上回书说道，九月中旬时，一位日语教师得我之讯。然吾犹未决意，抑或缺乏以财挹之自信。至十一月，我在府中获得职役，堪为正途之始。俸禄颇足，足以充冀学课费。工作量亦宜，故遂择师而学焉。心机深重，恒虑一步之差者，可谓鲁莽择校也。
彼时余曾抒文故事，今有五月，事端扰离甚众。直至此刻，饱览吾之老板庐山真面，彼乃奸狡剥削、欺压之蠢物。吾心不复以信任彼类，终于岁末，无金之积累。期间，持续授业于日语私师，迨至二〇二四年二、三、四月，尽心翻译游戏实况。
ガレキ牛 #
这个月在狂暴烤肉，烤出共计约一小时时长的视频。虽然成品是一小时，但工作量绝对不止一小时啊，很多地方都要重复听才能确认出是什么，有的时候实在听不出来就睡觉然后第二天就听出来了（草）
最近一个工程是raft的烤肉，这个难度跟前面烤过的完全不是一个级别了，一小时无字幕四人轴，只能说爽。没了日语字幕我才意识到差距有这么大，半小时无字幕至少比有字幕要难一倍、半小时四人轴至少要比半小时一人轴难四倍以上（所以应该多烤点单人带原字幕的比较简单吗）
工作流 #
分享一下整套烤肉流程，虽然我日语力不高，但是该有的都有，一般没有的也都有了，所以大概算是精翻吧。（至少精翻确实是我的目标）
语音转文本(N46Whisper) #
首先下载视频导入pr，直接导出mp3音频文件，打开 部署在google colab的N46Whisper，直接导入文件，调整参数。
上传文件有两种选择，从谷歌网盘导入/从本地上传。实测从本地上传巨慢，适合10mb及以下的文件。但是本地上传选完文件之后就可以依次点击下面每个单元格的运行，比较省心。从谷歌网盘导入需要先导入再操作下面的单元格。
我这边colab默认就是T4GPU，所以每次打开的时候并不需要修改。唯一要注意的是跑完一个文件之后要么关掉运行时，要么修改到cpu，不然会把12小时的T4gpu时间限制跑完。
通用参数/Required settings中，可以选择是使用largev2还是largev3，我一般两个模型都跑一遍，貌似v3在处理多人同时说话时的能力更好一些。
后面这个 “默认只导出ass，若需要srt则选择Yes。导出时浏览器会弹出允许同时下载多个文件的请求，需要同意”的选项我这边修改之后完全没有任何作用，依然是下载ass，估计是因为多人同时说话，需要多行显示所以只能导出ass吧。
其他选项/Advanced settings中，这个普通分割（Modest) 全部分割（Aggressive) 标点分割（Punctuation) 开与不开、开哪个我完全没看出来有什么区别，所以就无视了。
字幕模板格式因为我需要在pr修改，所以无视了
vad过滤没看明白有什么用，而且日语算小语种吗，好像大概不算吧
设置Beam Size
Beam Size数值越高，在识别时探索的路径越多，这在一定范围内可以帮助提高识别准确性，但是相对的VRAM使用也会更高. 同时，Beam Size在超过5-10后有可能降低精确性，详情请见https://arxiv.org/pdf/2204.05424.pdf
默认设置为 5
set_beam_size:
(输入数值)
这里有说法的，同个文件我在5、8、10、15数值对比查看后，发现对那些难以听出来的句子效果并不好，并没有显著影响，所以我一般只用8。在某些句子上有显著影响的反而是前面说"【请注意】：large-v3在某些情况下可能未必优于large-v2或更早的模型，请用户自行选择"的v3模型。
后面的自动翻译没搞明白，所以就不用了
模型跑完之后，会自动下载。
批量翻译与精翻 #
这小标题的意思不是or，是and，首先会直接复制字幕文件(太长的话会分段)丢给gpt4，让他直接进行翻译
你是一个中日双母语者，我需要你翻译我给出的句子到中文，句子会有多个将多次发送给你，句子之间或许可能有一定联系，大多数句子来自游戏内的交流。
然后使用我的日语力进行确认：修改语气词、让句子变得更通顺、修改那些日语的俚语为中文的俚语等等
作为一个频繁同时说话的四人轴，至少有40%的句子是识别不出来的，这时我会剪出某一句话再次丢到N46Whisper进行识别，尝试v2/v3模型、尝试修改Beam Size数值、搜索引擎搜索相似的句子、人耳听等等，还真就有那么几句是模型怎么都识别不出来，自己听也听不出来，然后睡一觉就听出来的…
注意到出现完全没办法直译后联系上下文的词大概率就是梗了，这个可以选择问gpt4或者google，不过如果是ガレキ牛他们自己的梗那完全没办法了，搜不到也无从下手。
以上这种大部分原因都是不知道原句说的是什么，所以如果有原日语字幕在视频上那就简单太多了。
视频中出现的“观众会集中注意力特意去看”的日文字也一律进行翻译、封面也进行本地化、标题本地化、视频简介也需要翻译。
就这样这两步反复操作一期烤肉就诞生了。
这篇周报忍住了没贴图片进去还真是了不起啊