«اگه دنبال درآمد هستی، باید محتوای اوریجینال و واقعی (authentic) تولید کنی.»

سلام بچه‌ها! 👋 تو این آموزش قراره یه اپ باحال بسازیم که مثل Captiono زیرنویس خودکار برای کلیپ‌هاتون تولید کنه، با قالب‌های تمیز و اینستایی که حسابی تو سوشال مدیا وایرال می‌شه! 😎 این اپ کاملاً رایگانه، روی سیستم خودتون اجرا می‌شه، و می‌تونید برای ویدیوهای پارسی و هر زبون دیگه‌ای ازش استفاده کنید. آماده‌اید؟ بریم! 💪



۱. مدل‌های Whisper چیه و کدومشون به کارمون میاد؟ 🤔

برای زیرنویس خودکار، از یه ابزار AI به اسم Whisper (ساخته OpenAI) استفاده می‌کنیم که صوت رو به متن تبدیل می‌کنه. Whisper چند تا مدل داره که هر کدوم کاربرد خودشون رو دارن:







مدل



حجم



دقت



سرعت



نیاز سخت‌افزاری



مناسب برای





tiny



75 MB



پایین



خیلی سریع



4 گیگ RAM، بدون GPU



سیستم‌های ضعیف، تست سریع





base



145 MB



متوسط



سریع



6 گیگ RAM، بدون GPU



ویدیوهای ساده، پارسی معمولی





small



483 MB



خوب



متوسط



8 گیگ RAM، GPU اختیاری



تعادل سرعت و دقت





medium



1.42 GB



خیلی خوب



متوسط



8-16 گیگ RAM، 5 گیگ VRAM



زیرنویس پارسی با دقت بالا





large (v1-v3)



3 GB



عالی



کند



16 گیگ RAM، 10 گیگ VRAM



ویدیوهای پیچیده، حرفه‌ای





چرا medium؟
مدل medium برای زیرنویس پارسی دقت خوبی داره (نرخ خطای کلمه حدود 30-40%) و روی سیستم‌های معمولی کار می‌کنه. برای کارای اینستایی و شخصی کافیه و نیازی به GPU خیلی قوی نداره.



مدل پارسی اختصاصی: اگه بخواید دقت پارسی رو ببرید بالا، می‌تونید از مدل تنظیم‌شده speechbrain/asr-whisper-large-v2-commonvoice-fa استفاده کنید که برای پارسی بهینه شده (ولی سخت‌افزار قوی‌تر می‌خواد).

ما تو این آموزش با مدل medium می‌ریم جلو، چون تعادل بین سرعت، دقت، و سخت‌افزار داره.



۲. نصب ابزارهای لازم 🛠️

برای ساخت اپ، این ابزارها رو نیاز داریم:





Python: برای اجرای کد.



FFmpeg: برای پردازش ویدیو.



Whisper: برای زیرنویس خودکار.



Flask و MoviePy: برای رابط وب و ویرایش ویدیو.

قدم ۱: نصب Python





اگه Python ندارید، از python.org نسخه 3.10 یا بالاتر رو دانلود کنید.



موقع نصب، تیک Add Python to PATH رو بزنید.



چک کنید نصب شده:

python --version

قدم ۲: نصب FFmpeg





FFmpeg رو برای پردازش ویدیو نصب کنید:





ویندوز: از Chocolatey استفاده کنید:

choco install ffmpeg



یا از gyan.dev نسخه essentials رو دانلود کنید و مسیر bin رو به PATH اضافه کنید.



چک کنید نصب شده:

ffmpeg -version

قدم ۳: دانلود مدل medium

مدل medium حدود 1.42 گیگه. برای اینکه دانلودش سریع باشه، دستی دانلود کنید:





لینک: medium.pt



فایل رو تو این مسیر کپی کنید:

C:\Users\YOUR_USERNAME\.cache\whisper\medium.pt

(به‌جای YOUR_USERNAME، اسم کاربر ویندوزتون رو بذارید)



اگه اینترنتتون کنده، از دانلود منیجر (مثل IDM) استفاده کنید.

