Videodaki altyazıyı yazıya döken sistem

Altyazı… ekrandaki kelimeler… Ama bu yazıda sen, sadece ne söylendiğini değil, ne zaman ve nasıl söylendiğini çeken, sesi anlamdan soyutlayıp saf bilgiye dönüştüren bir sistem kuracaksın.

Videodaki konuşmaları yazıya çevirmek için bir tuşa basmak kolay. Ama biz kolaydan söz etmiyoruz. Biz, sistemin söylemediğini çözmenin, kodlanmamış kelimeleri bile yazıya dökmenin yollarını arıyoruz.

1. SRT Formatını Aşmak: Zamansız Transkript

Çoğu sistem altyazıyı .srt veya .vtt dosyasından alır. Ama bu dosyalar zaman kodlarına bağlıdır. Yani video durursa altyazı kaybolur. Bizim istediğimiz ise: videodaki her konuşmanın kronolojik bağdan koparılmış saf metne dönüşmesi.

Yöntem:

1. Videonun varsa .srt dosyasını elde et
2. Tüm zaman etiketlerini temizle: Regex ile dd:dd:dd,d+ --> dd:dd:dd,d+ satırlarını sil
3. Sayıları kaldır, satırları birleştir

Böylece altyazı, sadece konuşmanın akışı haline gelir. Bu artık bir transkript değil; düşüncenin düz yazıya dönüşmüş halidir.

2. Video Dosyası Elinde Yoksa: Altyazıyı Havadan Yakala

Bir video izledin, ama dosya senin değil. Yine de altyazıyı çıkarabilirsin. YouTube veya gömülü oynatıcı fark etmez. Sistem: önbellek yakalama + DOM izleme.

Yöntem:

1. Chrome’da videoyu aç
2. Geliştirici Konsol (F12) > Network sekmesine geç
3. “timedtext” veya “caption” içerikli istekleri filtrele
4. XHR dosyasını incele, JSON veya XML içinde altyazıyı bul

Bu altyazı verisi sistemin içinden gelir. Video sahibinin bile unuttuğu yerden sen çıkarırsın. Bu, video izlerken konuşmanın gölgesini çekmek gibidir.

3. Altyazı Yoksa: Sesi Parçala, Yapay Zekayı Dil Avcısı Gibi Kullan

Videoda altyazı yok mu? Hiç sorun değil. Sen altyazıyı kendin çıkaracaksın. Ama sıradan speech-to-text sistemlerini değil, çok katmanlı model kombinasyonlarını kullanarak.

Gizli Kombinasyon:

1. FFmpeg ile videodan sesi çıkar:

ffmpeg -i video.mp4 -vn -acodec copy audio.aac

1. Whisper (OpenAI) modelini kullanarak ses dosyasını metne çevir

whisper audio.aac --model large --language Turkish

1. Çıkan sonucu temizle: parantez içi tanımları sil, zaman kodlarını ayıkla

Whisper’ın farkı nedir? Aksan, arka plan gürültüsü, düşük kalite gibi şartlarda bile tahmin yürütür. Ve tahmin ettiği kelimeyi güven skoruyla birlikte verir. Sen bu skoru da filtreleyerek sadece net konuşmaları alırsın.

4. Altyazıyı Duyguya Göre Ayır: Konuşmanın Alt Metni

Sadece konuşulanı yazmak yetmez. Ne hissedildiğini de çıkarmak gerekir. Bunun için:

1. Konuşma metnini satırlara ayır
2. Her satırı GPT modeline ver: “Bu cümle öfke, korku, sevgi, ironi gibi bir duygu içeriyor mu?”
3. Duygusal indeks oluştur: metin + his

Bu, altyazıdan metne değil; metinden duyguya giden bir süreçtir. Artık sen bir konuşma analisti olmuşsundur. Video artık bir veri kümesidir senin için.

5. Görünmeyeni Yazıya Dökmek: Sessiz Sözleri Deşifre Et

Bazen insanlar konuşmaz. Ama dudakları oynar. Ya da jest yapar. İşte bu noktada sıradan sistemler pes eder. Sen etme.

Gizli Teknik: Görsel + Sesli Transkript Birleştirme

1. Video içinden görselleri 1 fps olarak çıkar (ffmpeg kullan)
2. OpenCV veya Google Vision API ile “mouth open” gibi tespitler yap
3. Bu anlara ses eşleşmesi yoksa, “sessiz iletişim” etiketiyle metne not düş

Artık videodan konuşmayı değil, dil olmayan iletişimi de çıkarıyorsun. Bu, klasik transkripsiyonun ötesine geçen bir zihin işlemidir.

6. Anonim Video Platformlarından Yazı Çekmek

Bazı sistemler YouTube bile değildir. DailyMotion, PeerTube, Vimeo, TikTok… Altyazıları görünmez formatlarda taşır. Ama tarayıcı bunu verir.

1. Video oynarken “Ctrl + U” ile sayfa kaynağını aç
2. “.vtt” veya “.srt” dosyalarını ara
3. Yoksa “window.__INITIAL_STATE__” gibi global değişkenleri incele

Birçok sistem, altyazıyı base64 encode edilmiş şekilde tutar. Ama sen bunu çözebilirsin. atob() fonksiyonu ile decode edebilirsin. Bu, video içinden veri avlamaktır. Bir konuşmayı değil, veri katmanını çözmektir.

Yöntemler Karşılaştırması

Yöntem	Altyazı Gerektirir mi?	Teknik Düzey	Çıkan Veri	Etki Derinliği
SRT dosyasından temizleme	Evet	Kolay	Metin	Yüzeysel
DOM & XHR yakalama	Gerekli	Orta	Ham altyazı	Orta
Whisper ile transkript	Hayır	Yüksek	Doğal konuşma	Derin
Duygu katmanı ekleme	Hayır	İleri	His + metin	Çok derin
Görsel analiz	Hayır	Çok ileri	Sessiz dil	Algı düzeyinde

Sadece Konuşanı Yazmak Değil, Konuşmayanı da Görmek

Bir video konuşur. Ama sen dinlemeye değil, görmeye odaklanırsan… konuşmayanların bile söylediklerini çıkarırsın.

Artık altyazı senin için bir metin değil; bir katmandır. Konuşma bir akış değil; bir veri taşıyıcısıdır. Sen artık o veriyi sadece çözmezsin, onu yeniden inşa edersin.