今天看到一篇“一个视频自动加字幕的小工具，如何做到月入2W”的博文（突字幕），考虑这个小工具如何实现，以及可能的关键难点，感觉有点意思；在当前人工智能、机器学习的热潮下，在依托成熟三方服务或者开源实现，实现一个类似的应用还是不难的，而核心的技术难点也显而易见，主要在语音识别，以及机器翻译的准确性上！关键功能点，给视频自动添加多语种字幕，大概的实现流程：1、视频中音频部分提取，含时间戳！2、语音识别，音频部分

今天考虑一个mcu混合的实现，也就是接收多路过来的rtp流，然后转发出去一路的rtmp流，使用ffmpeg测试做的记录，刚开始一直通过ffmpeg推送的文件流不能满足要求，还是对参数配置不熟悉；