
- ยอมใจคนทำซับขาย/แจกเลย ถ้าทำให้เนียน ต้องเกลาอีกมาก นี่ทำไหวแต่เรื่องที่ชอบจริงๆ

ตอนนี้อยากปรับ position ของ sub บางประโยค เพื่อหลบพวก text ที่ฝังมา มีใครมีวิธีมั้ยครับ

(https://thumbs2.imgbox.com/7f/70/j7g6lQHc_t.jpg) (https://imgbox.com/j7g6lQHc)

 

เคยลองเล่นมาพักใหญ่แล้ว Engine: const-me ถอดเสียงได้แม่นยำสุด

ขอบคุณครับ ได้รู้จักโปรแกรม CapCut อีก 1

ผมเคยค้นหาโปรแกรม speech to text เอง เจอแต่อะไรไม่รู้ ไม่ได้เรื่องได้ราว

ผมลองเรนเดอร์เล่นๆกับตัว pack ใหญ่สุด หนัง 2 ชั่วโมง เรนเดอร์ 3 ชั่วโมงกว่า

gtx 1060 3G

โห นานมาก ของผม หนัง 2hr ประมาณไม่เกิน 10 นาที
Spec :
Processor   13th Gen Intel(R) Core(TM) i5-13400F   2.50 GHz
Installed RAM   32.0 GB
GTX 1660

แค่attatchซับก็พอมั้งครับ ฝังซับนอกจากใช้เวลานานแล้ว ยังทำให้คุณภาพหนังลดลงอีก

สงสัยเลือกผิดอันไว้ลองใหม่

ความรู้ใหม่ๆ เดี๋ยวมีเวลาขอลองบ้างครับ

กำลังลองขอบคุณที่แนะนำครับ

ขอบคุณครับ

ลองตัวกลางมา ทำดีต้นเรื่องกะท้ายเรื่อง ตายตรงกลาง

ลองกะ FSDSS-673 ฉากวงเหล้าคือ AI เอาสุด
แต่จากนั้นดีไปเรื่อยๆ จนถึงฉากนางเอกชวนไอ้จืดนอนเตียง
แม่งไม่จับทำซับซะงั้น

ส่วนเสียงพูดนางเอกกับไอ้จืดตอนห้องน้ำมันก็ใส่มานะ แต่ไม่ได้เช็ดว่าถูกไหม

แล้วก็ใส่เสียงคราง อืม อา คิมูจิ ทุกเสียงเลย
ถ้าใครไม่ชอบ ไม่อยากแปลใส่ไป ก็แค่ลบ

ส่วนตัวอะนี้แหละผมคิดว่า 70-80% ซึ่งในทางเทคนิคเท่ากับ?

แต่กำลังลองตัวใหญ่อยู่

(https://img.a4h6.c18.e2-4.dev/00562f816e3433a4325.png)
ระยะเวลาที่ใช้โดยประมาณ GPU ล้วนๆ 1050TI

(https://img2.pic.in.th/pic/pr001.png)
ฉากวงเหล้าสุดในรุ่น สุดกว่านี้ไม่มีอีกละ (แต่กำลังลองตัวใหญ่)

(https://img.a4h6.c18.e2-4.dev/pr002.png)
อืม อา คิมูจิ มาหมด แม่งมาเยอะเกินด้วย ถถถถถถถถ

ปล.คลิ๊กขวา open image in new tab ดูรูปใหญ่

สุดยอดเลยครับ

ลองใน mac (ตัวฟรีอันนี้ https://goodsnooze.gumroad.com/l/macwhisper) คิดว่าน่าจะใช้ AI ตัวเดียวกันกับที่ใช้ใน SubtitleEdit

ซับญี่ปุ่นที่ AI ดึงจากเสียง(ไม่ได้แปลต่อไปภาษาอื่น)ไม่ถึงกับเป๊ะแต่ถ้าดูเพื่อให้รู้ทิศทางของหนังเฉยๆ นี่คือให้ผ่านเลย ถูกประมาณ 70%
เรื่องไทม์มิ่งอาจจะแย่นิดหน่อยแต่ก็ไม่ถึงกับดูไม่ได้

ทำในชิป M1 ไฟล์วิดีโอ 5 นาทีใช้เวลา 30 วิ

ผมมีเป็น version .avi แต่อยู่ HDD ลูกไหนหาไม่เจอละครับ ถ้ากรุณา Up ขึ้น google drive เดี๋ยวผมลองดูให้ครับ
[/quote]

โอ ขอบคุณมากครับ ขอเรื่องที่ 5 STAR-164 อีกเรื่องได้มั้ยครับ? เดี๋ยวผมอัพขึ้น GDrive ทั้งคู่เลย  ;D
ผมขอแค่เป็นไฟล์ซับภาษาอังกฤษที่เครื่องแปลให้เท่านั้น ไม่ต้องลำบากทำไทยให้ผมหรอกครับ ☺️

แก้เพิ่มเติม

หลังจากลองเอามาทำแบบเต็มเรื่องดู กลายเป็นว่า AI เกิดเพี้ยนแถวๆ ช่วงครึ่งหลังขึ้นมา
ความแม่นยำของ AI ทั้งคำที่ดึงจากเสียง ทั้งไทม์มิ่งรวนไปหมด
สงสัยถ้าจะใช้ให้ดีที่สุดคงต้องตัดคลิปเป็นแบบสั้นๆ

(https://i.ibb.co/cywDF30/Screenshot-2023-11-07-at-14-01-39.png)

(https://i.ibb.co/Wfp1SDp/Screenshot-2023-11-07-at-14-05-02.png)

