视频语音识别字幕相关

学语言的话，除了文字转语音这样系统学课文，还有一个相反的方向，就是视频语音识别字幕，这样日常的听力练习也能有所帮助。

畅想下未来，字幕编辑可能都不需要了，youtube 这样的平台已经都提供了自动字幕，而且会越来越准确。这样的话这个工具是不是就没有价值了？不过对于未来个人的学习来看，尤其语言学习，音频还是重要的，如果一个工具能让你获得学下去的动力，那么这个工具就有了存在的价值。

whisper 还是厉害的，不过基于原因又有了 fastwhisper，whisperX，目前看 whisperX 的字幕准确率最高，而且还能每个字都对应上。

肯定是需要自己可以本地部署这些 model 的，但是受限于资源，看来云厂商的 Api 还是有用的。先用 Api 还是方便快捷，至少速度验证产品，等有了资源再自己部署节省也可以。

Reference