มีใครทำSubtitle จาก AI แนะนำทีครับ

[Onnuiko]

ล่าสุดน่าจะดีสุดในบรรดาของฟรีแล้ว แต่ก็ห่วยแตกอยู่ดี ยอมเสียตังสามร้อยต่อเดือนคุ้มกว่า

สอบถามหน่อยครับ ใช้เว็บไหนหรอครับอยากลองดูบ้างครับ

]

มันก็ใช้OpenAI Whisperเหมือนเดิมแต่มันรันผ่านเซิร์ฟของgoogle ซึ่งมันจะไวมากกว่าทำบนคอมที่สเปคการ์ดจอไม่แรง
https://github.com/openai/whisper
https://www.youtube.com/watch?v=wT34nynJYjY
แต่AIของตัวเสียตังกระทู้บนผมว่ามันแปลแม่นกว่า

[Onnuiko]

ลองดูกระทู้ผมนะครับ ทุกวันนี้ผมก็ยังใช้อยู่เรื่อยๆ ถ้าหนังใหม่ๆไม่มีคนแปลมันก็ตรงดีครับ แต่ไม่มาก อยู่ที่ว่านักแสดงพูดชัดเจนไหม และไม่ต้องมานั่งแก้ TF ด้วย หลังแปลก็ใช้ได้ทันที มันจะแยกออกมาให้ 2 ไฟล์ ไฟล์ซับต้นฉบับ กับ ซับภาษาที่เราเลือก

https://www.avcollectors.com/board/index.php?topic=241256.0

ได้ลองแล้วถือว่าใช้ได้เลยแปลได้เกิบเท่าOpenAI Whisper model ใหญ่สุด ข้อดีคือแปลไวสุดๆและไม่ต้องมาแปลงเป็นไทยอีกรอบมีให้ครบเลย แต่เสียดายอัพเดทล่าสุดแค่ปี23

[pictureuploadsex]

...

[pictureuploadsex]

...

[pictureuploadsex]

ffmpeg -i untitled.mp4 -vn -ar 16000 -ac 1 untitled.flac

-i คือ input

-vn คือ video none

-ar คือ audio rate

-ac คือ audio channel

[pictureuploadsex]

https://colab.research.google.com

[pictureuploadsex]

https://openrouter.ai

[pictureuploadsex]

ถอดซับ



### เซลล์ 1 ###

!nvidia-smi

### เซลล์ 2 ###

!pip install faster-whisper -q

### เซลล์ 3 ###

import os

from faster_whisper import WhisperModel

print("Loading model...")

model = WhisperModel(
    "large-v3",
    device="cuda",
    compute_type="float16"
)

### เซลล์ 4 ###

from google.colab import drive

drive.mount("/content/drive", force_remount=True)

### เซลล์ 5 ###

audio_file = "/content/drive/MyDrive/Colab Notebooks/untitled.flac"

srt_file = os.path.splitext(audio_file)[0] + ".srt"

### เซลล์ 6 ###

print("Start transcribing...")

segments, info = model.transcribe(
    audio_file,
    language="ja",
    condition_on_previous_text=False,
    temperature=0,
    hallucination_silence_threshold=0.1,
    word_timestamps=True,
    beam_size=1
)

print("Writing srt...")


def fmt(t):
    h = int(t // 3600)
    m = int((t % 3600) // 60)
    s = int(t % 60)
    ms = int((t - int(t)) * 1000)

    return f"{h:02}:{m:02}:{s:02},{ms:03}"


with open(srt_file, "w", encoding="utf-8") as f:
    i = 1

    for segment in segments:
        if segment.words:
            first_word = segment.words[0]
            last_word = segment.words[-1]

            start = first_word.start
            end = last_word.end
        else:
            start = segment.start
            end = segment.end

        text = segment.text.strip()

        if not text:
            continue

        f.write(f"{i}\n")
        f.write(f"{fmt(start)} --> {fmt(end)}\n")
        f.write(f"{text}\n\n")

        print(
            f"[{i}] "
            f"{fmt(start)} --> "
            f"{fmt(end)} "
            f"{text}"
        )

        i += 1

print("Done")
print("Saved:", srt_file)

### เซลล์ 7 ###

from google.colab import files

files.download(srt_file)

[pictureuploadsex]

แปลซับ



### เซลล์ 1 ###

!pip install requests -q

### เซลล์ 2 ###

import os
import re

import requests

### เซลล์ 3 ###

from google.colab import drive

drive.mount("/content/drive", force_remount=True)

### เซลล์ 4 ###

input_srt = "/content/drive/MyDrive/Colab Notebooks/untitled.srt"

srt_file = os.path.splitext(input_srt)[0] + "_thai.srt"

### เซลล์ 5 ###

OPENROUTER_API_KEY = "YOUR_API_KEY"

MODEL = "google/gemini-2.5-pro"

BATCH_SIZE = 5000

### เซลล์ 6 ###

with open(input_srt, "r", encoding="utf-8") as f:
    srt_text = f.read()

blocks = re.split(r"\n\s*\n", srt_text.strip())

subs = []

for block in blocks:
    lines = block.splitlines()

    if len(lines) < 3:
        continue

    subs.append(
        {
            "index": lines[0].strip(),
            "timestamp": lines[1].strip(),
            "text": " ".join(
                line.strip()
                for line in lines[2:]
            ),
        }
    )

print("Loaded:", len(subs), "blocks")

