☰

如何为演讲录音添加时间戳？

tag-icon • tag-icon shell emacs mplayer media
如何为演讲录音添加时间戳？

我试图用音频中出现的时间/地点的时间戳来标记转录文本的每个段落。

mplayer并emacs让我接近。 mplayer，在终端中，输出一串合适的时间信息；例如。 （命令和示例日志）

mplayer au-file 1>event.log 2>&1

A:   0.8 (00.7) of 3207.0 (53:27.0)  0.1% [J
A:   0.9 (00.9) of 3207.0 (53:27.0)  0.1% [J
A:   1.0 (01.0) of 3207.0 (53:27.0)  0.1% [J

某些未绑定的键（例如，F12）可用于标记日志中的事件 - 特别是段落的开头。

xdotool key --window $termID F12

A:   3.1 (03.0) of 3207.0 (53:27.0)  0.1% [J
No bind found for key 'F12'.                         
A:   3.2 (03.2) of 3207.0 (53:27.0)  0.1% [J
A:   3.3 (03.3) of 3207.0 (53:27.0)  0.1% [J

上面的效果很好。接下来需要的是要注入的行号event.log。我可能会通过绑定一个键来读取当前位置并将其附加到日志中， emacs从而从内部触发这两个事件。emacspoint

是的，你猜对了，我有一个问题。似乎mplayer保留了一个流指针（或其他东西？），因为当它写入下一行时，它会覆盖我附加的文本。我不知道发生了什么，但我添加的行都没有出现在最终日志中......我已经使用了echo $number >>events.log.

我通过查看日志 tail -f events.log，它偶尔会显示我的一行，所以他们一定已经到了那里......

有办法解决这个问题吗？
要么通过一些fu日志，要么采用完全不同的方法，例如。一些工具可以实时执行此操作。我研究过字幕工具和音频视频编辑器，但它们似乎太笨重了。我对任何想法持开放态度。

答案1

事实上，mplayer它在文件中保留了自己的指针，因此它不会注意到何时echo写入文件。当您有多个程序写入一个文件时，请安排所有这些程序打开该文件附加模式。在追加模式下，每次写入都发生在文件末尾。从外壳来看，那就是>>。: >events.log如果您想重新开始，请创建一个空文件，然后运行mplayer … >>events.log​​。

请注意，虽然这保证了来自任一程序的每个字节都会出现在文件中，但原则上不能保证它们不会散布：理论上，echo hello >>events.log可能会导致h、 then 一些 mplayer 输出、 thene等出现在文件。实际上，在大多数（如果不是全部）系统上，最多打印 512 字节的 echo 命令将最终形成一个片段。

答案2

笔记。这是我自己的问题的答案

下面的方法效果非常好。它向 mplayer 发送一系列未绑定的按键（mplayer 记录这些无效按键）。每个按下的键都被选择代表一位十进制数字，例如。发送F2 F5 F7代表十进制数257。发送 6 位数字大约需要 0.2 秒。时间戳是从第一次（标题）按键之前的日志行中获取的。这避免了与缓存延迟相关的所有问题，如中所述吉尔斯的回答。

emacs只需将point（光标）移动到另一行，或者按特定键（该代码不在这里，但我希望它足够简单（我是 elisp 的新手）），就可以非常轻松地运行它。这里是经过编码和 alpha 测试的解决方案...

# Insert a number (input to this script) into mplayer's log; 
# Each digit of the input number is translated into
#   a key-press for which mplayer does not have a binding.
# mplayer makes a log entry for each invalid key-press.
# The log entry identifies the key, so the entry can be 
#   translated back into its original decimal value
#
# A leading and a trailing marker are also sent to mplayer
#
# A simple parsing of the log can rebuild the original  
#   number and the time within the media stream when it occurred.
# 
num=${1:-123456} # Default if for testing only 
shopt -s extglob # For splitting the input number

# Window ID ($2)   Defaults to win whose title == $USER@$HOSTNAME.*
win=${2:-$(($(wmctrl -l | sed -nr "s/^([^ ]+).* $USER@$HOSTNAME.*/\1/p")))}

#    ==========  =====  ===  # Key-press translation array
#    0123456789  begin  end  # decimal digits and delimiters
key=(F12 F{1..9}   c     \') # key names
#    ==========  =====  ===  # 

xdotool key --window $win ${key[10]}    # HEAD Marker   
for i in ${num//?(.)/ } ;do
    xdotool key --window $win ${key[i]} # Encoded decimal digit
done
xdotool type --window $win ${key[11]}   # TAIL Marker

以下是提取时间戳和数字（行号或源文本中的字节/字符偏移量）的 3 步后续过程...

# (1) Each line of mplayer's normal output (vs errors) ends  
#     witn `\x1B\[J\x0D`.  First, convertd this to `\n` 
sed -nr 's/\x1B\[J\x0D/\n/gp' mplayer.log  >/dev/null

# (2) The above pre-processing step(1) can be piped to the next sed step, 
#     but I've redirected it to /dev/nul for this example
#     The following step works with a few lines of the pre-processed log
nbfk="No bind found for key"
sed -nr " 
    /^$nbfk 'c'\./,/^$nbfk '''\./{
        /^$nbfk 'c'\./{g                 # HEAD Marker found 
            s/^A: *([0-9.]+).*/000000\1/
            s/^0*([0-9]{6}\..*)/T:\1/p
        }
        s/^$nbfk 'F12'\..*/0/p           # Digit      
        s/^$nbfk 'F([1-9])'\..*/\1/p     # Digit
        s/^$nbfk '''\..*/--/p            # TAIL Marker found       
    }
    h" <<'EOF'
A:  18.6 (18.6) of 3207.0 (53:27.0)  0.1% 
A:  18.7 (18.6) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'c'.                         
A:  18.7 (18.6) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'F1'.                         
A:  18.7 (18.7) of 3207.0 (53:27.0)  1.0% 
No bind found for key 'F2'.                         
A:  18.7 (18.7) of 3207.0 (53:27.0)  0.1% 
A:  18.8 (18.7) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'F3'.                         
A:  18.8 (18.8) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'F4'.                         
A:  18.8 (18.8) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'F5'.                         
A:  18.9 (18.8) of 3207.0 (53:27.0)  0.1% 
No bind found for key 'F6'.                         
A:  18.9 (18.8) of 3207.0 (53:27.0)  0.1% 
No bind found for key '''.                         
A:  18.9 (18.9) of 3207.0 (53:27.0)  0.1% 
A:  19.0 (18.9) of 3207.0 (53:27.0)  0.1% 
EOF

# (3) The above step(2) can be piped to the next sed step, 
#     but I've let it go to stdout for this example
#     The following example step works with output of step (2)
sed -nr "
    /^T:[0-9.]+$/,/^--$/{
        /^T:[0-9.]+$/{ s/^T:(.*)/\1 /; h}
        /^[0-9]$/H
        /^--$/{g; s/\n//g; p}
    }" <<'EOF'
T:000018.7
1
2
3
4
5
6
--
EOF

这是最终输出： time in seconds和测试line number

 000018.7 123456

相关内容