نمونهکار · 09 / 20
PPTX Dubber؛ دوبله هوشمند روایت اسلاید به هر زبان
ابزاری که روایت هر اسلاید را استخراج و رونویسی میکند، با هوش مصنوعی به متن طبیعی زبان مقصد بازنویسی میکند، با صدای انسانی جایگزین میکند و MP4 میسازد.

01چندزبانه
FA، EN و زبانهای دیگر
02Whisper
رونویسی محلی
03MP4
خروجی ویدیویی نهایی
04بازبینی
ویرایش متن پیش از صدا
چالش
ترجمه خشک و صدای رباتی معنا و شخصیت گوینده را از بین میبرد. بازسازی دستی زمانبندی اسلایدها هم کند است.
راهحل
رونویسی محلی با faster-whisper، بازنویسی روایت با LLM با توجه به محتوای هر اسلاید، سنتز با ElevenLabs، جایگزینی صدا، زمانبندی و خروجی MP4. متن در یادداشتهای اسلاید و استودیوی وب بازبینی میشود.
نقش من
- 01
خط لوله هوش مصنوعی
رونویسی، ترمیم متن و بازنویسی روایت، با توجه به موضوع هر اسلاید و لحن گوینده.
- 02
سنتز صدا و رسانه
تولید صدا با ElevenLabs، جایگزینی صدا در PPTX، زمانبندی اسلایدها و خروجی MP4.
- 03
ابزار و تجربه کاربر
رابط خط فرمان، بررسی رایگان تنظیمات، استودیوی وب و اجرای Docker.
تکنولوژیهاPythonfaster-whisperElevenLabsLLMFFmpeg


