ساخت ویدیوی گفتاری با هوش مصنوعی
لایههای آماده ویدیوی افقی رو با عنوان پشت گوینده، زیرنویس و کارتهای تصویری ترکیب کنید و خروجی رو با دیدن و شنیدن کامل مرور کنید.
ساخت ویدیوی گفتاری با هوش مصنوعی در این بسته از تصویر و لایههای آماده شروع میشه. اسکیل choosing-video یک قالب افقی با عنوان سفید پشت گوینده، نوشته پایین تصویر و کارتهای تصویری شناور داره و ترکیب نهایی رو به فایل ویدیو تبدیل میکنه.
تبدیل صدا به متن، جدا کردن سوژه، انتخاب برداشت و میکس صدا کار خودکار این رندرکننده نیستن. باید ورودیها هماهنگ آماده بشن و بعد از هر برش، زمان همه لایهها اصلاح بشه. قالب نوشته لاتین داره و پشتیبانی از شکلدهی حروف فارسی رو تضمین نمیکنه؛ پروژه و موسیقی شخصی نمونه هم همراه بسته نیستن.
کاربردها
- ترکیب عنوان پشت سوژه با حرکت واقعی گوینده
- قرار دادن زیرنویس زمانبندیشده در پایین تصویر
- هماهنگ کردن لایه سوژه با تصویر پس از برش
- افزودن کارتهای تصویری آماده بدون صدای منبع
- استفاده از صدای آماده در ترکیب نهایی
- ساخت پیشنمایش و خروجی با اندازه مناسب منابع
نصب و استفاده
- پوشه کامل قالب رو در ایجنت دارای فایل و خط فرمان باز کنید. پایتون ۳.۱۰ یا جدیدتر، Pillow و imageio-ffmpeg و فونت محلی دارای مجوز لازم هستن؛ فونت عنوان همراه بستهست، ولی فونت زیرنویس رو باید تهیه یا جایگزینی مشخص انتخاب کنید.
- تصویر افقی تدوینشده، ماسک هماهنگ سوژه، زمان کلمهها، کارتها و میکس نهایی رو آماده کنید. مثلا بخواید: «این گفتار آموزشی رو با عنوان لاتین پشت گوینده و دو کارت آماده ترکیب کنید؛ قاب و پایان گفتار حفظ بشن.»
- اول پیشنمایش بگیرید و خوانایی عنوان، مو و دستها، جای کارتها و هماهنگی نوشته با گفتار رو ببینید. تغییر تایملاین باید همه ورودیهای وابسته رو با هم جابهجا کنه.
- کل خروجی رو ببینید و بشنوید. بررسی ساختار فایل جای شنیدن اتصال صدا و مرور حرکت رو نمیگیره؛ خروجی بزرگتر هم اگر منبع کوچک باشه، جزییات واقعی تازه تولید نمیکنه.
سوالات متداول
منبع
ساخته bhavya-gx. نام اصلی: choosing-video، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub