对于视频字幕，我们需要将视频帧输入到递归神经网络中。如果我们提供视频，提取帧的标准标准是什么，例如帧采样率和图像分辨率要求。
我也想知道，当我们制作视频字幕时，我们首先提取视频的所有帧，然后将它们保存为输入，或者我们在处理它们的同时提取帧。
答案 0 :(得分：0)
它的问题并不完全清楚，因此可能值得一提的是，字幕和字幕通常存储在与视频本身不同的文件中 - 即它们不会直接添加到视频流中。还值得注意的是，大多数视频容器（例如MP4文件）将具有单独的视频和音频轨道。
根据您要添加的字幕类型，方法可能会有所不同 - 例如，如果字幕是简单的描述性注释，那么它们通常会手动添加，以便在编辑器选择的视频中的任何位置显示。
如果字幕是提供演讲的成绩单，那么他们显然必须与音频和视频流对齐，并且通常会从音频流生成并使用其时间戳。
不同地区和不同部署的字幕有多种不同的标准，但最常见的是：
通常，无论格式如何，都会有一种机制将标题（如果需要）与视频的任何帧相关联 - 即允许玩家将特定视频帧与特定标题链接的时间码。