下载 WWDC 字幕

下载 WebVTT

在视频页面打开网络，找到 *.webvtt 文件链接，使用下面命了下载所有字幕：

shell

curl -O "https://.../sequence_[0-200].webvtt"

拖动视频到结尾附近，快速找到 *.webvtt 文件最大数字。下载范围可以比最大数字大，多出来的会下载空文件，不影响最后的结果。

把 WebVTT 字幕拼接起来：

shell

cat *.webvtt > ../wwdc2024-10138_hd.webvtt

转换为 UTF-8

shell

# 可以使用 `file` 命令查看文件编码，这里就是好奇是什么编码，就是想看看
file -I wwdc2024-10138_hd.webvtt
# wwdc2024-10138_hd.webvtt: text/plain; charset=unknown-8bit

# 转换成 utf-8；-c 忽略错误字符，这个参数很有用，避免丢失的字幕
iconv -c -t utf-8 wwdc2024-10138_hd.webvtt > wwdc2024-10138_hd_utf8.webvtt

转换为 SRT

WebVTT 转换 SRT Python 脚本：

python

from datetime import datetime


def parse_webvtt_timestamp(ts):
    timestamp = ts.strip().split(' ')[0]
    # 将 WebVTT 时间戳转换为 datetime 对象
    return datetime.strptime(timestamp.replace(',', '.'), '%H:%M:%S.%f')


def format_srt_timestamp(ts):
    # 将 datetime 对象格式化为 SRT 时间戳
    return ts.strftime('%H:%M:%S,%f')[:-3]


def read_webvtt(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.readlines()

    subtitles = []
    i = 0
    while i < len(lines):
        line = lines[i].strip()
        if line == 'WEBVTT' or line.startswith('NOTE') or line.startswith('X-TIMESTAMP-MAP='):  # 跳过 WEBVTT 标签和注释行
            i += 1
            continue
        if '-->' in line and line.rstrip().endswith('WEBVTT'):  # 跳过 WEBVTT 污染的时间
            i += 1
            continue
        if '-->' in line:
            timestamp_line = line.strip()
            start, end = [parse_webvtt_timestamp(ts) for ts in timestamp_line.split(' --> ')]
            text_lines = []
            i += 1
            while i < len(lines) and lines[i].strip() != '':
                text_lines.append(lines[i].strip())
                i += 1
            text = '\n'.join(text_lines)
            subtitles.append({
                'start': start,
                'end': end,
                'text': text
            })
        else:
            i += 1

    # 去重处理
    return list({(subtitle['text'], subtitle['start'], subtitle['end']): subtitle for subtitle in subtitles}.values())


def write_srt(subtitles, file_path):
    # 过滤掉文本结尾是 WEBVTT 的字幕项
    filtered_subtitles = [subtitle for subtitle in subtitles if not subtitle['text'].rstrip().endswith('WEBVTT')]

    with open(file_path, 'w', encoding='utf-8') as file:
        for i, subtitle in enumerate(filtered_subtitles, start=1):
            file.write(f"{i}\n")
            file.write(f"{format_srt_timestamp(subtitle['start'])} --> {format_srt_timestamp(subtitle['end'])}\n")
            file.write(f"{subtitle['text']}\n\n")


def convert_webvtt_to_srt(webvtt_file_path, srt_file_path):
    subtitles = read_webvtt(webvtt_file_path)
    subtitles.sort(key=lambda x: x['start'])
    write_srt(subtitles, srt_file_path)


# 使用示例
convert_webvtt_to_srt('wwdc2020_10652_hd_utf8.webvtt', 'wwdc2020_10652_hd.srt')

额外内容

shell

# 将 SRT 转换为 WebVTT
ffmpeg -i wwdc2024-10138_hd.srt wwdc2024-10138_hd.vtt

# 提取视频，无音轨
ffmpeg -i wwdc2024-10136_hd.mp4 -c:v copy -an wwdc2024-10136_hd_v.mp4

# 提取音频
ffmpeg -i wwdc2024-10136_hd_zho.mp4 -q:a 0 -map a wwdc2024-10136_hd_zho.aac

# 视频、音频合并，这样可以避免压缩画质，还能更换音频
ffmpeg -i wwdc2024-10136_hd_v.mp4 -i wwdc2024-10136_hd_zho.aac -c:v copy -c:a aac wwdc2024-10136_hd_zho.mp4

# 将 MP4 转换为 HLS
ffmpeg -i ../wwdc2024-10138_hd.mp4 -c:v hevc_videotoolbox -b:v 2M -preset medium -g 30 -f hls -hls_time 1 -hls_list_size 0 output.m3u8

下载 WebVTT

在视频页面打开网络，找到 *.webvtt 文件链接，使用下面命了下载所有字幕：

shell

curl -O "https://.../sequence_[0-200].webvtt"