ไฟล์วิดีโอ 2 ชั่วโมง ใช้เวลา 16 นาที

(https://img2.pic.in.th/pic/001e8b3ae557e51a5d9.png)
ลองใช้ตัวใหญ่สุดดู ปรากฏว่าแปลใช้ได้ดีเหมือนเคย ณ ช่วงแรก ส่วนกลางเรื่องรำยะตำบอนเหมือนเดิม

(https://img2.pic.in.th/pic/002.png)
ซึ่งเมื่อเวลาของหนังยังไม่เกิน มันยังจับคำแม่นยำอยู่ คุณภาพการถอดคำใช้ได้

(https://img.a4h6.c18.e2-4.dev/003.png)
แต่พอเวลาหนังใกล้ๆ 1 ชั่วโมง ความระยำบังเกิด แม่งไม่จับคำแล้ว ถถถถถถถ
คาดว่าตัวกลางก็อารมณ์เดียวกัน

ส่วนตัวคิดว่าต้องหั่นหนังออก สมมุุติหนัง 2 ชั่วโมง ต้องแบ่งเป็น 3 พาร์ทเพื่อจะทำซับ แล้วค่อยๆมาแก้เวลารวมอีกที
จากความแม่นช่วงต้น และคิดแต่ช่วงต้น ผมคิดว่ามันแม่นอยู่ที่ราวๆสัก 90-95% ของโมดูลตัวใหญ่นี้
คิดว่าดีพอที่จะใช้ AI มาช่วยทำซับ มันใช้ได้แล้วแต่ต้องหั่นหนังแยกออก ทำซับ และเอามารวมใหม่

ปล.มันคือคนละตัวกับ Subtitle Edit นะครับ เป็น Const-ME ตามที่ unrevealer แนะนำมา
ปล2 คลิ๊กขวา open image in new tab ดูรูปใหญ่

โอ ขอบคุณมากครับ ขอเรื่องที่ 5 STAR-164 อีกเรื่องได้มั้ยครับ? เดี๋ยวผมอัพขึ้น GDrive ทั้งคู่เลย  ;D
ผมขอแค่เป็นไฟล์ซับภาษาอังกฤษที่เครื่องแปลให้เท่านั้น ไม่ต้องลำบากทำไทยให้ผมหรอกครับ ☺️

[/quote]

มาเลยครับ เรื่องพรรณนี้ เราช่วยกันครับ

👍🙏

ก็คือถ้าเป็นสั้นๆที่เราตัดมาไม่เกิน 1 ชม ไทมมิ่งมันจะตรงสุดใช่ป่าวครับ

ที่ผมลองและพิมพ์คือ Const-ME ครับ ตัวกลางให้ 70-80%
ตัวใหญ่เป็น 90-95% ซึ่งทั้งคู่ใกล้ๆ 1 ชั่วโมงแล้วมันไม่จับคำอะไรเลย
ต้องหั่นแบ่งหนัง และทำซับเป็นตอนๆ มารวมต่อกันทีหลัง

ส่วน Purfview's Faster Whisper ที่ จขกท. แนะนำตัวโมดูลกลาง
ความแม่นบวกความครบไม่ตกหล่นจะอยู่ราวๆ ผมให้ 60-70% ครับ
ส่วนตัวใหญ่ ผมว่ามันไม่ต่างจากตัวกลางเลย ทั้งคู่เปิดหัวมาคำทับศัพท์อย่าง คัมปาย ก็แตกแล้ว

โดยทั้คู่ ทั้ง Const-ME และ Purfview's Faster Whisper ผมคิดว่าใช้โมดูลที่เหมือนกัน
มันต่างกันที่ Engine เรียกใช้โมดูล

แต่ทั้งหมดทั้งมวลผมทดสอบแค่เรื่องเดียวคือ FSDSS-673 Yuko Ono
เพราะช่วงต้นมีบทพูดที่เยอะเป็นวงเหล้า คนแย่งกันพูด มีคำแสลง มีมุก มีคำถามจริงจัง สลับกันไปมา
ซึ่งถ้าผมจะเลือกใช้ สำหรับผมคงใช้ Const-ME เพราะผมตัดหั่นหนังได้ และสามารถตัดปะซับได้
และมันน่าจะออกมาเป็นซับที่ดี

คือผมลองทำแล้ว ตรงTEXT มันขึ้นเป็น ????????? หมดเลย อันนี้ต้องแก้ยังไงอะครับ

Encoding อะไรครับ
Utf 8 รีเปล่า (เลือกด้านบน)

SRT. กับ UTF8 ครับ

Const-ME ใช้งานง่ายหรือยากกว่าโปรแกรมที่ท่าน จขกท. แนะนำครับ

ลองทำแล้ว พอเข้าใจเรื่องราวได้
แต่พอแปลเป็นอังกฤษ คำจะแปลกๆ หน่อย
สรุปใช้ได้ดีระดับนึงเลย

ผมลองทั้ง 2 Engine แล้ว
Purfview's Faster Whisper ใช้งาน CPU
Const-ME ใช้งาน GPU

ทำ sub แล้ว Const-ME จะได้คำเยอะกว่า
พอแปลเป็นอังกฤษแล้ว บางคำ Purfview's Faster Whisper กลับอ่านได้เข้าใจกว่า

เครื่องผมไม่มี GPU แยก ใช้ Purfview's Faster Whisper ซึ่งใช้ CPU จะเร็วกว่ามาก

พอกัน

ขอบคุณครับ

ลองทำดูแล้วครับ

ใช้ Purfview's Faster Whisper - large

อยากได้ของดีเลยห้าวเลือก large โดยไม่ดูสเปกเครื่อง
ยังดีที่ตัดหนังมาทดลองแค่ 4.30 นาที