### เซลล์ 7 ###

from textwrap import dedent

translated_texts = {}

for start in range(0, len(subs), BATCH_SIZE):

    batch = subs[start:start + BATCH_SIZE]

    source_text = "\n".join(
        f"[{item['index']}] {item['text']}"
        for item in batch
    )

    prompt = dedent(f"""

        แปล ซับไตเติล เป็น ภาษาไทย

        แปล ซับไตเติล เหมือน บทสนทนา ภาษาไทย

        คำว่า "ฉัน" , "คุณ" เท่านั้น ห้าม คำว่า "ครับ", "คะ", "ค่ะ" เด็ดขาด

        แปล ทุก บรรทัด ห้าม ข้าม บรรทัด ห้าม รวม บรรทัด ห้าม แยก บรรทัด

        ห้าม คำ/พยัญชนะ/สระ ซ้ำ ๆๆๆ ติด ๆๆๆ มากกว่า 5 ครั้ง ใน บรรทัด เดียวกัน

        {source_text}

    """)

    response = requests.post(
        "https://openrouter.ai/api/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {OPENROUTER_API_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "model": MODEL,
            "messages": [
                {
                    "role": "user",
                    "content": prompt,
                }
            ],
            "temperature": 0,
            "max_tokens": 100000,
        },
        timeout=500,
    )

    print()

    print(
        f"HTTP status: "
        f"{response.status_code} "
        f"{response.reason}"
    )

    response.raise_for_status()
    result = response.json()

    choice = result["choices"][0]

    raw_content = (
        result["choices"][0]["message"]["content"]
        .strip()
    )

    print(
        f"Model: {result.get('model')}"
    )

    print(
        f"Provider: {result.get('provider')}"
    )

    print(
        f"Prompt tokens: "
        f"{result.get('usage', {}).get('prompt_tokens', 0)}"
    )

    print(
        f"Completion tokens: "
        f"{result.get('usage', {}).get('completion_tokens', 0)}"
    )

    print(
        f"Reasoning tokens: "
        f"{result.get('usage', {})
            .get('completion_tokens_details', {})
            .get('reasoning_tokens', 0)}"
    )

    print(
        f"Finish reason: "
        f"{choice.get('finish_reason')}"
    )

    print(
        f"Native finish reason: "
        f"{choice.get('native_finish_reason')}"
    )

    match = re.findall(
        r"\[(\d+)\]\s*(.*?)(?=\[\d+\]|\Z)",
        raw_content,
        re.S,
    )

    expected_count = len(batch)
    found_count = len(match)

    print(
        f"Expected: {expected_count}, "
        f"Found: {found_count}"
    )

    for index, text in match:

        translated_texts[index] = (
            text.strip()
        )

    batch_start = start + 1

    batch_end = min(
        start + BATCH_SIZE,
        len(subs),
    )

    print(
        f"Done: {batch_start}-{batch_end}"
    )

    print()

    print(
        f"Raw response: "
        f"{' '.join(raw_content.split())}"
    )

    print()

### เซลล์ 8 ###

output = []

for item in subs:

    output.append(item["index"])
    output.append(item["timestamp"])

    output.append(
        translated_texts.get(
            item["index"],
            item["text"],
        )
    )

    output.append("")

with open(
    srt_file,
    "w",
    encoding="utf-8",
) as f:
    f.write("\n".join(output))

print("Saved:", srt_file)

### เซลล์ 9 ###

from google.colab import files

files.download(srt_file)

[pictureuploadsex]

ฝังซับ



### เซลล์ 1 ###

!nvidia-smi

### เซลล์ 2 ###

!ffmpeg -encoders | grep nvenc

### เซลล์ 3 ###

!apt-get install fonts-noto-core -y
!fc-cache -fv
!fc-list | grep "Noto Sans Thai"

### เซลล์ 4 ###

from google.colab import drive

drive.mount("/content/drive", force_remount=True)

### เซลล์ 5 ###

video_name = "untitled"

input_mp4 = (
    f"/content/drive/MyDrive/Colab Notebooks/{video_name}.mp4"
)

input_srt = (
    f"/content/drive/MyDrive/Colab Notebooks/{video_name}_thai.srt"
)

output_mp4 = (
    f"/content/drive/MyDrive/Colab Notebooks/{video_name}_hardsub.mp4"
)

### เซลล์ 6 ###

!cp "$input_mp4" /content/input.mp4

!cp "$input_srt" /content/input.srt

### เซลล์ 7 ###

!ffmpeg -stats \
-hwaccel cuda \
-i input.mp4 \
-vf "subtitles=input.srt:force_style='FontName=Noto Sans,FontSize=25,Outline=1,Shadow=0'" \
-c:v h264_nvenc \
-preset p1 \
-rc vbr \
-cq 25 \
-b:v 0 \
-c:a copy \
output.mp4 \
-y

### เซลล์ 8 ###

!cp /content/output.mp4 "$output_mp4"

### เซลล์ 9 ###

from google.colab import files

files.download(output_mp4)