SubFix是一个用于轻松地编辑修改音频字幕的网页工具。能够实时地看到改动，方便地对音频进行合并、分割、删除、编辑字幕。
SubFix同时也支持自动化语音标注，使用modelscope和whisper对文本进行多语言标注。目前modelscope支持中文、英语、日语、德语、德语、俄语的自动化标注。whisper支持几乎所有语言。
独立的.py文件版本，可以通过subfix_webui.py获取。该版本可以通过命令行参数来选择语言，支持英文和中文。同时可以选择在编辑时是否同步删除硬盘上的音频文件。
单独Python文件版本的使用方法，可访问：subfix_webui.py 帮助
进行如下安装步骤可以快速而轻松的安装。建议使用Linux环境。如果是Windows环境，需要您手动配置ffmpeg环境变量，并且modelscope的安装可能比较复杂。
确认安装的Python版本最好大于3.9，然后执行如下命令。如果您不需要使用音频的自动标注，那么不需要安装Modelscope模块。
使用conda
conda create -n modelscope python=3.9
conda activate modelscope安装依赖
sudo apt install build-essential
sudo apt install ffmpeg
sudo apt install libsox-dev
git clone https://github.com/cronrpc/SubFix.git
cd SubFix
pip install "modelscope[audio_asr]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
pip install -e .由于modelscope的API发生了改动，通过pip安装的代码未必是最新版本，可能存在无法运行自动标注的情况。
这里建议是，可以直接安装最新Github仓库的modelscope和funASR到最新版本。
# 安装FunASR
git clone https://github.com/alibaba/FunASR.git && cd FunASR
pip3 install -e ./
# 安装modelscope
git clone https://github.com/modelscope/modelscope.git
cd modelscope
pip install -e .
pip install -e .[audio_asr]
如果有gpu，需要提前安装pytorch的cuda版本，配置ffmpeg等环境变量，之后执行下列命令
git clone https://github.com/cronrpc/SubFix.git
cd SubFix
pip install "modelscope[audio_asr]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
pip install -e .关于pytorch安装，请访问(https://pytorch.org/get-started/locally/)
当你使用pip install -e .安装后，在shell下可以通过该命令在任意目录下启动本工具。所有参数都有默认值，如果是默认值的话，不需要输入任何--option。
subfix -h
# webui
subfix webui -h
subfix webui --load_list demo.list --webui_language zh --force_delete True
# create dataset
subfix create modelscope -h
# 英语
subfix create modelscope --source_dir origin --language EN
# 中文
subfix create modelscope --source_dir origin --language ZH
# 日语
subfix create modelscope --source_dir origin --language JA
# Openai-Whisper标注 (几乎支持所有语言)
subfix create whisper --source_dir origin --language ZH
subfix create whisper --source_dir origin --language JA
# 说话人确认 （分离不同说话人）
subfix diarization -h
subfix diarization --source_dir origin --target_dir diarization --min_seconds 3.0每次使用自动标注前，建议清空一下cache/subfix/文件夹
rm -rf cache/subfixSubFix支持2种格式，分别是.json和.list格式。
.list的格式中，每行数据类似于"{wav_path}|{speaker_name}|{language}|{text}"。
例如，如果你已经有了一个demo.list文件，和它对应的音频已经放到了正确的路径，那么可以执行如下命令来启动SubFix的UI界面：
subfix webui --load_list demo.list
# or
subfix webui --load_json demo.json查看帮助
subfix --help
subfix webui --help可以点击Previous Index、Next Index按钮来切换列表，同时可以拖动slider并点击Change Index来快速定位列表。
可以直接修改文本，并点击Submit Text按钮来保存修改。
选择需要合并的音频，设置合并间隔，然后点击合并按钮来合并音频。
选择需要分割的音频，设置分割点，然后点击分割按钮来进行分割。注意，一次只能分割一个音频，分割后需要重新调整下文本。
选择需要删除的音频，点击按钮进行删除。删除操作将暂存到内存之中，如果需要保存到文件中，需要点击保存按钮，或者执行一次其他命令来保存。
默认情况下，将音频文件放入origin文件夹下，对于一个sam音频文件abc.wav，其所在的文件路径可以是./origin/sam/abc.wav这样的结构，之后执行下面的命令：
# rm -rf cache/subfix
subfix create --source_dir origin --output demo.list该命令将创建一个dataset目录，同时将所有文件转录的音频的路径和字幕存储到了demo.list文件中。
如果要用标点符号，使用下面的命令，自动对list文件中的文本添加标点符号。
subfix punctuation --load_list demo.list
在某些情况下，大段落音频中由于存在背景音乐，会将背景歌曲的人声或噪音识别，造成同一文件中的多人说话。
又或者，说话太过密集，导致识别出来的音频过长。
该功能将提取出每个文件中出现次数最多的n个说话人，说话人的每句话之间间隔interval秒，保存在diarization文件夹中，便于后续提取音频。
subfix diarization --source_dir origin --target_dir diarization --min_seconds 3.0 --interval 10 --top_of_number 1
subfix create modelscope --source_dir diarization --language ZH两种格式.list和.json可以互相转换，使用如下命令对文件进行转换：
subfix format_convert --source demo.list --target demo.json
subfix format_convert --source demo.json --target demo.list单独Python文件版本的使用方法：
查看帮助
python subfix_webui.py -h中文启动
python subfix_webui.py --webui_language zh --load_list demo.list指定.list文件
python subfix_webui.py --load_list demo.list同步删除磁盘文件，默认值是True。
python subfix_webui.py --force_delete True
# or
python subfix_webui.py --force_delete False指定端口启动
python subfix_webui.py --server_port 1234