ผลที่ได้
- ใช้เวลา generate เกือบ 20 นาที (ถ้าลองเต็มเรื่อง แย่แน่)
- แปลตรงพอสมควร (ให้ประมาณ 70 %)
- มีสงสัย อยู่หนึ่งคำที่ขึ้นบ่อยมาก คือ picture - รูปภาพ ไม่รู้ว่ามาจากภาษาญี่ปุ่นว่าอะไร


ปล.
- ผมอัพไฟล์หนังช่วงที่ตัดมา และ srt ทั้ง jp, en, th ไว้ ท่านไหนสะดวกรบกวนหาคำตอบให้ด้วยนะครับว่า "picture - รูปภาพ" มาจากภาษาญี่ปุ่นว่าอะไร และโดยรวมแล้วแปลตรงถึง 70% ที่ผมประมาณคะแนนให้ไหมครับ
- ว่างๆ จะลอง Const-ME เทียบกันดูอีกทีครับ


https://drive.google.com/drive/folders/1VbzvnzvdJy6ISRNWQwzduEX48nnOxdBT?usp=sharing



(https://i.ibb.co/F8sfctf/message-Image-1699446931257.jpg) (https://ibb.co/qm04hw4)


(https://i.ibb.co/qk3bncS/1699449593953.jpg) (https://ibb.co/nzNh0YG)


(https://i.ibb.co/R33FdHR/1699450402378.jpg) (https://ibb.co/wSSkj65)


(https://i.ibb.co/hLkZXMg/1699448371103.jpg) (https://ibb.co/ydDYhRN)

"รูปภาพ" ที่สงสัยมาจากคำว่า え? "เอ๊ะ?" แต่ AI คิดว่าเป็น 絵(え/เอะ) "รูปภาพ"

ขอบคุณครับท่าน เป็นคำว่า "เอ๊ะ" ที่แสดงความประหลาดใจใช่ไหมครับ

ใช่ครับ

เทียบคำที่เวลาเดียวกันแล้ว
ภาษาญี่ปุ่นเป็น "え?" จริงๆ ด้วยครับ
แสดงว่า AI แปลจากเสียงเป็นซับญี่ปุ่นถูกต้อง
แต่ google แปลภาษาญี่ปุ่นเป็นอังกฤษผิด ใช่ไหมครับ



(https://i.ibb.co/BNWs3Yt/1699430923847.jpg) (https://ibb.co/hfQ89Ty)

(https://i.ibb.co/BtXR539/1699430889834.jpg) (https://ibb.co/xDpQtLN)

ตามนั้นเลยครับ ซับญี่ปุ่นถูกแล้วแต่ตัวแปลภาษาแปลผิด

เยี่ยมมากเลย ไปลองมั่งดีกว่า ขอบคุณครับ

pyTranscriber มีลิงค์ไหมครับ ผมมีไฟล์ mp3 แล้ว อยากลองถอดคำ โดยใช้ pyTranscriber ดูบ้าง

เพราะ...ลองโปรแกรมตามกระทู้แล้ว สงสัยเครื่องคอมฯ ผมจะสเปกต่ำเกิน

ตัดไฟล์หนังมาลองความยาว 4.30 นาที

engine Purfview's Faster Whisper - model large > ใช้เวลา 20 นาที

engine Purfview's Faster Whisper - model small > ใช้เวลา 5 นาที (อันนี้เร็วสุดละ ถ้าหนัง 2 ชั่วโมง ก็คงใช้เวลาประมาณ 2 ชั่วโมง)

engine Const-ME - model large > เวลาผ่านไป 50 นาที ไม่มีทีท่าว่าจะเสร็จ เลย cancel ไป

engine Const-ME - model small > เวลาผ่านไป 30 นาที ไม่มีทีท่าว่าจะเสร็จ ก็เลย cancel ไปเหมือนกัน

ปล.แอบอิจฉาท่านๆ ที่มีคอมฯสเปกสูงจัง

จริงๆคอม spec ดีๆพอใช้มันก็ไม่ได้ราคาสูงหรอกครับ แต่ส่วนใหญ่เป็นมือสองเพราะของมันตกรุ่นไปหมดแล้ว
ซึ่งต้องหาร้านดีๆไว้ใจได้หน่อย

ส่วนการประกอบคอมมือหนึ่งยุคนี้ แนะนำงบ 30k-40k ขึ้นไป หรือเลือกประกอบดีๆไปเลยใช้ได้อีก 10-20 ปี
คอมยุคนี้ไม่พังง่ายเหมือนยุค 2000 แล้ว

บางทีมันอาจะนานตรงกรประมวลไฟล์หนังที่ใหญ่

แต่ความเป็นจริงลอคิดดูดีๆ โปรแกรมมันต้องการแค่ไฟล์เสียง เพื่อถอดเป็นตัวอักษร ไฟล์ภาพไม่มีประโยชน์อะไรเลย

pyTranscriber ฟรีแวร์ใช้ฟรี หาโหลดใน google ได้เลย หาไม่ยาก

คอมผม i3 SSD ไม่มีการ์ดจอ แรม 8 คอมไม่แรงเลย

pyTranscriber ทำงานสองเสต็ป

1. อัพไฟล์ลงเซฟเวอร์เพื่อประมวล คือถ้าเราต้องแปลงไฟล์หนังเหลือแค่ไฟล์เสียง (.mp3) ขนาดประมาณ 100 MB จะอัพและแปลงไวมาก
2. เลือกภาษาที่จะแปลง ช่วงนี้โปรแกรมจะใช้เวลาดึงไฟล์ออกมาเป็น .Srt ใช้เวลา 10-30 นาที

