Darmowy konwerter online VTT do M4A

Plik VTT zawiera napisy z przypisanymi znacznikami czasu, a nie dźwięk, więc nie można go zamienić w nagranie audio przez samo zmianę formatu. Jeśli odtwarzacz lub urządzenie wymaga pliku M4A, konwersja może wygenerować narrację czytaną na głos na podstawie napisów.

Co zawiera VTT

WebVTT (.vtt) przechowuje tekst napisów, czas wyświetlania poszczególnych kwestii oraz opcjonalne informacje o osobie mówiącej lub formatowaniu. Pliki VTT tworzą lub eksportują edytory wideo, narzędzia do tworzenia napisów i platformy streamingowe; często są dostarczane razem z filmem, gdy napisy mają być wyświetlane oddzielnie.

Do czego służy M4A

M4A to kontener plików audio powszechnie używany dla dźwięku zakodowanego w AAC. Obsługuje go wiele telefonów, odtwarzaczy multimedialnych i aplikacji do edycji. Ponieważ VTT nie zawiera ścieżki audio, plik M4A utworzony na jego podstawie zawiera mowę syntetyczną, a nie odzyskany lub wyodrębniony dźwięk.

Konwersja napisów do M4A

Online na 101convert.com

1. Prześlij plik VTT na stronie konwertera. Możesz dodać wiele plików naraz; na stronie znajdziesz limit rozmiaru pojedynczego pliku.
2. Przed konwersją wybierz język głosu, szybkość czytania i opcje synchronizacji napisów, zależnie od potrzeb.
3. Rozpocznij konwersję i pobierz wynikowy plik M4A.

Offline za pomocą narzędzi komputerowych

Do pracy offline użyj pakietu Pythona o otwartym kodzie źródłowym webvtt-py do wyodrębnienia tekstu napisów, eSpeak NG do syntezy mowy oraz FFmpeg do zakodowania dźwięku w formacie M4A. Te narzędzia są dostępne dla systemów Linux, Windows i macOS.

1. Zainstaluj Python, eSpeak NG i FFmpeg, a następnie zainstaluj parser VTT: python -m pip install webvtt-py.
2. Zapisz ten skrypt jako make_text.py w tym samym folderze co captions.vtt. Skrypt łączy kwestie w kolejności, w jakiej występują w pliku, i usuwa proste znaczniki w tekście.

import html
import re
from pathlib import Path
import webvtt

cues = webvtt.read("captions.vtt")
lines = []
for cue in cues:
    text = re.sub(r"<[^>]*>", "", cue.text)
    lines.append(html.unescape(text.replace("\n", " ")))
Path("narration.txt").write_text("\n".join(lines), encoding="utf-8")

3. Uruchom skrypt, wygeneruj mowę w formacie WAV, a następnie zakoduj ją jako AAC w kontenerze M4A:

python make_text.py
espeak-ng -v en -s 160 -f narration.txt -w narration.wav
ffmpeg -i narration.wav -c:a aac -b:a 128k narrated.m4a

Zastąp en kodem głosu eSpeak NG dostępnym w twoim systemie. Ten podstawowy proces odczytuje kwestie po kolei; nie zachowuje ich pierwotnych znaczników czasu.

Jakość i synchronizacja

Brzmienie pliku M4A zależy od wybranego głosu syntetycznego i przepływności AAC; zwiększenie przepływności nie sprawi, że sam głos zabrzmi naturalniej. Czas wyświetlania kwestii ma znaczenie tylko wtedy, gdy narzędzie do konwersji wykorzystuje go do planowania mowy; w powyższych poleceniach działających offline napisy są zamieniane na ciągłą narrację.