Как превратить запись китайского голоса в анимированное текстовое видео?
Загрузите запись, выберите китайский и оставьте текстовое поле пустым для распознавания. Перед экспортом просмотрите слова и временные метки. В этом случае исходный сценарий предоставляется рядом с результатом распознавания, чтобы вы могли проверить, что изменилось.
Источник и метод
Исходный сценарий на китайском языке был произнесен eSpeak NG, а затем обработан тем же локальным распознавателем Whisper small и средством рендеринга видео, которые используются на этом веб-сайте. Это синтезированная речь, а не запись человека и не певческий эталон.
В этих тематических исследованиях используются оригинальные сценарии, синтетическая речь, сгенерированные тоны и сгенерированное изображение уведомления. Они не содержат пользовательских загрузок. Исходный носитель и распознанный текст сохраняют исходный язык при изменении языка интерфейса.
Скачать исходный материал ↓ · Загрузить настройки ↓ · Скачать исходный текст ↓
Сравните источник, признание и обзор
Исходный текст
今天我们用一段中文录音制作文字动画。
先检查识别结果。
再调整字幕的出现时间。
最后下载视频，分享你的故事。Неотредактированный результат распознавания
今天我们用一般中文录音制作文
字动画,
先天查识别结果,
再调整字幕的出现时间,
最后下彩视频,
分享你的故事。Проверенный результат
今天我们用一段中文录音制作文字动画。
先检查识别结果。
再调整字幕的出现时间。
最后下载视频，分享你的故事。Проверенные субтитры восстанавливают исходный сценарий и используют равномерные по времени фразы в аудио. Их время является приблизительным и не является принудительным согласованием. Доступны как неотредактированные выходные данные модели, так и проверенный экспорт; сравните их со звуком.
Скачать видео с неотредактированными подписями ↓ · Скачать обзорное видео ↓
Что проверить, прежде чем поделиться
В этом запуске исходный 一段 был распознан как 一般, 检查 как 天查 и 下载 как 下彩. Прежде чем корректировать границы фраз, сверьте китайские слова с записью. Это результаты синтетической выборки, а не коэффициент ошибок китайской речи.
Измерение и ограничения
Times описывает один запуск сборки, а не обещание уровня обслуживания. Звуковые корпуса измеряются на сборочном компьютере; image OCR измеряется в образе развертывания Linux. Время загрузки и общая очередь обработки исключаются.
- Время распознавания
- 6.41 s
- Время рендеринга
- 2.16 s
- Механизм обработки
- faster-whisper small / CPU int8
Это демонстрация продукта, а не проверка точности или отзыв клиента.
Попробуйте этот рабочий процесс ↗
Факты о продукте
AI Free Audio to Video · audiosubvideo.com
- Цена и счет
- Бесплатное использование без оплаты и регистрации; Применяются общая очередь и почасовые ограничения на использование.
- Распознавание речи и изображений
- Whisper small для речи и Tesseract для изображений на рабочем сервере. Никакой идентификации говорящего, перевода стенограммы или разделения голосов.
- Загрузки
- MP4 для видео; TXT, JSON и SRT для синхронизированных транскриптов; TXT и JSON для распознавания изображений.
- Кто может получить доступ к результатам
- Исходный сеанс браузера и вошедшие в систему администраторы сайта. Загруженный контент не является общедоступным примером.
- Ограничения на аудио и видео
- 100 MB · 10 min
- Завершенное сохранение файлов
- 24 часы