拖动视频到结尾附近，快速找到 *.webvtt 文件最大数字。下载范围可以比最大数字大，多出来的会下载空文件，不影响最后的结果。

把 WebVTT 字幕拼接起来：

shell

cat *.webvtt > ../wwdc2024-10138_hd.webvtt

转换为 UTF-8

shell

# 可以使用 `file` 命令查看文件编码，这里就是好奇是什么编码，就是想看看
file -I wwdc2024-10138_hd.webvtt
# wwdc2024-10138_hd.webvtt: text/plain; charset=unknown-8bit

# 转换成 utf-8；-c 忽略错误字符，这个参数很有用，避免丢失的字幕
iconv -c -t utf-8 wwdc2024-10138_hd.webvtt > wwdc2024-10138_hd_utf8.webvtt

转换为 SRT

WebVTT 转换 SRT Python 脚本：

python

from datetime import datetime


def parse_webvtt_timestamp(ts):
    timestamp = ts.strip().split(' ')[0]
    # 将 WebVTT 时间戳转换为 datetime 对象
    return datetime.strptime(timestamp.replace(',', '.'), '%H:%M:%S.%f')


def format_srt_timestamp(ts):
    # 将 datetime 对象格式化为 SRT 时间戳
    return ts.strftime('%H:%M:%S,%f')[:-3]


def read_webvtt(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.readlines()

    subtitles = []
    i = 0
    while i < len(lines):
        line = lines[i].strip()
        if line == 'WEBVTT' or line.startswith('NOTE') or line.startswith('X-TIMESTAMP-MAP='):  # 跳过 WEBVTT 标签和注释行
            i += 1
            continue
        if '-->' in line and line.rstrip().endswith('WEBVTT'):  # 跳过 WEBVTT 污染的时间
            i += 1
            continue
        if '-->' in line:
            timestamp_line = line.strip()
            start, end = [parse_webvtt_timestamp(ts) for ts in timestamp_line.split(' --> ')]
            text_lines = []
            i += 1
            while i < len(lines) and lines[i].strip() != '':
                text_lines.append(lines[i].strip())
                i += 1
            text = '\n'.join(text_lines)
            subtitles.append({
                'start': start,
                'end': end,
                'text': text
            })
        else:
            i += 1

    # 去重处理
    return list({(subtitle['text'], subtitle['start'], subtitle['end']): subtitle for subtitle in subtitles}.values())


def write_srt(subtitles, file_path):
    # 过滤掉文本结尾是 WEBVTT 的字幕项
    filtered_subtitles = [subtitle for subtitle in subtitles if not subtitle['text'].rstrip().endswith('WEBVTT')]

    with open(file_path, 'w', encoding='utf-8') as file:
        for i, subtitle in enumerate(filtered_subtitles, start=1):
            file.write(f"{i}\n")
            file.write(f"{format_srt_timestamp(subtitle['start'])} --> {format_srt_timestamp(subtitle['end'])}\n")
            file.write(f"{subtitle['text']}\n\n")


def convert_webvtt_to_srt(webvtt_file_path, srt_file_path):
    subtitles = read_webvtt(webvtt_file_path)
    subtitles.sort(key=lambda x: x['start'])
    write_srt(subtitles, srt_file_path)


# 使用示例
convert_webvtt_to_srt('wwdc2020_10652_hd_utf8.webvtt', 'wwdc2020_10652_hd.srt')

额外内容

shell

# 将 SRT 转换为 WebVTT
ffmpeg -i wwdc2024-10138_hd.srt wwdc2024-10138_hd.vtt

# 提取视频，无音轨
ffmpeg -i wwdc2024-10136_hd.mp4 -c:v copy -an wwdc2024-10136_hd_v.mp4

# 提取音频
ffmpeg -i wwdc2024-10136_hd_zho.mp4 -q:a 0 -map a wwdc2024-10136_hd_zho.aac

# 视频、音频合并，这样可以避免压缩画质，还能更换音频
ffmpeg -i wwdc2024-10136_hd_v.mp4 -i wwdc2024-10136_hd_zho.aac -c:v copy -c:a aac wwdc2024-10136_hd_zho.mp4

# 将 MP4 转换为 HLS
ffmpeg -i ../wwdc2024-10138_hd.mp4 -c:v hevc_videotoolbox -b:v 2M -preset medium -g 30 -f hls -hls_time 1 -hls_list_size 0 output.m3u8

TABLE OF CONTENTS

下载 WWDC 字幕

下载 WebVTT

转换为 SRT

额外内容

TABLE OF CONTENTS

下载 WWDC 字幕

下载 WebVTT

转换为 SRT

额外内容