Skip to main content

LAYİHƏ: VOXA

Açıq Mənbəli AI Video Dublyaj: Danışana Kilidli Sinxron

Ai Automation

Voxa
PythonPiperXTTSFFmpegWhisperfaster-whisperOpenAIAnthropicEdge TTS

Nəticələr

Ölçülə bilən təsir. Sıfır spekulyasiya.

0

Zaman sürüşməsi

0

TTS mühərriki

0+

Hədəf dili

0

Açıq mənbə lisenziyası

Çağırış

Videonu başqa dilə çevirmək uzun illər studiya, səs aktyoru və saatlarla montaj tələb edib. Avtomatik dublyaj alətləri isə bir problemi həll edə bilmir: səs tədricən şəkildən geri qalır. Sistem sintez olunmuş klipləri arxa-arxaya düzür; bir klip bir az uzun çəkəndə növbəti geri sürüşür, xəta yığılır. Üç dəqiqədən sonra danışan bir cümlədə olur, səs tamam başqa cümlədə. Beləcə keyfiyyətli dublyaj yalnız bahalı studiyaların əlində qalır.

Yanaşma

Voxa problemi kökündən həll edir. Hər səs klipi mənbə videonun zaman oxuna sancılır: hər sətrin yeri öz başlanğıcından növbəti sətrin başlanğıcına qədər müəyyən olunur. Uzun çıxan klip kəsilir, qısa klip səssizliklə doldurulur. Kursor yığılmır, təyin olunur — ona görə sürüşmə struktur olaraq mümkün deyil. Bütün pipeline bir əmrlə işləyir. Whisper videonu mətnə çevirir, LLM tam cümlə konteksti ilə tərcümə edir ki, əvəzliklər, cins və ton bütün səhnə boyu sabit qalsın, seçilmiş TTS mühərriki hər sətri səsləndirir, sonra hər şey orijinal videonun üstünə yenidən yığılır. Dörd səs mühərriki və dörd tərcümə arxa-planı var; keyfiyyət qapısı hər klipi yenidən yoxlayır və zəif çıxanı avtomatik təzədən səsləndirir. Hamısı öz maşınında işləyir, standart rejimdə API açarı belə tələb olunmur. Canlı sayt: https://voxa-servoogle.vercel.app/az Mənbə kodu (GitHub): https://github.com/akshinmrv/Voxa

İcra

  • Audio çıxarış — FFmpeg mənbə videodan səs zolağını ayırır.
  • Səs təmizləmə — fon küyü azaldılır ki, transkripsiya dəqiq qalsın.
  • Transkripsiya — Whisper nitqi zamanlanmış mətnə çevirir.
  • Cümlə birləşdirmə — fraqmentlər təbii, tərcümə oluna bilən cümlələrə qruplanır.
  • Tərcümə — LLM tam cümlə konteksti ilə hədəf dilə çevirir.
  • Sintez — seçilmiş TTS mühərriki hər sətri səsləndirir.
  • Montaj — hər klip zaman oxuna bağlanır və video yenidən yığılır.

Oxşar nəticələr istəyirsiniz?

Uğur hekayənizi birlikdə quraq.

Kompromislər dövrü bitdi.

Standartlarla kifayətləndiyiniz hər saniyə, rəqiblərinizə qazandırır. Layihənizi danışaq.

NDA hər layihədə
48 saatlıq cavab
≤5 paralel layihə