همه محصولات

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

  1. 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.
  2. 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.»
  3. 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.
  4. 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