育心文具行

標籤: 音訊轉文字

  • 使用 google 的 Gemini CLI 來製作字幕

    使用 google 的 Gemini CLI 來製作字幕

    這是一個利用 Gemini CLI 來產生字幕的方法教學，用在如果你下載了影片，應該怎麼做才能得到一個有時間軸的字幕檔案。滿足幾個需求：

    1. 繁體中文，儘量使用台灣用語。
    2. 符合時間軸，或者修改不用太多。
    3. 採用 srt 字幕檔案格式，可用於上傳到 Youtube CC 字幕等用途。

    首先聲明一下，下載影片屬於重製行為，請確保自己的版權問題。並且使用 Gemini CLI 製作會用到 API ，可能衍生費用，請注意使用費用變化。

    什麼是 Gemini CLI 呢？
    Gemini CLI 是一個基於命令行的 AI 工作流工具，連接到 Google 的 Gemini 模型，讓您能夠直接從終端進行對話式 AI 互動。

    工具系統提供豐富的本地環境互動能力，包括文件系統操作、shell 命令執行、網頁抓取等功能。支持多種安裝方式，可通過 npm 全局安裝或使用 npx 直接執行。

    Gemini CLI 不只是撰寫程式的工具（實際上也沒啥人會拿來寫程式），可以看作是用自然語言整合電腦操作系統指令的工具。

    接下來我們介紹安裝方法和使用方法。

    先給延伸閱讀，包括安裝和使用：

    1. Google 發布 Gemini CLI Tool 免費額度超級夠用 和 Claude Code 的比較
    2. Gemini CLI 簡體中文文件
    3. Gemini CLI：配额和定价
    4. 官方定價詳細資料
    5. Deepwiki For Gemini CLI

    先給注意事項：

    1. 以下文件以 MacOS 為主，使用終端機搭配 Finder 。
    2. 建議一開始先把影片檔案/音訊檔案放在一個空的資料夾中動作，避免亂掉。
    3. 執行命令等待時間可能會有點久，建議放著去喝杯咖啡。
    4. 呼叫他執行 Shell 指令以前，請記得指定好資料夾路徑，避免提示詞下錯，變成電腦病毒自己攻擊自己。
    5. 如果不想衍生費用，但是又怕不小心扣款的話，建議先登入一個沒有綁信用卡的帳號。

    Gemini CL安裝方式

    網路上有建議三種方法，我挑我認為推薦的避免文字太長，以 MacOS 為主。首先請先打開終端機 app

    如果你是非 Mac 用戶，或是你想透過 npm 安裝

    前置需求： 確保您已安裝 Node.js 20 版本 或更高版本。

    全域安裝：

       npm install -g @google/gemini-cli

    然後可以在任何地方執行：

       gemini

    如果你是 Mac 用戶，請使用 Homebrew

    前置需求： 確保您已安裝 Homebrew。

    安裝步驟：

    brew install gemini-cli

    然後可以在任何地方執行：

    gemini

    初始設定

    安裝完成後，您需要進行以下設定：

    1. 選擇顏色主題
    2. 身份驗證： 使用您的個人 Google 帳戶登入，這將為您提供每分鐘最多 60 次模型請求和每天 1,000 次模型請求的免費額度（最新資訊請參考官網）

    安裝完成以後，建議輸入 Gemini API 金鑰

    使用 Gemini API 金鑰

    如果您需要更高的使用限制，可以使用 Gemini API 金鑰：

    1. 從 Google AI Studio 生成金鑰
    2. 設定環境變數：
       export GEMINI_API_KEY="YOUR_API_KEY"

    驗證安裝

    您可以使用以下命令驗證安裝是否成功：

    gemini --version

    接下來使用上以 MacOS 為主。使用 cd 指令，進入放影片的資料夾。先打好 cd+空格，再把把資料夾拖曳到到終端機中即可自動補上路徑。大概像這樣：

    cd /xxx/xxx/xxx/xxx/未命名檔案夾

    請準備一個音訊檔案，如果是影片的話，有兩個方法可以轉成音訊：

    1. 透過其他工具將影片音訊提取出來，例如這個。
    2. 透過 Gemini CLI 將影片轉成音訊

    使用 Gemini CLI 的提示詞如下：

     請幫我把影片轉成mp3 音訊檔案 @/路徑/影片檔案.mov

    在 @ 後面是檔案路徑，不用自己打，把檔案拖曳終端機內即可。

    接下來他會下載/調用轉字幕工具 ffmpeg 操握，從截圖可以看到他詢問是否安裝，選擇第一個或第二個選項都可以。使用鍵盤上下選擇，Enter 送出。

    就會得到「轉換成功！檔案已儲存為 xxxx」的訊息，打開資料夾就會看到對應的 mp3 檔案，也就是等會準備要利用的音訊檔案！

    如果已經有了音訊檔案之後，在同一個 Gemini CLI 視窗之中，輸入以下提示詞並且帶入音訊檔案路徑，如下：

    這是一個在 oooo 的聲音檔案，請幫我產生 srt 字幕檔，請使用繁體中文，且使用台灣詞彙用字。中英文請使用空格隔開。聲音檔案路徑 @xxx/xxx/xx.mp3

    同樣的檔案路徑可以使用拖曳的方式帶入；有一個「 oooo 的聲音檔案」可以選擇不填寫，但是如果是專門的領域的話，建議將目的用途描述一下，讓文字使用可以針對該領域作最佳化調整。

    同樣的，系統會選擇使用 whisper 工具搭配 AI 運作，相同也會詢問 Allow execution? 選擇允許以後繼續動作。這時依照檔案長度和電腦規格，可能會需要等久一些。

    好了之後回頭看資料夾就有啦～