قدم ۴: نصب کتابخانه‌ها

تو Command Prompt، این دستورات رو بزنید:

pip install openai-whisper ffmpeg-python flask moviepy



۳. ساخت اپ وب برای زیرنویس خودکار 🌐

حالا یه اپ وب می‌سازیم که بتونید ویدیو آپلود کنید، زیرنویس خودکار بگیرید، و قالب‌های تمیز روش بندازید. این اپ با Flask کار می‌کنه و رابطش شبیه Captionoئه.

کد اپ
این کد رو تو یه فایل به اسم subtitle_app.py ذخیره کنید:

from flask import Flask, request, render_template, send_file
import os
import subprocess
import whisper
from moviepy.editor import VideoFileClip, TextClip, CompositeVideoClip

app = Flask(name)
UPLOAD_FOLDER = "uploads"
OUTPUT_FOLDER = "subtitled"
os.makedirs(UPLOAD_FOLDER, exist_ok=True)
os.makedirs(OUTPUT_FOLDER, exist_ok=True)

def extract_audio(video_path, audio_path):
subprocess.run(['ffmpeg', '-i', video_path, '-q:a', '0', '-map', 'a', audio_path], check=True)

def generate_srt(audio_path, srt_path):
model = whisper.load_model("medium")
result = model.transcribe(audio_path, language="fa")
with open(srt_path, "w", encoding="utf-8") as f:
for i, segment in enumerate(result["segments"], 1):
start = segment["start"]
end = segment["end"]
text = segment["text"]
f.write(f"{i}\n{start:.3f} --> {end:.3f}\n{text}\n\n")

def apply_styled_subtitles(video_path, srt_path, output_path, template="neon"):
video = VideoFileClip(video_path)
subtitles = []
with open(srt_path, "r", encoding="utf-8") as f:
lines = f.readlines()
i = 0
while i < len(lines):
if lines[i].strip().isdigit():
times = lines[i+1].strip().split(" --> ")
start = sum(float(t) * [3600, 60, 1][j] for j, t in enumerate(times[0].replace(",", ".").split(":")))
end = sum(float(t) * [3600, 60, 1][j] for j, t in enumerate(times[1].replace(",", ".").split(":")))
text = lines[i+2].strip()
style = {"color": "white", "font": "Vazir", "fontsize": 24, "stroke_color": "black", "stroke_width": 2}
if template == "neon":
style.update({"color": "cyan", "stroke_color": "pink", "stroke_width": 3})
elif template == "modern":
style.update({"font": "B Nazanin", "color": "yellow", "method": "label", "align": "center"})
elif template == "instagram":
style.update({"color": "white", "fontsize": 30, "stroke_color": "blue", "stroke_width": 4})
txt_clip = TextClip(text, **style).set_position(("center", "bottom")).set_duration(end - start).set_start(start)
subtitles.append(txt_clip)
i += 4
else:
i += 1
final_video = CompositeVideoClip([video] + subtitles)
final_video.write_videofile(output_path, codec="libx264", audio_codec="aac", fps=30)
video.close()
final_video.close()

@app.route("/", methods=["GET"])
def index():
return render_template("index.html")

@app.route("/subtitle", methods=["POST"])
def subtitle():
if 'video' not in request.files:
return "ویدیو آپلود نشده!", 400
video = request.files['video']
template = request.form.get("template", "neon")
video_path = os.path.join(UPLOAD_FOLDER, video.filename)
video.save(video_path)

audio_path = os.path.join(UPLOAD_FOLDER, "temp_audio.wav")
srt_path = os.path.join(OUTPUT_FOLDER, "subtitles.srt")
output_video = os.path.join(OUTPUT_FOLDER, f"subtitled_{video.filename}")

extract_audio(video_path, audio_path)
generate_srt(audio_path, srt_path)
apply_styled_subtitles(video_path, srt_path, output_video, template)

os.remove(audio_path)
os.remove(video_path)

return send_file(output_video, as_attachment=True)

if name == "main":
app.run(debug=True)

