AutoVoiceover ist eine Windows-Video-Automatisierungssoftware: Wählen Sie ein Video aus, die Software versteht das Bild, versteht die Stimme und schreibt eine Erzählung in Ihrem gewählten Stil; Sie ändern die Listen Satz für Satz, wählen die Tonlinie aus und exportieren sie mit dem Original in MP4- und SRT-Untertitel. Geeignet für Reisen, Geschäfte besuchen, Outdoor-Videos wie Bild-basiert, um eine Erklärung zu ergänzen.

1. Drei Schritte: Video auswählen → Erzähler generieren → Sprecher exportieren
2. Interpretation Dichte vier Reihen einstellbar, standardmäßig Platz für den Bildschirm
3. 24 Voreinstellungen, auch selbst schreiben
4. Der Text kann Satz für Satz geändert werden, nur geänderte Sätze wiederzugeben
5. Optional mit ElevenLabs oder Alibaba
6. MP4 + SRT-Untertitel exportieren, um die Untertitel auf den Bildschirm zu drücken

Vom Video zum Film

1. Video auswählen: Ziehen Sie das Video in das Fenster und unterstützen gängige Formate wie MP4, MOV, MKV, AVI, WebM und andere.
2. Erzählung erstellen: Wählen Sie die Dichte der Erzählung und den Stil, die Software sieht das Bild, hört den Original und schreibt eine Erzählung.
3. Satz für Satz ändern: Die Erzählung wird nach Satz aufgelistet, doppelklicken Sie direkt ändern; Ändern Sie nur geänderte Sätze.
4. Audio-Export: Wählen Sie die Audio-Linie, hören Sie, automatisch Audio und Mix mit dem Original, exportieren Sie MP4- und SRT-Untertitel.

Funktionen

1. Bild sehen, auch Stimme hören

Native Spracherkennung (SenseVoice, mit CPU ausgeführt, keine eigenständige Grafikkarte erforderlich) Das Bild wird dem visuellen Modell in der Cloud übergeben, um es abschnittsweise zu analysieren, standardmäßig werden Tausende Fragen (Ali Cloud Purification) verwendet.

1. Erklärung Dichte vier Gange einstellbar

Von „höchster“ bis „niedrigster“. Die Standardeinstellung ist "niedrig", was etwa zwei bis dreißig Prozent der Videozeit ausmacht und Platz für Bild und Ton lässt.

1. 24 Voreinstellungen

Unterteilt in drei Gruppen: Outdoor-Reisen, Lebensgeschäfte und Erklärungen, wie zum Beispiel „Outdoor-Blogger begleiten“. Sie können auch selbst schreiben und speichern; Es kann auch ein Eröffnungssatz hinzugefügt werden, der den ersten Satz erklärt, was in dieser Phase zu tun ist.

1. Zwei Sprachdienste

Wählen Sie zwischen ElevenLabs oder 88 Systemleitungen von Alibaba. Wenn Tonautomatisierung aktiviert ist, werden Sätze automatisch nach Bildinhalt gefühlt.

1. Export von MP4 + SRT

Die Erzählung wird mit der Originalstimme vermischt und die Originalstimme wird beim Sprechen automatisch niedergedrückt. Wenn Sie MP4-Videos und SRT-Untertitel exportieren, können Sie auch die Erzählungsuntertitel auf den Bildschirm drücken und die Option zum Exportieren von Auflösung und Bildqualität wählen.

1. Keine wiederholten Ausgaben

Jeder Satz wird im Cache gespeichert und eine Neustimmung erzeugt nur geänderte Sätze. Wenn die Kredite ausgebraucht sind oder der Schlüssel fehlerhaft unterbrochen ist, klicken Sie auf „Fortsetzen“, um den nicht abgeschlossenen Teil zu ergänzen.

Systemanforderungen

1. Windows 10 / 11， 64-Bit (Windows 10 1607 und höher)
2. Keine eigenständige Grafikkarte erforderlich, Spracherkennung läuft auf der CPU
3. Vernetzung erforderlich: Bildanalyse, Schreiben und Stimme in der Cloud
4. Sie benötigen Ihren eigenen API Key; Mit ElevenLabs-Stimme müssen Sie einen separaten ElevenLabs-Schlüssel ausfüllen, der nach den jeweiligen Regeln berechnet wird
5. Installationspaket ca. 251 MB, pro Benutzer installiert, keine Administratorrechtigungen erforderlich

Benutzungshinweise

1. Die Erzählung wird durch ein großes Modell generiert, jedes Mal wird die Formulierung anders sein, und die Qualität kann nicht mit künstlicher Feinheit vergleichbar sein, und es wird empfohlen, nach der Generierung Satz für Satz zu stimmen.
2. Gelegentlich wird der Geschäftsname auf dem Bildschild aufgerufen, der direkt im Erzählungstext gelöscht werden kann.
3. Die Cloud-Kosten und der Zeitaufwand steigen mit der Länge des Videos, und für lange Videos wird empfohlen, zuerst einen kleinen Abschnitt auszuprobieren.

Datenschutz

Die Spracherkennung erfolgt auf Ihrem Computer. Bei der Analyse des Bildes werden Videoclips an den von Ihnen ausgewählten visuellen Modelldienst hochgeladen; Der Schrifttext wurde an Ali Yun verfeinert; Der Text wird an den von Ihnen gewählten Sprachdienst gesendet, um eine Sprache zu generieren. Diese Dienste verwenden Ihre eigenen API-Schlüssel, um Daten und Abrechnungen nach Ihren eigenen Regeln zu verarbeiten.

Die Verschlüsselung des API-Schlüssels wird lokal gespeichert. Bei Aktivierung wird nur die Hash-ID des Geräts gesendet. Die Deinstallation der Software löscht nicht das exportierte Video.

Geeignet für Menschen

1. Reise- und Outdoor-Blogger
2. Geschäfte und Lebensaufzeichnungen
3. Erklärungsvideo
4. Kurze Video-Produktion