深度学习让Youtube音效自动显示字幕

2009 年起，Youtube 开始提供自动字幕的功能，即便是没有准备字幕的影片，也可以透过 Google 的语音辨识协助产生字幕。就在最近，Google 在 Youtube 的自动字幕上加入机器学习技术，未来将可以辨识出“掌声”、“音乐”以及“笑声”，让字幕更加生动贴切。

相信上面的 Logo 读者们应该不陌生，打开 Youtube 频道，无论食衣住行育乐皆可在上面找到相关资讯。不管是国语或是外语影片，许多人会习惯开启字幕来观赏，提升对影片的理解；除了一般的使用者，听力不佳的朋友也可以透过 Youtube 上的字幕理解影片。虽然 Youtube 几乎能够辨识影片中谈话的人声，但是很多时候，环境的音效也是十分重要的，像是喜剧片中的罐头笑声或是戏剧的间奏，能够帮助我们更加融入情境中。

相较于前三种状况，“铃声响起”的状况可能就难以直接从文字上辨别，可能是电话响、闹钟响或是其他铃声响起，因此现阶段仅支援前面提及的三种音效辨识。

目前已经可以在 Youtube 上面使用这项功能，要注意的是只针对“自动产生”的字幕有效果，有兴趣的朋友可以点选上方连结前往查看。目前仍在初步阶段，因此辨识功能并非十分灵敏，不过确实是一大跃进。相信未来能够更加灵敏、准确，除了目前的三种状况外，也会有更多的音效支援，这对于听力不佳的朋友们可以说是一大福音。（熊耿得）

[参考资料]

1. Adding Sound Effect Information to YouTube Captions – Google Research Blog
2. Visualizing Sound Effects – Youtube Engineering and Developers Blog
3. YouTube’s AI can now describe sound effects
4. YouTube uses AI to caption video sound effects

[其他好文推荐]

1. 聊天机器人，了解你的需求
2. 尽情对话与机器人聊天学外文
3. 机器人真的能取代人吗?