サイトスクリプトblog

トラックバックURL

コメント一覧

1. • 1. suzuki
   • 2011年07月11日 20:17
   • ソフトですが，興味深く拝見させていただきました。
     実は，YouTubeの英語字幕の単語の下に，ルビのように訳を表示するサービスをしております(用途は英語学習)。
     現在は，字幕の保存されているサーバーから手動で取得し，専用のソフトを通して訳付けしていますが，自動化したいと考えています。
     ソフトの性質上，字幕データを時間ごとに改行されたテキスト形式で取得したいのですが，可能でしょうか？
     お分かりになるようでしたら，教えていただければ助かります。
     よろしくお願いいたします。
     
2. • 2. brsscl＠管理人
   • 2011年07月12日 02:17
   • YouTube側から取得できる字幕ファイルは、XML形式ですが、それ以外の形式の字幕ファイルを、直接、YouTube側から取得できないか、ということでしたら、ちょっと私にはわかりません。お役に立てず申し訳ありません。いったん、XML形式で取得してから、自分の使いやすい形式に変換する、くらいしか私には思いつきません。変換そのものはそれほど難しくないだろうと思います。
3. • 3. suzuki
   • 2011年07月12日 12:31
   • ご回答ありがとうございます。
     
     実は，ソフトで取得したXMLをブラウザ(IE8)でXMLのまま開けば問題ないのですが(XML自体には問題ないと思います)，メモ帳で開くと変なところに改行コードが入ってしまいます(ワード2000で開いても全く同じところで改行されます)。
     
     改行だけの問題ですので，ご指摘のように変換してしまおうと思いますが，もしお分かりになれば教えていただけないでしょうか。
     よろしくお願いいたします。
4. • 4. brsscl＠管理人
   • 2011年07月12日 21:59
   • YouTube から取得した XML字幕ファイルのいくつかで、
     > 変なところに改行コードが入っている
     のを確認できました。YouTube の動画プレイヤーは、字幕表示する時に、この「変な改行コード」のところで改行して表示しているようですね。表示する字幕の文字列長が長く、一行で表示しきれないような場合に、XMLのデータ側で、画面上の文字列の改行箇所を指定しているのでしょう。このあたりは、字幕を表示する動画プレイヤーの仕様にもよるでしょうから、難しいところです（たとえば、動画プレイヤー側で字幕を自動改行・整形するような場合、字幕データ側で不要な改行を入れてしまうと、かえって見ずらくなることがある）。改行が不要、ということでしたら、改行文字列を空白文字に変換するような処理をしてみてはいかがでしょう。
5. • 5. suzuki
   • 2011年07月12日 23:52
   • お忙しいところ，度々ありがとうございます。
     
     YouTubeの仕様だったんですね。
     YouTubeの字幕に改行コードが入っているとは知りませんでした。
     
     ご指摘のように，改行コードを最初にすべて取ってしまって，その後，XMLの終了タグの後で一括で改行することで，書き換え(訳付け)ができるようになりました。
     ソフトを対応させれば，YouTubeのページURLの入力 → 動画上へ字幕表示 まで自動化できると思います。
6. • 6. suzuki
   • 2011年07月28日 23:58
   • 先日はお忙しいところご回答いただきまして，ありがとうございました。
     改行コードの件は解決できました。
     ｢YouTube の字幕保存のスクリプト｣も使わせていただいております。
     ただ，今週になってからだと思うのですが，字幕がうまく取得できなくなっているようです。
     YouTube の仕様は時々変更されるのでそのせいだと思いますが，解決策がお分かりになれば教えていただけないでしょうか。
     よろしくお願いいたします。
     
     
7. • 7. suzuki
   • 2011年07月31日 18:48
   • 度々申し訳ありません。
     ＸＭＬが格納されているページのＵＲＬですが，｢google2srt｣というソフトで調べることができました。
     
     ＜変更点＞
     ■最近まで(一部の動画は除く)
     http://video.google.com/timedtext?hl=en&lang=en&name=&v=[固有コード]
     
     ■現在
     http://video.google.com/timedtext?type=track&name=[なし/いろいろ]&lang=en&v=[固有コード]
     
     ※[なし/いろいろ]について
     私が調べた限りでは，ほとんどは｢なし(何も入らないパターン)｣で，2割程度は英数字1文字が入るパターンでした。
     1文字以上が入るパターンは，ほんのごくわずかです。
     
     問題は[なし/いろいろ]に何が入るかですが，ページのソースから調べる方法がお分かりになりましたら，教えていただけないでしょうか。
     よろしくお願いいたします。
     
8. • 8. brsscl＠管理人
   • 2011年08月01日 00:41
   • 返信が遅くなりました。ご容赦ください。
     
     > 字幕がうまく取得できなくなっている
     情報ありがとうございました。
     スクリプトを修正してみました。
     
     YouTube日本語版公式ブログ内、
     http://youtubejpblog.blogspot.com/2011/07/youtube.html
     YouTube 自動キャプション機能が日本語に対応。音声認識技術を使って日本語の動画に自動で字幕を表示開始
     等の影響かもしれません。自動作成された字幕ファイルの取得方法がよくわからず、今回修正したスクリプトでも、取得できない字幕があるかもしれません。
     
     > [なし/いろいろ]に何が入るか
     nameパラメータの値は、
     http://www.youtube.com/api/timedtext?v=[固有コード]&type=list
     で返る XML の track タグの name 属性の値として取得できると思います。ページのソースコードから取得できるかどうかはよくわかりません。
9. • 9. suzuki
   • 2011年08月01日 12:33
   • お忙しいところご対応いただきありがとうござます。
     早速使わせていただきます。
     
     > YouTube 自動キャプション機能が日本語に対応。音声認識技術を使って日
     > 本語の動画に自動で字幕を表示開始
     
     音声認識技術が日本語にも対応したんですね。
     どの程度の精度があるか見てみたいと思います。
     (英語版では意外に精度があるように感じています)
     
     今後ともよろしくお願いいたします。
     
10. • 10. suzuki
    • 2011年08月16日 17:10
    • 先日はお忙しいところありがとうございました。
      
      教えていただいたname値を元に，XMLを自動取得できるようにしてみました。
      http://www.eevideo.net/getdata/direct-caption/vid.php
      
      1時間以上の動画でも最大10秒程度で処理できます。
      
      ただ，ごく一部ですが，文字コードの影響からか字幕が表示されないことがあります(プレーヤー側で認識されない)。
      時間があれば調べてみますが，使われている文字コードはさまざまなようです。