AI映像制作ラボ

制作目的

AIナレーションを使用した怪談動画では、原稿から字幕を作り、音声に合わせてタイムコードを調整する作業に時間がかかります。

この作業を少し効率化するため、音声ファイルと原稿を読み込み、FFmpegで検出した無音区間を参考にSRT字幕を生成するローカルWebアプリを制作しました。

解決した課題

手作業で字幕の開始時間と終了時間を設定する負担を減らし、怪談動画の字幕作成を始めやすくすることを目的としています。

外部の音声認識サービスへファイルを送信せず、ローカル環境で字幕生成から確認、保存まで行える構成にしました。

使用技術

現在の方式と注意点

現在はForced Alignmentによる音声と文字の厳密な同期ではなく、無音区間と音声の長さを参考に原稿を配分する推定方式です。音声内容や読み上げ方によっては、生成後にタイミング調整が必要になる場合があります。

制作目的

画像生成AIでは、使用するモデルや画像の用途によって、指定したい要素やプロンプトの組み立て方が変わります。

主題、場所、時間帯、構図、照明、レンズ、トーン、画風などの設定を整理しながら、日本語版と英語版のプロンプトを作成できるツールとして制作しました。

解決した課題

画像を生成するたびに同じ条件を入力し直す手間や、用途ごとに必要な指定を忘れてしまう問題を減らすことを目的としています。

作成したテンプレートや生成履歴をブラウザ内に保存し、過去の設定を再利用、編集、複製できるようにしました。

使用技術

補足

ブラウザ内で動作し、設定、テンプレート、生成履歴はlocalStorageへ保存されます。外部APIによる画像生成機能は持たず、プロンプト作成とローカルプレビューを中心としたツールです。

品質確認は自動画像解析ではなく、利用者が確認項目をチェックする方式です。