使用Python制作讀單詞視頻的實現(xiàn)代碼

更新時間：2024年04月18日 08:33:34 作者：iioSnail

我們經(jīng)常在B站或其他視頻網(wǎng)站上看到那種逐條讀單詞的視頻,但他們的視頻多多少少和我們的預(yù)期都不太一致,然而,網(wǎng)上很難找到和自己需求符合的視頻,所以本文給大家介紹了使用Python制作讀單詞視頻的實現(xiàn),需要的朋友可以參考下

1. 項目簡介

我們經(jīng)常在B站或其他視頻網(wǎng)站上看到那種逐條讀單詞的視頻，但他們的視頻多多少少和我們的預(yù)期都不太一致。

然而，網(wǎng)上很難找到和自己需求符合的視頻。既然找不到，那么我們就自己制作。雖然我不知道他們的視頻是怎么做的，但我們程序員可以用Python做。

2. 項目使用

2.1 功能介紹

本項目可以很方便的生成讀任何中、英文的視頻（若有需要也可以加入其他語言）。用戶只需要上傳excel，配置相應(yīng)參數(shù)即可。

項目支持的詳細(xì)參數(shù)如下：

>> python gene_video.py -h
usage: gene_video.py [-h] [--filename FILENAME] [--repeat-times REPEAT_TIMES] [--interval INTERVAL] [--inner-interval INNER_INTERVAL] [--max-minutes MAX_MINUTES] [--video] [--no-video] [--background-color BACKGROUND_COLOR]
                     [--font-color FONT_COLOR] [--video-width VIDEO_WIDTH] [--video-height VIDEO_HEIGHT] [--max-font-size MAX_FONT_SIZE] [--cache-dir CACHE_DIR] [--output-dir OUTPUT_DIR]

optional arguments:
  -h, --help            show this help message and exit
  --filename FILENAME   單詞文件的路徑
  --repeat-times REPEAT_TIMES
                        重復(fù)次數(shù)
  --interval INTERVAL   兩個單詞的間隔時間(ms)
  --inner-interval INNER_INTERVAL
                        單詞和釋義的間隔時間(ms)
  --max-minutes MAX_MINUTES
                        單個音頻最大時長(分鐘)
  --video               生成視頻
  --no-video            不生成視頻
  --add-volume          加減音量（分貝）。例如：10是音量加10分貝，-10是減10分貝
  --low-pass-filter     過濾高音部分（護(hù)耳）。例如：8000表示過濾掉頻率超過8k的頻率
  --background-color BACKGROUND_COLOR
                        視頻背景色
  --font-color FONT_COLOR
                        文字顏色
  --video-width VIDEO_WIDTH
                        視頻寬
  --video-height VIDEO_HEIGHT
                        視頻高
  --max-font-size MAX_FONT_SIZE
                        最大字體大小
  --cache-dir CACHE_DIR
                        生成的臨時文件存放的目錄
  --output-dir OUTPUT_DIR
                        輸出文件的目錄

假設(shè)我們的需求為：① 讀一遍中文、讀一遍英文。② 屏幕上要顯示例句，但不讀。③ 每個單詞重復(fù)兩遍。

假設(shè)我們需要生成讀“單詞+例句”的視頻，我們需要遵循以下步驟：

準(zhǔn)備好我們的單詞excel（或csv），例如：

單詞	中文	例句	例句釋義
morning	早上	Good morning.	早上好！
…	…	…	…

配置好環(huán)境（怕麻煩或不會弄可以參考2.2節(jié)使用Colab生成視頻），安裝相關(guān)依賴。

pip install -r requirements.txt

安裝ffmpeg，代碼的部分庫需要依賴它。
執(zhí)行命令，生成視頻。

python gene_video.py --filename ./samples/xxx.xlsx \
					 --read-columns  單詞,中文 \
					 --show-columns  單詞,中文,例句,例句釋義 \
					 --repeat-times 2

2.2 使用Colab生成視頻

相比本地部署，我推薦使用Colab進(jìn)行視頻生成。

Colab是一個Google的AI訓(xùn)練平臺，提供Python運行環(huán)境。在不使用GPU的情況下，基本上可以免費無限使用。

主要理由有：

本地部署麻煩，使用Colab可以免部署
使用Colab可以掛載Google Drive，方便保存視頻。
項目需要用到Google Translation進(jìn)行文本轉(zhuǎn)語音，本地部署可能訪問不了。