รวมๆทุกขั้นตอนหนังเรื่องนึงใช้เวลาประมาณ 20-30 แค่นั้น

ครับ งั้นเดี๋ยว search google ดูครับ

ลืมบอกข้อดีของ pyTranscriber คือสามารถแปลงได้หลายๆเรื่องต่อๆกัน
ถ้านอน 4 ทุ่มเปิดทิ้งไว้ ตื่นมา 6 โมงเช้า ได้มาประมาณ 14-15 เรื่อง ;D  8)

(https://www.i-pic.info/i/qFtw608799.jpg)

การดึงไฟล์เสียงออกจาก video ผมแนะนำลองใช้ ffmpeg ครับ

https://www.ffmpeg.org/

ลองศึกษาดูตามลิงค์นี้ วิธีการคร่าว ๆ ก็ดาวโหลด module มาติดตั้งให้เรียบร้อย แล้วเปิดใช้โดยการใช้ command line ครับ พวก cmd หรือ terminal ก็ได้ (จอดำ ๆ ไว้ใส่โค้ด)

พอเปิดมาแล้วก็พิมพ์ cd ตามด้วยที่อยู่ไฟล์วิดีโอ เช่น cd D:\SW-922

แล้วใส่โค้ดตามนี้ครับ เปลี่ยนแค่ชื่อไฟล์

ffmpeg -i SW-922.mp4 -vn -acodec copy SW-922.mp3

จะได้ไฟล์ mp3 มาแบบเร็วมาก ๆ ปกติหนังประมาณ 3-4 ชม. ใช้เวลาดึงไฟล์ไม่เกิน 5 วินาทีครับ

วิธีทำอาจจะดูยากนิดหน่อย แต่ถ้าคล่องแล้วจะแปปเดียว ไม่ต้องมานั่งรอหลายนาทีกับ format factory ครับ

https://www.avcollectors.com/board/index.php?topic=233870.0

ขอยาดฝากมู้ FFMPEG ใครมีคำสั่งอะไรดีๆ ไปพิมพ์ทิ้งไว้ได้ เดะแก้ขึ้นหน้าแรกให้ มันเป็นโปรแกรมสารพัดสำหรับไฟล์สื่อต่างๆ

เพิ่งรู้ว่ามีคำสั่งของ ffmpeg แปลง mp4 เป็น mp3 ได้รวดเร็ว
ขอบคุณมากเลยครับ

ปกติผมใช้แปลง ts เป็น mp4 ตามที่ท่านอบเชยบอก ก็แปลงได้รวดเร็วเหมือนกัน

แปลงเป็นชุดก็มา สุดยอดครับ

ผมอาจจะไม่ได้ทำทีละเยอะเป็น 10 เรื่อง
แต่ก็เป็นข้อดีของโปรแกรมที่ดีมากๆ

ขอบคุณท่านหมูดำสำหรับกระทู้ดีๆ นอกจากเรื่องแปลซับแล้ว ยังได้คุยต่อยอดถึง Aotosubtitle ด้วย

ขอบคุณสำหรับข้อมูลดีๆครับ

หลังจากลองเล่นมาหลายวันพบว่าใช้ดีมากจริงๆเลยขอมาแบ่งปันประสบการณ์ เล่าถึงปัญหาที่เจอและวิธีแก้ไขเผื่อจะเป็นประโยชน์กับท่านอื่นๆครับ

การเลือกEngineแนะนำว่าควรเลือกรันด้วยgpuจะเร็วกว่าcpuมาก(เครื่องผมเร็วขึ้นประมาณ4-6เท่า) โดยแนะนำอยู่2ตัวคือ
1) Purfview's Faster-Whisper รองรับเฉพาะNVDIAเท่านั้น ใครใช้ค่ายเขียวแนะนำให้ใช้ตัวนี้เลยครับ ครบจบในตัว (เหตุผลโปรดอ่านต่อด้านล่าง)
2) Const-me ตัวนี้การ์ดจอAMDสามารถรันได้แต่มีปัญหานิดหน่อย
ส่วนตัวผมใช้GPU AMDเลยใช้ได้แค่ตัวConst-MEส่วนของตัวPurfviewถ้าไม่มีการ์ดจอnvdiaแล้วรันไปมันจะใช้แค่cpuอย่างเดียวครับ ผมทดสอบด้วยไฟล์หนัง TEAM-102 โดยตัดเอาส่วน28นาทีแรกของหนังมาทำซับด้วยSpec [CPU: R5 5800H, GPU: RX 6600M, RAM: 32 GB] พบว่า
-Const-me (GPU) model small ใช้เวลา 55วินาที
-Purftview’s (CPU) model small ใช้เวลา 124 วินาที
-Const-me (GPU) model medium ใช้เวลา 196วินาที
ส่วนตัว Purftview’s (CPU) model medium ไม่ได้รันเพราะขี้เกียจรอครับ 5555 ;D

ต่อมาปัญหาที่เจอในตัวConst-meซึ่งคิดว่าหลายๆท่านน่าจะเจอเหมือนกันคือถ้าหนังมีช่วงเงียบหรือไม่มีคำพูดนานๆ(รวมถึงฉากอย่างว่า)Whisperมันจะมีอาการถอดคำผิดๆออกมาหรือสร้างซับขึ้นมาซ้ำๆ โดยไม่จำเป็นว่าไฟล์หนังต้องนานกว่า1ชั่วโมงเลยครับ ทั้งนี้ถึงจะขยับมาใช้โมเดลขนาดกลางก็ยังไม่หาย (ผมไปหาข้อมูลในgithubหลายๆคนบอกว่าถึงใช้โมเดลlargeก็ยังเจอ)
ตัวอย่าง:
(https://i.ibb.co/nRtg34b/Screenshot-2023-11-16-061756.png) (https://ibb.co/nRtg34b)

ซึ่งเท่าที่หาข้อมูลมาหลายๆแหล่งพูดตรงกันว่าสาเหตุมาจากตัวแกนของWhisperเองที่จะมีอาการหลอน(AI hallucination)เวลาถอดคำภาษาต่างประเทศแล้วเจอส่วนที่ไม่แน่ใจมันจะมั่วขึ้นมาเลยครับ อย่างไรก็ตามในโมเดลขนาดเล็กเหมือนกันปัญหานี้ในPurfview’s มีน้อยกว่าอย่างเห็นได้ชัด ซึ่งสาเหตุมาจากตัวPurfview’sมีการใช้งานVoice Activity Detector(VAD)ทำการกรองเอาส่วนที่ไม่มีเสียงคนพูดออกไปก่อนแล้วถึงใช้Whisperถอดคำเฉพาะส่วนที่มีเสียงคนพูดเท่านั้น ด้วยเหตุนี้ผมจึงแนะนำตัวPurfviewก่อนสำหรับคนที่มีการ์ดnvdiaครับ

แต่สำหรับคนใช้การ์ดจอAMD(เช่นผมเอง :'()ต้องเล่นท่ายากนิดหน่อยครับ เหมาะสำหรับคนที่คุ้นเคยกับPython โดยผมได้เขียนสคริปเรียกใช้Silero-VADเพื่อให้มันกรองไฟล์ของเราก่อน1ชั้น โดยVADจะหั่นหนังเราออกเป็นไฟล์เสียงย่อยๆที่มีเฉพาะเสียงคนพูดรวมถึงบันทึกtimestampของแต่ละพาร์ทเพื่อจะได้เอากลับมารวมกันใหม่ได้

วิธีใช้
 1. ขั้นแรกเรียกใช้VADจากไฟล์runVAD.py
(https://i.ibb.co/qW80XNS/Screenshot-2023-11-16-053244.png) (https://ibb.co/yYChG69)

ไฟล์หนัง28นาที VADใช้เวลากรองแค่20วินาที ถือว่าไวมาก
(https://i.ibb.co/W6hqGWJ/Screenshot-2023-11-16-052506.png) (https://ibb.co/W6hqGWJ)

จะได้ไฟล์เสียงย่อยออกมาหลายๆไฟล์อยู่ในโฟลเดอร์vad_chunksแบบนี้
(https://i.ibb.co/FmNNHB4/Screenshot-2023-11-16-052440.png) (https://ibb.co/FmNNHB4)

 2. โยนไฟล์เสียงทั้งหมดในโฟลเดอร์vad_chunksใส่SubtitleEditได้เลย ใช้โหมดbatchจะได้สั่งทีเดียวถอดทุกไฟล์ต่อกันไปเลยครับและอย่าลืมเลือกengineให้ถูกเพื่อความรวดเร็ว
(https://i.ibb.co/cy35P0S/Screenshot-2023-11-16-052703.png) (https://ibb.co/cy35P0S)

 3. หลังถอดเสียงทุกไฟล์ครบแล้ว เรียกใช้ไฟล์composeSub.pyเพื่อรวมซับทั้งหมดเป็นไฟล์เดียวเพื่อเอากลับไปแปลต่อในSubtitleEditได้เลยครับ
(https://i.ibb.co/tz4KSXV/Screenshot-2023-11-16-060231.png) (https://ibb.co/tz4KSXV)

เปรียบเทียบผลลัพธ์กับแบบเดิม โดยรวมถือว่าดีขึ้นพอสมควร ช่วยให้เอาไปปรับต่อได้ง่ายขึ้นเยอะครับ
(https://i.ibb.co/TBTpc9Y/Screenshot-2023-11-16-061826.png) (https://ibb.co/TBTpc9Y)

ถ้าใครสนใจสามารถโหลดสคริปPythonในนี้ (https://github.com/JRWSP/runSileroVAD_forWhisper)ของผมไปลองใช้ได้เลยครับ ข้อเสียหลักๆคือเวลาที่ใช้ถอดคำไฟล์ย่อยทีละไฟล์ดูเหมือนจะนานกว่าถอดไฟล์ใหญ่1ไฟล์ครั้งเดียวครับ กรณีของผมคือจาก~3นาทีกว่าๆเป็น~8นาทีแต่ก็ช่วยเพิ่มคุณภาพซับได้พอสมควรเลยครับ หวังว่าจะเป็นประโยชน์ครับ

สุดยอดครับ เรื่อง VAD นี่ผมก็ศึกษาอยู่เหมือนกันก่อนจะมาเจอกระทู้นี้ ตอนนั้นผมยังใช้ Ctranslate2 Faster Whisper แล้วเขียน parameter กำกับเองอยู่บังคับให้โมเดลใช้ VAD ผลลัพธ์ออกมาดีกว่าไม่ใช้ VAD มาก ๆ

แต่ตอนนี้ทุกอย่างจบครบง่ายด้วยโปรแกรมที่เจ้าของกระทู้แนะนำแล้วเลือกโมเดล Purfview’s เหมือนเกิดใหม่ ไม่ต้องมานั่งเจนซับซ้ำ ๆ ค่อย ๆ ปรับ parameter พวก beam size หรือ threshold ต่าง ๆ แล้ว เพราะผลลัพธ์ที่ได้มันโอเคมากแล้ว ดูรู้เรื่อง

