whisperを使って、指定したフォルダ配下のmp4動画すべての字幕(srt形式)を出力する

whisper_transcribe.sh

#!/bin/bash
#
# 事前要件
# * whisperをpipでインストール
# * ffmpegをbrewなりでインストール
#

# モデル名(右にいくほど精度は上がりますが時間がかかります)
# tiny.en,tiny,base.en,base,small.en,small,medium.en,medium,large-v1,large-v2,large
MODEL="tiny.en"

# 出力ファイル名 : txt,vtt,srt,tsv,json,all
OUTPUT_FORMAT="srt"

# 音声の言語 : en,ja等
INPUT_LANGUAGE="en"

# スレッド数
THREADS=8

# SRTファイルが存在した場合にスキップするか
SKIP_SUBTITLE_FILE_EXIST=true

DIR_PATH=$1
IFS="
"

files=`find "$DIR_PATH" -type f -name *.mp4 | sort`
file_num=`find ${DIR_PATH} -name \*.mp4 | wc -l | awk '{print $1}'`

current_file_num=1
total_time=0

echo start whisper \( total files are ${file_num} \)

for target in $files;
do
    start_time=`date +%s`
    basename=$(basename $target)
    dirname=$(dirname $target)
    subtitle_file_name="${target}.${OUTPUT_FORMAT}"
 
    if [ "${SKIP_SUBTITLE_FILE_EXIST}" ] && [ -f "${subtitle_file_name}" ]; then
      echo WHISPER SKIP --- ${basename}
      current_file_num=$((current_file_num + 1))
      continue
    fi

    echo WHISPER START \(${current_file_num}/${file_num}\) : ${basename}

    whisper --model ${MODEL} \
            --device cpu \
            --output_format ${OUTPUT_FORMAT} \
            --output_dir "$dirname" \
            --fp16 False \
            --task transcribe \
            --verbose False \
            --threads ${THREADS} \
            --language ${INPUT_LANGUAGE} \
            "$target"

    end_time=`date +%s`
    run_time=$((end_time - start_time))
    total_time=$((total_time + run_time))
    current_file_num=$((current_file_num + 1))

    echo WHISPER END \( exec time ${run_time} seconds \)

done

echo Finished!!
echo Total time : ${total_time} seconds