自動キャプション · ベータ版
自動キャプション · ベータ版 — 音声認識・動画プレビュー・SRT/MP4保存
1 つのオリジナル ファイル · 150 MB · 4,000 万ピクセルのビデオ · 100 MB の結果 · 変換ごとに 180 秒
- ビデオを選択
- レンジと出力設定を確認してください
- 処理、再生、保存
使用例
- 入力例
speech-video.mp4- 言語
韓国語・ベータ版- 想定される結果
字幕を確認 → SRTまたは字幕付きMP4保存 [beta]
例は説明用です。実際の結果は元のファイルと設定によって異なります。
例と制限事項
音声認識・動画プレビュー・SRT/MP4保存
入出力条件
- 対応入力
.wav · .mp3 · .flac · .m4a · .aac · .ogg · .opus · .aif · .aiff · .wma · .mp4 · .mkv · .webm · .mov · .avi · .m4v · .mpeg · .mpg · .ts · .flv · .wmv · .3gp · .ogv · .mts · .m2ts- 保存形式
SRT · VTT · TXT · MP4(動画入力)
使用例
- 入力例
speech-video.mp4- 言語
韓国語・ベータ版- 想定される結果
字幕を確認 → SRTまたは字幕付きMP4保存 [beta]
例は説明用です。実際の結果は元のファイルと設定によって異なります。
制限と確認事項
- 1 つのオリジナル ファイル · 150 MB · 4,000 万ピクセルのビデオ · 100 MB の結果 · 変換ごとに 180 秒
- Whisper Small · 初回のモデルダウンロードは約251 MB · Tinyより遅く、メモリを多く使用します。メモリの少ない端末やモバイルでは、Tinyまたは30秒の試行をおすすめします。
- 多言語モデルは端末内で動作し、音声はアップロードされません。初回は約22 MBの実行エンジンと選択したモデルをHugging Faceからダウンロードします。韓国語、雑音、音楽、固有名詞は誤認識することがあります。音声を聞いて結果を修正してください。
- AI によって生成された字幕は正確であることが保証されません。沈黙さえも不正確な文章になる可能性があります。最初に短いセクションを試して、結果を確認してください。モデルをダウンロードするにはインターネット接続が必要です。