แต่รบกวนสอบถามนิดนึงครับว่า Purfview’s มันเลือกใช้ GPU อัตโนมัติเลยไหมครับถ้าเราใช้การ์ดจอ RTX (มี CUDA core) เพราะที่ผมใช้ Purfview’s อยู่ตอนนี้ก็เร็วกว่า Const-me มาก ๆ (หนัง 2 ชม. Purfview's ประมาณ 5-10 นาที Const-me 40 นาที++) แต่เช็คจาก Task manager เหมือนของผม Purfview’s ตอนรันดูจะใช้แต่ CPU แหะ GPU แทบไม่กระดิกเลย

ถ้าเทียบcpuต่อcpu ตัวPrufview's Faster Whisperจะเร็วกว่าเพราะใช้Ctranslate2ครับ ผมลองรันคลิปตัวอย่างหนังขนาด2นาทีด้วยโมเดลsmall ตัวWhisper-CPP (cpu)ใช้57วินาที ส่วนPrufview's Faster Whisperใช้แค่30วินาทีเท่านั้นบนคุณภาพที่ดีกว่าเพราะมีVAD

ผมไม่มีการ์ดNVDIAเลยเทสgpuของPrufviewไม่ได้ แต่ในGithubต้นทางเขียนว่าถ้าตรวจเจอการ์ดจอจะใช้ให้เองเลยครับ
"Programs automatically will choose to work on GPU if CUDA is detected. (https://github.com/Purfview/whisper-standalone-win)"
แนะนำลองเซตพารามิเตอร์(-cc)ตอนรันเพื่อดูว่าโปรแกรมหาCUDA devicesเจอไหมครับ

ท่านเขียนสคริป Voice Activity Detector(VAD) กรองเอาส่วนที่ไม่มีเสียงคนพูดออก น่าสนใจมากครับ

ถ้าใช้สคริปแล้ว ไทม์มิ่งจะตรงไหมครับ

ขอบคุณมากครับผม จะลองเทสดูครับ

เท่าที่ใช้เองยังไม่เจอนะครับ แต่ถ้ามีปัญหาแจ้งได้ครับ  ;D

edit: ปรากฎว่าตอนรวมซับมีบัคที่ไฟล์แรกไม่ได้+offsetเลยมีไทม์มิ่งเลื่อนไปนิดหน่อย แต่ตอนนี้แก้ไขเรียบร้อยแล้วครับ

ทำให้อยากดูหนัง debut มากขึ้นเลย หลังจากไม่ชอบดูเลย 555+

แจ่มมากเลยครับ ดูหนังเพลินขึ้นอีก 100 เท่า

ขอบคุณมากเลยครับ สำหรับคำแนะนำ ลองเอาไปแปลหนัง VR ก็แปลได้ใจความดีครับ เพราะหนังเสียงรบกวนแทบไม่มีเลยครับ ทำตามได้ง่ายที่สุด จากที่เคยพยายามมาหลายแบบจนท้อไปหมดแล้วครับ

จากที่ลองขยันทำมาสักพักประมาณ 10 กว่าเรื่อง ใช้(purfview+large)เวลาในการถอดซับออกมาประมาณเรื่องละ 10-15นาที ต่อหนัง 2-3 ชม.
ตัวอื่นยังไม่ได้ลอง ผมพอใจกับเวลา และคุณภาพที่ได้

ไม่รู้ว่าโชคดีที่ได้ผลลัพธ์แบบนี้รึป่าว คุณภาพของซับที่ได้ รู้เรื่องประมาณ 60-80 เปอร์เซ็นต์ ถ้าเอามาแกะเกลาให้เข้าที่เข้าทาง ก็พอใช้งานได้อยู่

สิ่งที่พอจะสรุปได้ส่วนตัวสำหรับผม
- ถ้าขยันปรับขยันแก้ ให้ได้คุณภาพ ก็ถือว่าเป็นตัวช่วยที่ดีระดับนึงเลย ลดระยะเวลาการทำซับ ปรับแต่งไม่ยาก สามารถต่อยอดได้
- ถ้าพอใจใช้แค่ที่มันถอดซับออกมา สายขี้เกียจแบบผมไว้ดูแก้ขัด ก็ถือว่าไม่เลว แต่ก็ต้องเดาบทเองในบางช่วงที่มันแปลมามั่วๆ
- ถ้าขี้เกียจด้วย อยากได้ซับดีๆด้วย แนะนำให้ไปจ้างท่านผู้มีประสบการณ์ในการทำซับเถอะครับ อย่าฝืนดูให้หงุดหงิดเสียเวลา

ขอบคุณคร้าบ

อย่างที่ผมบอกคือ ใช้ aiช่วย 3นาที อีก 3ชม นั่งเกลาต่อเอง   [555]

ผมลองขยันเรื่องนึง จาก 30-40% ที่ว่า ใช้เวลา 2-3ชม.จริงๆครับ เหนื่อยพอสมควร แต่อย่างน้อยก็ดีกว่าเริ่มจากศูนย์ สำหรับคนที่อยากเริ่มต้นเป็นนักแปลซับ อันนี้มีโครงมาให้ ไม่ต้องฟังเองแปลเอง ไม่ต้องไทม์มิ่งเอง

ยังไงก็ต้องให้เครดิต ขอบคุณท่าน หมูดำรำพัน ที่นำวิธีนี้มาแบ่งปัน เป็นตัวช่วย

มีใครให้เยอะกว่านี้มั้ยครับ หนังยาว 2.5 ชม. 24ชม.ยังไม่ขยับเลย 5555555
สงสัยต้องซื้อคอมใหม่จริงๆละ
Core I5 Ram 4GB เครื่องปี 2010 ลองเอามาทำเล่นๆ