使用Colab只需要訪問該鏈接，然后更改你需要的參數(shù)，運行即可。

需要想辦法上Google。網(wǎng)絡(luò)也要穩(wěn)定，中間如果斷網(wǎng)較長時間，則生成會被終止。

3. 項目原理介紹

本項目生成視頻的流程如下：

讀取Excel

生成圖片

生成視頻

文本轉(zhuǎn)語音

生成音頻

合成視頻與音頻

該流程中，主要用到了以下庫：

pandas：用于讀取Excel、CSV等
PIL：內(nèi)置庫，用于生成圖片
pydub：用于處理音頻
cv2：用于生成視頻
moviepy：用于處理視頻

讀取文件關(guān)鍵代碼：

import pandas as pd

# 使用pandas讀取excel文件
if self.args.filename.endswith(".xlsx") or "".endswith(".xls"):
    data = pd.read_excel(self.args.filename, dtype=str)
elif self.args.filename.endswith(".csv"):
    data = pd.read_csv(self.args.filename, dtype=str)

# 逐行遍歷，將需要用到的數(shù)據(jù)放入data_list
data_list = []
for i, row in data.iterrows():
	...

生成圖片關(guān)鍵代碼：

from PIL import Image, ImageDraw, ImageFont

font_file = "./assets/font.TTF"  # 加載字體文件
font_size = self._auto_font_size(text, font_file)  # 自動嘗試合適的字體大小，詳見源碼
font = ImageFont.truetype(font_file, font_size)

width, height = self.args.video_width, self.args.video_height
line_spacing = 50  # 行間距
image = Image.new("RGB", (width, height), self.args.background_color)  # 新建圖片
draw = ImageDraw.Draw(image)  # 繪制圖片

# 定義一個繪制多行文本的box框
bbox = draw.multiline_textbbox((0, 0, width, height), text, font=font)

# 第一行文本的y坐標(biāo)
text_y = (height - bbox[3]) // len(lines)

# 逐行繪制文字
lines = text.split('\n')
for line in lines:
    line_bbox = draw.textbbox((0, 0, width, height), line, font)
    line_width, line_height = line_bbox[2], line_bbox[3]
    draw.text(((width - line_width) // 2, text_y), line, font=font, fill=self.args.font_color)
    text_y += line_height + line_spacing  # Move to the next line

image.save(cache_file)

生成視頻的關(guān)鍵代碼：

frame_size = 10  # 每秒10幀
width = 1920  # 視頻尺寸為1920x1080
height = 1080
video = cv2.VideoWriter(str(video_file), cv2.VideoWriter_fourcc('m', 'p', '4', 'v'), frame_size, (width, height))

frame = int(duration / 1000 * frame_size)  # 計算對某張圖片要寫入的幀數(shù)

image = cv2.imread(str(image))
for _ in range(frame):
    video.write(image)

video.release()

文本轉(zhuǎn)語音關(guān)鍵代碼：

from gtts import gTTS

def has_chinese(content: str):
    for char in content:
        if '\u4e00' <= char <= '\u9fff':
            return True

    return False


content = "hello"  # 要讀的內(nèi)容
if has_chinese(content):  # 判斷內(nèi)容內(nèi)容中是否包含中文
    lang = 'zh'
else:
    lang = 'en'

tts = gTTS(content, lang=lang, tld='us')  # tld為地區(qū)，即用哪個地區(qū)的口音（默認(rèn)用us）
tts.save("XXX.mp3")  # 保存的路徑

將若干單詞音頻合成音頻，并調(diào)節(jié)相關(guān)參數(shù)：

from pydub import AudioSegment

# 加載音頻
audio = AudioSegment.from_mp3("XXX.mp3")
# 在該單詞的音頻前后各增加100ms的漸進(jìn)
audio = audio.fade_in(100).fade_out(100)
# 增加一段無聲的間隔，用于插入兩個單詞之間
interval = AudioSegment.silent(duration=500, frame_rate=audio.frame_rate)
# XXX.mp3讀兩遍，中間增加500ms的無聲音頻
audio = audio + interval + audio
# 過濾掉3000hz以上的高頻部分，這樣耳朵聽起來舒服一些
audio = audio.low_pass_filter(3000)
# 導(dǎo)出wav格式
audio.export(str("output.wav"), format("wav"))

將視頻和音頻和起來的關(guān)鍵代碼：

from moviepy.editor import VideoFileClip, AudioFileClip

video = VideoFileClip(video)  # 加載視頻
audio = AudioFileClip(audio)  # 加載音頻
video = video.set_audio(audio)  # 設(shè)置視頻的音頻
# 輸出文件
video.write_videofile(str(output_path), fps=10, threads=cpu_count(), logger=None)
video.close()

以上就是使用Python制作讀單詞視頻的實現(xiàn)代碼的詳細(xì)內(nèi)容，更多關(guān)于Python讀單詞視頻的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: