字幕制作 字幕制作是件辛苦活，其实可以用技术一键搞定

很多人都熟悉字幕。美剧、日剧、韩剧、二次元动画圈对字幕的需求都很大。越来越多、范围越来越广的电视观众已经习惯了录音和广播节目中的字幕。在当今热门的网络教育中，它也有着不可替代的作用。国外名校有必要开班，国外MOOC有必要在国内推广，以字幕的形式帮助国内学习者克服语言障碍。即使是国内老师录制的视频课程，字幕也能在一定程度上解决速度、口音、内容复杂带来的理解困难问题。

但目前除了一些著名的公开课，由大公司和“字幕组”提供字幕支持外，国内大部分录播课程都不提供字幕。在这个“体验”和“极致”已经被谈得吐槽的时代，公司想到字幕是不自然的。做不到，买不起，是最大的原因。

制作视频字幕，尤其是教育视频的字幕时，技术能否代替人力，提高效率，节约成本？一家名为OKVoice的语音技术提供商正试图为我们提供一套可用的解决方案。几天前，芥子堆采访了OKVoice的联合创始人马骥和营销总监向丹，了解他们如何看待这个问题。

给视频加字幕有多难

由于国外动画、电视剧、电影的流行，很多国外剧在上线后4-8小时就会有字幕组把完成的字幕文件挂在网上免费下载。这样雷锋式的义务劳动，在国内糟蹋了很多人，让人觉得字幕是一件很简单的事情。其实这是一个非常费时费力的工作。

大致来说，字幕制作可以分为文字输出和时间线制作两部分。文本输出是指视频和音频中的语音信息从声音到文本的转换。时间轴制作是决定每一句话在屏幕上出现和消失的时间点。这两个部分都需要大量的时间由人来完成，是机器无法替代的“体力劳动”。在字幕组，一部40分钟到1小时的剧，通常需要几个人一组，通过合理的分工，共同努力，然后几个小时就可以完成。这种靠人力的原始状态，在电视台这样的地方，并没有改变。从事节目制作的白先生告诉芥子堆，电视台制作的字幕比较多，都是员工手工完成的。“一个一分钟的节目通常需要十次才能转换成文字稿，加上时间线制作的时间，整个字幕的制作需要很多时间。”

不仅仅是时间，巨大的人力消耗大大增加了成本。OKVoice的马骥说，如果一集的制作成本是1000元，那么为它制作字幕还需要200到300元。太贵了，这也是教育类课程的视频大多没有字幕的原因。但是无论是普通学生还是特殊用户(比如听力障碍)都有对字幕的需求。

语音技术能做什么

语音识别技术目前正在做的是建立两个并行的语音和文本语料库，通过机器识别和算法匹配实现文本和声音的转换。

据马骥介绍，在语音识别中，整个行业的准确率都在90%左右，当达到95%时，这项技术的实用性就会大大提高。虽然把一般领域的准确率推至95%还远远不是现在的技术，但是通过调整算法和机器学习，把一些更专业的领域的识别率提高到95%也不是不可能的。

营销总监向丹表示，虽然OKVoice是一家成立才一年的新公司，但无论从销量还是知名度来说，都比不上业内领先的公司，但他们的核心技术团队已经积累了五年前的技术，在技术和效果上都可以达到顶级水平。与其他公司相比，OKVoice的优势是可以根据客户的个人需求进行定制服务。"不是90%的识别率，而是95%的定制优化."

目前基于语音技术开发的产品包括语音助手、口语评测、语音输入等。，但是字幕制作还是空白色。看到这一点，OKVoice推出了专门用于字幕制作的产品“字幕大师”。在这个阶段，它会打开自动对齐时间线的功能。将音视频文件和文本信息分别导入后，系统可以在非常短的时间内对齐时间轴。在芥末堆演示版中，“字母大师”取得了较高的识别率。未来，OKVoice还将引入在视听文件中识别声音后直接输出字幕的功能，无需手动输入文本信息。这个产品的最终目的是能够处理外语片源，直接输出翻译的字幕。

OKVoice团队认为，在线教育领域是对题主需求最大的领域。确实如此。目前在线教育，如一对一互动、渴望学习教育、德胜课程制作等，已经与OKVoice达成合作，利用“字幕大师”辅助课程视频的字幕制作。随着语音技术的发展和普及，在未来，“字幕”这个既昂贵又耗时的苦差事将不再成为负担。