(https://ibb.co/Q61Hzh0)

i5 gen ไหนนะ

แต่มันก็นานไปพี่จ่ายค่าไฟไม่คุ้มมั้ง

Gen 2 ครับ อยากรู้เฉยๆว่ามันจะไปได้ขนาดไหน
รอบก่อนหนังชม.ครึ่ง ซัดไป7ชม.ได้มั้ง
รอบนี้คือรู้ซึ้งเลย ใช้pytranscriberไปก่อนละกัน ระหว่างรอซื้อใหม่
ถ้าทนใช้ต่อไป ค่าไฟอาจจะแพงกว่า
  :'(

ลองว่ารหัสมา

ขอบคุณวิธีของคุณ EmoCoNisT ถ้าแปลง1-2เรื่องใช้ ffmpeg ดึงไฟล์ mp3 ออกมาเหมาะมากๆ
แต่ถ้าแปลง 10-20 เรื่องจะให้พิมพ์รหัสทุกๆเรื่องคงมึนแน่ๆ

ถ้าแปลงเป็นชุดๆผมยังเชียร์ Format Factory ปกติหนังใหม่จะมีให้โหลดทุกๆวันศุกร์ของทุกๆสัปดาห์
อย่างตํ่าๆทุกศุกร์พวกเราๆต้องโหลดหนังใหม่ๆมาดูมาณ 20 เรื่อง
อย่างในภาพหนังใหม่ของสัปดาห์นี้ (8.12.2023) ใช้ Format Factory แปลง 10 เรื่องใช้เวลาตามภาพ
25.37น. เฉลี่ยเรื่องนึงใช้เวลา 2 นาทีนิดๆต่อเรื่อง แปลงรวดเดียวต่อเนื่องจบ ไม่ต้องนั่งพิมพ์รหัสทุกเรื่อง

หลังจากนั้นจับโยน pyTranscriber แปลต่ออีกรวดเดียว คืนวันศุกร์ก็มีหนังใหม่แบบซับไทยดูชิวๆ 10-20 เรื่อง ;D

(https://www.i-pic.info/i/fAIY618552.jpg)

อีกอย่างคอมผมไม่ได้แรงอะไร mini pc i3 ram8 ยังแปลงได้ไว
ลองดูหลายๆวิธีเผื่อจะปรับใช้ที่เหมาะกับสถานการณ์

(https://www.i-pic.info/i/LqFR618544.jpg)

(https://www.i-pic.info/i/NcfT618569.jpg)

(https://www.i-pic.info/i/sIKm618556.jpg)

(https://www.i-pic.info/i/XiAJ618565.jpg)

จริงๆ ffmpeg ก็แปลงทีละหลายๆไฟล์ได้นะครับ

แต่ก็ต้องพิมพ์รหัสทุกๆเรื่องอยู่ดี? สู้รากลงโปรแกรมกดแปลงทีเดียวจบ

แล้วแต่คนสะดวก ของผมเสนอเป็นอีกทางเลือก เผื่อใครชอบแบบไหน แบ่งปันความรู้กันครับ ;)

ทำไมต้องพิมพ์รหัสหลายๆเรื่องเหรอครับ อันนี้เฉลยผมหน่อย

ในเมื่อเราสามารถ for %i in ("*.mp4") ได้ มันจะเลือกไฟล์ mp4 จากใน folder ทั้งหมด
แล้วจากนั้นก็ให้ ffmpeg ทำงานคำสั่งอะไรก็ว่าไป

อะคลิปนี้เข้าใจง่ายดี ไม่เก่าไปไม่ใหม่ไป
https://www.youtube.com/watch?v=3p6Wb5eshuo

อะเพื่อเข้าใจผิด ผมบอกเฉยๆว่า ffmpeg มันทำได้
ไม่ได้จะชกหน้าหรือต่อยท้อง จริงๆแล้วถ้าไม่ซีเรียสหรือจิงจังอะไร
ใครสะดวกแบบไหนก็เอาแบบนั้นแหละ

ตัวหนังสือไทยแม่งพิมพ์ไม่ลงหางเสียงหรือพิมพ์ไม่เล่นเสียงซอฟๆ
แม่งดูเป็นตั้งหมัดตั้งการ์ดชกมวยอย่างเดียวเลย

ส่วนอันนี้โค๊ดเผื่อใครอยากลอง ffmpeg

ถ้ามีแบบแปลงทั้งใน Folder แบบนี้น่าสน เดี้ยวลองศึกษาดู :-*

ได้ความรู้เพิ่มเติมเรื่องแปลงทั้งโฟลเดอร์ ขอบคุณครับ

ท่านเลือก engine อะไรครับ
ผู้รู้ให้ข้อมูลว่า
engine Purfview's Faster Whisper - ใช้ CPU
engine Const-ME - ใช้ GPU ครับ

มีใครใช้ Perfview ตัวใหญ่สุด V3 แล้วถอดได้ครบๆไหมครับ?
ของผมลองใช้แล้วมันมาไม่ถึง 20 นาทีเลย
ต้องกลับไปใช้ตัวใหญ่ 2 ไม่ก็ตัวกลาง ซึ่งมาครบปรกติดี

อ่านแล้วน่าสนใจมากเลยฮะ แต่ชาวMac อย่างผมจะมีสิทธิบ้างมั๊ยครับ ;D ;D ;D

ขอบพระคุณอย่างสูง ผมรอคอยมานานแล้วครับ
พยายามหาเองแล้ว แต่ทำออกมาไม่ได้ผลจนได้เจอกระทู้นี้เลยครับ

