试了试audiobook最佳的方式可能还是让chatgpt来校正。试了试100行左右的字幕，非常完美，所有的拼写错误、大小写、标点全都替换成正确的文本了。
具体做法是
- 先用whisperx生成字幕；
- 切割字幕成50-100行，同时切割audiobook的文本，需要匹配上，但不用太严格，可以有一定余裕。
- 将切割后的文本逐个交给chatgpt处理，返回结果。
- 合并校正后的字幕。
需要写个脚本来做这事
srt-sync虽然也还不错，但是偶尔还是会出错，主要是标点（特别是引号）会导致错乱，毕竟没有AI
由于Whisperx处理audiobook这种一直在说话的材料，其时间轴非常完美，所以用这种方式制作的audiobook的字幕可以说非常完美了。