以下是关于视频内字幕提取的相关内容：
对于 B 站有字幕的视频，若在视频栏下面有字幕按钮，说明视频作者已上传字幕或后台适配了 AI 字幕。可安装油猴脚本Bilibili CC 字幕工具，安装后刷新浏览器，点击字幕会多出一个“下载”按钮，点击可选择多种字幕格式，包括带时间的或者不带时间的。 在 Sora 之后，OpenAI Lilian Weng 亲自撰文提到，在设计视频生成扩散模型时，使用了剪辑检测流程从每段视频获得更多剪辑，并对其使用三个不同的字幕标注器模型：用于中间帧的 CoCa、用于视频字幕的 V-BLIP、基于前两个标注使用 LLM 来进行标注。还通过多种方式提升视频数据集，包括移除运动更少的视频片段、清除过多的文本、清除不够美的视频等。 关于使用 GPT 的视觉功能和 TTS API 处理和讲述视频，有相关笔记本演示如何通过视频使用 GPT 的视觉功能，如使用 GPT-4 获取视频的描述、使用 GPT-4 和 TTS API 为视频生成画外音。首先使用 OpenCV 从包含野牛和狼的自然视频中提取帧。