ไม่แน่ใจว่ามีท่านใดแนะนำไปหรือยัง แต่ตอนนี้ผม transcript จากไฟล์เสียงมาได้เป็น srt ภาษาญี่ปุ่นหลายๆไฟล์เข้า พอต้องมานั่ง Google Translate V1 เป็นภาษาไทยไปทีละไฟล์ไปเรื่อยๆ มันใช้เวลาต้องมานั่งสังเกต เลยเห็นว่ามีบริการแปลง ภาษาออนไลน์ที่ละ 20 ไฟล์ ได้ เลยลองดู ผมว่าคุณภาพได้ออกมาเหมือนๆ กับโปรแกรมเลยครับ แต่ที่สำคัญ แปลเร็วกว่ามาก (กรณีเครื่องผม) นับหนึ่งถึงสิบ ไม่จบ มันแปลเสร็จแล้ว ผมใช้ www.subtitlestranslator.com มีบริจาคเพื่อสนับสนุนเว็ปแล้วแต่เลยครับ ตอนนี้มาเสียเวลากับการนั่งอ่านซับ ดูหนังนานกว่าปกติ ทำให้รู้เรื่องขึ้นเยอะเลยครับ ยังไงต้องขอบคุณเจ้าของกระทู้อีกที ที่เปิดโลกภาษา AV เลยนะครับ

ผมใช้ V3 ก็มาครบทั้งเรื่องนะคับ แต่ไทม์มิ่งมันไม่แม่น อ่านซับแล้วเหมือนหน่วงๆ ตอนนี้เลยกลับไปใช้ V2 เหมือนเดิม ซับตรงเวลาพูด แต่แปลได้งงกว่าหน่อย แต่ไม่รู้ว่าเป็นที่ผมคนเดียวมั้ย

ณ ตอนนนี้ถูกใจตัวกลางมากสุด ไทม์มิ่งอย่างเป๊ะ

ใช้ Whisper ครับ ว่าแล้ว 5555

ขอถามหน่อยครับ ถ้าทำ.srtแล้ว เราจะเอาไฟล์ซับของเราใส่ในวิดีโอยังไงหรอครับ

วิธีของผมใช้แบบนี้ครับ
- เอาไฟล์ srt ไปใส่ในโฟลเดอร์เดียวกันกับหนัง
- เปิดหนังโดย PowerDVD
- คลิกขวา เลือก subtitle จะเห็น srt ที่เราใส่ไว้ในโฟลเดอร์เดียวกับหนัง
(ผมยังไม่เคยเลือก import จากโฟลเดอร์อื่น)
*** ซับ srt นี้จะไม่ติดกับไฟล์ถาวร เหมือนซับฝัง (Hard Sub)



(https://i.ibb.co/WBDhQD3/1104717-0.jpg) (https://ibb.co/ss5fh5P)



(https://i.ibb.co/2hvVX6S/1104716-0.jpg) (https://ibb.co/jfy075z)

ขอโทษคับ อยากขอรบกวนช่วยแกะซับ(.srt)ภาษาญี่ปุ่นของรหัส START-010 ให้ผมหน่อยได้ไหมคับ

ผมอยากลองแปลซับไทยเรื่องนี้อ่ะคับ [ซึ้ง]

ผมใช้โปรแกรม JavLuv จัดการฮะ เราสามารถเลือกไฟล์ซับให้ตรงกับเรื่องนั้น เวลาจะดูก็เลือกหนังจากในโปรแกรม มันจะขึ้นซับมาให้เลย ค่อนข้างสะดวก ส่วนโปรแกรมดูหนังผมใช้ KM เป็น default ในเครื่อง


ตัวโปรแกรมเปลี่ยนเวอร์ชั่นแล้ว จนถึงตอนนี้ v3 ก็ยังไม่ดีขึ้น ยังคงใช้ตัว v2 อยู่ ที่สังเกตุได้อีกอย่าง v2 ค่อนข้างทำงานเร็ว
ผมลองทำจากเรื่องเดียวกัน หนัง2ชม.
v2 ใช้เวลา 15 นาที ไทม์มิ่งตรง ข้อความครบเท่าที่จะมาได้ ถ้าเสียงไม่เบาเกินไป แปลได้ระดับกลาง
v3 ใช้เวลา 50 นาที ไทม์มิ่งหน่วง ข้อความขาดๆหายๆ แปลได้ระดับกลางถึงค่อนข้างใช้ได้ไม่ถึงกับดี

 ;D ;D ;D ;D ;D กำลังหัดเล่นอยู่ครับ ช่วยได้เยอเลยมีต้องเปลี่ยนอะไรเองนิดหน่อยจะลองทำดูครับ

ผมลองง่าย ๆ แบบ ไม่แก้ Edit Sub ใช้ตามเวรตามกรรม

1. ดึงเสียงผมใช้ Microsoft Clipchamp ติดเครื่องนั้นแหละ แยกไฟล์เสียงได้เป็น .m4a
2. ผมใช้โปรแกรม pyTranscriber ตามที่ท่านนึงแนะไว้ สุดท้ายได้ ไฟล์ .srt ภาษาญี่ปุ่นมา
3. ใช้ https://www.subtitlestranslator.com/en/translate.php เว็บนี้ แปลจาก ญี่ปุ่น เป็นภาษา อื่น ๆ จบ

ตอนนี้แปลงได้ไฟล์ srt ภาษาอังกฤษ มาแล้วครับ แต่ถ้าอยากมานั่ง edit เป็นภาษาไทยทีละบรรทัด (แปลเอง) ใน ipad เวลาว่างๆ ต้องใช้โปรแกรมอะไรครับ

วิธีนี้ซับ ไทม์มิ่งดีไหมครับ