测试开发于Python >= 3.6

本脚本使用谷歌云语音转文字api与谷歌云翻译api/百度翻译实现对油管直播的实时字幕与翻译。

git clone github.com/azuse/youtube-streaming-translator-python
cd youtube-streaming-translator-python

pip install -r requirements.txt

注1：从noise_reduction中复制了降噪功能，降噪功能需要安装SOX，不需要使用可以把代码直接注释掉。

Linux&Mac

export GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

Windows CMD

set GOOGLE_APPLICATION_CREDENTIALS=[PATH]

Windows PowerShell

$env:GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

例： export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

脚本可以选择使用百度翻译API或谷歌翻译API，使用百度翻译API需要：

• 把翻译函数中的baidu设置为baidu=True（目前在245行）
• 在baiduapi.py中设置自己的APP ID和SECRET KEY

• 不使用代理: 直接运行
• 使用代理:
  Ubuntu/Linux

  export http_proxy=http://127.0.0.1:7890
  export https_proxy=http://127.0.0.1:7890

  Windows

  set http_proxy=http://127.0.0.0.1:7890
  set https_proxy=http://127.0.0.0.1:7890

将url = "https://www.youtube.com/watch?v=ylFDswiFduE"中的地址修改为您需要翻译的直播地址

注：如果地址不是直播的话，程序会自动开始下载完整视频（应该会提示报错）

python main.google.py

最后一行输出数字分别代表：
开始下载的视频片段数 下载完成的视频片段数 下载失败的视频片段数 开始转码的视频片段数 转码完成已经发向谷歌API的片段数 从谷歌API收到回复（翻译完成）的片段数

脚本会自动在0.0.0.0:5000上开一个http服务器，同时在0.0.0.0:5001和0.0.0.0:5002上开socket服务器。 访问http://127.0.0.1:5000或http://你的服务器ip:5000会打开显示字幕用的网页，网页分别从5001和5002的socket读取日文与中文字幕。 网页的CSS有待优化，目前只是一个测试效果。

油管的直播是以1s左右时间一段.ts文件的格式传输的，在将视频段转为音频后，可以决定要把多少段视频合在一起送给谷歌的流式音频识别API，决定多少段合并在一起的变量叫chunksize。

如果设置为较小的值（1），每次音频识别API可能只会返回一个词，日译中效果不好(<-语音识别和翻译的ChunkSize也许可以分开设置？)；如果设置为较大值（10），意味着每10s才会更新一次字幕；

所以chunksize的大小对识别效果有很大影响，目前感觉设置为4效果较好，每4s一个片段。但是，如果一句话跨越两个4s片段，流式音频识别API对于两个连起来的片段很多时候还是会拆成两句话来识别，导致中间内容丢失。

使用OBS加载浏览器效果(推荐自己优化CSS)

• 使用Flask添加Web前端，方便OBS直接从浏览器将字幕加载到转播中
• 优化前端CSS和JS
• 调教语音转文字和翻译
• 解决代理问题
• 增加百度翻译api
• 增加彩云小译API 增加IBM watson API