رابط کاربری

این کد HTML رو تو پوشه templates با اسم index.html ذخیره کنید:

<!DOCTYPE html>
<html>
<head>
<title>زیرنویس خودکار خفن</title>
<style>
body { font-family: Vazir, Arial; text-align: center; background: #121212; color: white; }
h1 { color: cyan; text-shadow: 0 0 10px pink; }
form { margin: 20px; }
input, select, button { padding: 10px; margin: 10px; border-radius: 5px; }
button { background: cyan; color: black; border: none; cursor: pointer; }
button:hover { background: pink; }
</style>
</head>
<body>
<h1>زیرنویس خودکار برای کلیپ‌هات</h1>
<form action="/subtitle" method="post" enctype="multipart/form-data">
<label>ویدیو رو انتخاب کن:</label><br>
<input type="file" name="video" accept="video/*" required><br>
<label>قالب زیرنویس:</label><br>
<select name="template">
<option value="neon">نئون (خفن)</option>
<option value="modern">مدرن</option>
<option value="instagram">اینستاگرام</option>
</select><br>
<button type="submit">زیرنویس بزن!</button>
</form>
</body>
</html>

نصب فونت‌ها

برای زیرنویس‌های پارسی، فونت‌های Vazir و B Nazanin رو دانلود کنید:

از fontiran.com بگیرین و تو ویندوز نصب کنید.

۴. قالب‌های تمیز و اینستایی 🎨

ما سه تا قالب تمیز ساختیم که حسابی برای اینستا و تیک‌تاک جواب می‌ده:

نئون:

رنگ: فیروزه‌ای با حاشیه صورتی.

افکت: درخشش نئونی، مناسب ریلز اینستا.

کاربرد: کلیپ‌های وایرال و شبانه.

مدرن:

فونت: B Nazanin.

رنگ: زرد با چیدمان وسط.

کاربرد: ویدیوهای آموزشی و حرفه‌ای.

اینستاگرام:

رنگ: سفید با حاشیه آبی پررنگ.

اندازه: بزرگ (30px) برای خوانایی تو ریلز.

کاربرد: پست‌ها و استوری‌های اینستا.

اضافه کردن قالب جدید

برای یه قالب جدید (مثلاً word-by-word):

تو تابع apply_styled_subtitles یه شرط جدید اضافه کنید:

elif template == "word_by_word":
style.update({"color": "white", "fontsize": 28, "stroke_color": "purple", "stroke_width": 3})
txt_clip = TextClip(text, **style).set_position(("center", "bottom")).set_duration(end - start).set_start(start).fadein(0.5)

تو index.html گزینه جدید اضافه کنید:

<option value="word_by_word">کلمه به کلمه</option>

۵. نکات خفن برای اینستا و تلگرام 📱

برای اینکه کلیپ‌هاتون تو اینستا وایرال شه:

رزولوشن: تو کد، خروجی رو برای 1080x1920 (ریلز) تنظیم کردیم.

حذف نویز صدا: برای صدای تمیزتر:
pip install librosa

کد:
import librosa
y, sr = librosa.load("audio.wav")
y_denoised = librosa.effects.preemphasis(y)
librosa.output.write_wav("denoised.wav", y_denoised, sr)



اضافه کردن موسیقی: با MoviePy موسیقی بک‌گراند اضافه کنید:

from moviepy.editor import AudioFileClip
video = video.set_audio(AudioFileClip("music.mp3"))
یوتیوب و تیک‌تاک: برای دانلود ویدیو از یوتیوب:
pip install yt-dlp
yt-dlp https://www.youtube.com/watch?v=VIDEO_ID -o video.mp4

۶. اجرا و تست اپ 🎥
راه‌اندازی:
به پوشه پروژه برید و اپ رو اجرا کنید:

python subtitle_app.py

تو مرورگر برید به http://localhost:5000.