AI Free Audio to Video について
AI Free Audio to Video は、録音をキャプション付きビデオに変換したり、アニメーション タイポグラフィを作成したり、音声や画像からテキストを抽出したりするためのブラウザベースのツールです。支払いや登録なしで無料で使用できます。
処理の仕組み
アップロードは Web サイトのサーバーで処理されます。この展開では、音声認識にはオープンソースの Whisper small モデルを、画像テキスト認識には Tesseract を使用します。ビデオ フレームは設定に基づいてレンダリングされ、FFmpeg を使用して MP4 としてエンコードされます。処理はブラウザ内で完全に行われるわけではありません。
ツールでできることとできないこと
共有する前に、認識されたテキストとタイミングを修正できます。歌、背景ノイズ、重なり合う音声、装飾的な画像テキストなどにより、エラーが発生する可能性があります。このツールは、話者の識別、録音の翻訳、ボーカルの分離、または撮影されたシーンの生成を行いません。
例と編集基準
これらは、オリジナルのテキスト、合成トーン、および eSpeak NG 合成音声から作成された公開製品デモンストレーションです。顧客によるアップロードやコマーシャルソングは含まれません。英語の音声と画面上のテキストは、どのページの言語でも英語のままです。
ガイドでは、このバージョンで利用できる機能について説明します。サンプルページでは、入力、設定、測定方法を公開しています。顧客の声や約束された精度を表すサンプルはありません。インターフェースの翻訳は複数の言語で提供されます。英語のページはソースコピーです。
制限とプライバシー
オーディオ ファイルとビデオ ファイルは 100 MB、10 分に制限されています。結果はブラウザ セッションに関連付けられており、24 時間後に期限切れになります。このサービスには、共有処理キューと時間ごとの使用制限があります。保存しておきたいものはすべてダウンロードします。
プロジェクトとドキュメント
faster-whisper · Tesseract · FFmpeg · eSpeak NG
これらのプロジェクトは、基礎となるコンポーネントを提供します。彼らの管理者はこの Web サイトを承認したり運営したりしません。
最終更新日: