如何让 AI 软件提取不到视频文件里的人声为字幕？

发布于

laodao: 就是在保证普通用户正常听见视频里的人声的前提下。

如何让现在的主流 AI 视频字幕提取软件无法将视频里的人声读取和生成字幕。

能解决可以有偿付费。

---

原文链接：[点击查看](https://www.v2ex.com/t/1231256)

评论（12）

这个问题直接丢给 ChatGPT/Codex 问问就完全没有解法吗？

· 0 个赞

回复

回复 @Rickkkkkkk：早就问过 AI 了搞不定才来发帖求助的。你要是能找到靠谱的解决办法，红包绝对管够。

· 0 个赞

唯一的解法可能就是把视频加密，然后自己开发个专门的解密播放器。不过这样又会引出一个新问题：你咋防止有人直接拿手机在音响旁边录音然后提取字幕？

· 0 个赞

回复

回复 @maocat：其实就是常规发在 B 站、YouTube 或者抖音上的公开视频，所以不考虑搞自定义播放器和加密那一套。

· 0 个赞

AI 提取字幕说白了就是把音频丢给 asr 模型跑一遍。常规的模型会识别出所有声音，如果你想让它忽略掉某些特定的人声，估计得对模型做定向调整和专门训练才行。

· 0 个赞

我觉得做不到。除非你愿意牺牲用户体验，强行在背景里塞非常吵闹的噪音或者音乐。

· 0 个赞

音频必须得是中英文这类主流语言吗？如果换成冷门的小语种再加上原语言的字幕，观看体验不受影响，一般的 asr 软件大概率就识别不出来了。

· 0 个赞

感觉这条路走不通。不管你加什么干扰音频，软件弄个滤波器很容易就过滤掉了。毕竟人耳的听觉范围和抗噪能力其实很弱，为了保证用户能听清，总不能把背景音搞得太难听吧。

· 0 个赞

或者你可以在同一个视频里混合说好几种不同的语言，然后自己加上字幕。目前的 asr 技术在处理多语言混合识别时应该还不太行，多半只能搞定单语种。

· 0 个赞

这需求有点类似于“如何让用户能正常看图片，但没法用手机把屏幕拍下来”，本质上很难做到。

· 0 个赞

之前恰好刷到过一个类似的视频：https://www.bilibili.com/video/BV1WXjX6vEu6/ ，感觉是个可以尝试的思路，不过不一定对现在的大模型管用。

· 0 个赞

感觉可以参考下防窃听屏蔽器的原理，人耳能正常听到声音，但用设备录音却录不下来。

· 0 个赞

0.077080s