AutoVoiceover เป็นซอฟต์แวร์อธิบายวิดีโออัตโนมัติสําหรับ Windows: เลือกวิดีโอ ซอฟต์แวร์เข้าใจภาพ เข้าใจเสียงประกอบ และเขียนร่างคําบรรยายตามสไตล์ข้อความที่คุณเลือก คุณแก้ไขทีละประโยคในรายการ พากย์เสียงโดยอัตโนมัติหลังจากเลือกเส้นเสียงและผสมกับอะคูสติกเพื่อส่งออกเป็นคําบรรยาย MP4 และ SRT เหมาะสําหรับการเดินทาง เจาะร้าน กลางแจ้ง วิดีโอที่เน้นภาพเป็นหลักและต้องการอธิบายเพิ่มเติม

1. เสร็จสิ้นสามขั้นตอน: เลือกวิดีโอ→สร้างผู้บรรยาย→ส่งออกเสียง
2. คำอธิบาย ความหนาแน่น สี่เกียร์สามารถปรับได้เว้นที่ว่างสำหรับภาพเริ่มต้น
3. 24 รูปแบบการเขียนที่ตั้งไว้ล่วงหน้ายังสามารถเขียนด้วยตัวคุณเอง
4. ร่างผู้บรรยายสามารถแก้ไขได้ทีละประโยค เฉพาะประโยคที่แก้ไขแล้วเท่านั้น
5. การพากย์เสียงเสริม ElevenLabs หรือ Ali Cloud ร้อยเสียงสาย
6. ส่งออกคำบรรยาย MP4 + SRT ที่สามารถกดคำบรรยายลงในภาพ

จากวิดีโอเป็นชิ้น

1. เลือกวิดีโอ: ลากวิดีโอลงในหน้าต่างและรองรับรูปแบบทั่วไปเช่น MP4, MOV, MKV, AVI, WebM เป็นต้น
2. สร้างคําบรรยาย: เลือกความหนาแน่นของคําอธิบายและสไตล์การเขียนที่ดี ซอฟต์แวร์ดูภาพ ฟังซาวด์แทร็ก และเขียนร่างคําบรรยายฉบับหนึ่ง
3. แก้ไขทีละประโยค: ร่างผู้บรรยายแสดงรายการตามประโยคและดับเบิลคลิกเพื่อแก้ไขโดยตรง แก้ประโยคที่แก้ใหม่เท่านั้น
4. ส่งออกเสียง: การคัดเลือกเสียง, ออดิชั่น, พากย์อัตโนมัติและผสมเสียงอะคูสติก, ส่งออกคำบรรยาย MP4 และ SRT

คุณสมบัติการทำงาน

1. ดูภาพและฟังเสียงประกอบ

การรับรู้เสียงของอะคูสติกจะทำพื้นเมือง (SenseVoice ทำงานด้วย CPU ไม่จำเป็นต้องมีการ์ดแสดงผลแบบสแตนด์อโลน); ภาพจะถูกส่งไปยังแบบจําลองการมองเห็นบนคลาวด์เพื่อวิเคราะห์ทีละส่วนและใช้ Qianhun (อาลีหยุน Bailian) โดยค่าเริ่มต้น

1. อธิบายความหนาแน่น สี่เกียร์ปรับได้

จาก "สูง" ถึง "ต่ำสุด" เกียร์สี่ ค่าเริ่มต้น "ค่อนข้างต่ํา" คําอธิบายใช้เวลาประมาณ 2-3 เปอร์เซ็นต์ของความยาววิดีโอ เว้นที่ว่างสําหรับภาพและเสียงประกอบ

1. 24 รูปแบบการเขียนที่ตั้งไว้ล่วงหน้า

โดยแบ่งเป็น 3 กลุ่ม คือ กลุ่มเที่ยวกลางแจ้ง สำรวจชีวิต และอธิบายความรู้ เช่น กลุ่ม Outdoor Blogger ติดตามชมเป็นเพื่อน นอกจากนี้ยังเป็นไปได้ที่จะเขียนข้อความของคุณเองและบันทึก; ยังเพิ่มท่อนฮุคเปิดได้อีกประโยคหนึ่ง ประโยคแรกก็บอกให้ชัดเจนว่างวดนี้จะทำอะไร

1. บริการพากย์ทั้งสอง

ไม่จำเป็น Eleven Labs หรือสายเสียงระบบ 88 สายของ Ali Cloud Bailian เลือกดีสามารถออดิชั่นก่อนได้ หลังจากเปิด "Tound Automation" แล้วจะเพิ่มอารมณ์ให้กับประโยคโดยอัตโนมัติตามเนื้อหาของภาพ

1. เรียบเรียงการส่งออก MP4 + SRT

ผู้บรรยายและอะคูสติกผสมกันและอะคูสติกจะลดลงโดยอัตโนมัติเมื่อพูด ส่งออกวิดีโอ MP4 และคำบรรยาย SRT นอกจากนี้คุณยังสามารถกดคำบรรยายลงในภาพและเลือกความละเอียดการส่งออกและคุณภาพของภาพ

1. ไม่ใช้เงินซ้ำซ้อน

การพากย์ทุกประโยคจะถูกแคช และการพากย์ใหม่จะสร้างเฉพาะประโยคที่แก้ไขแล้ว หลังจากวงเงินหมดหรือคีย์ผิดพลาด ให้คะแนน "Continue" เติมเฉพาะส่วนที่ยังไม่เสร็จเท่านั้น

ความต้องการของระบบ

1. Windows 10 / 11， 64 บิต (Windows 10 1607 ขึ้นไป)
2. ไม่จำเป็นต้องมีการ์ดแสดงผลแบบสแตนด์อโลนการรู้จำเสียงทำงานด้วย CPU
3. ต้องการเครือข่าย: การวิเคราะห์ภาพเขียนและการพากย์เสียงจะทำในระบบคลาวด์
4. ต้องการคีย์ API ของ Ali Cloud Baining; การพากย์เสียงด้วย ElevenLabs ต้องกรอกคีย์ ElevenLabs เพิ่มเติมและค่าใช้จ่ายจะชำระตามกฎของแต่ละบุคคล
5. แพคเกจการติดตั้ง ประมาณ 251 MB ติดตั้งโดยผู้ใช้ไม่จำเป็นต้องมีสิทธิ์ผู้ดูแลระบบ

คำแนะนำสำหรับการใช้งาน

1. ร่างผู้บรรยายสร้างขึ้นโดยแบบจําลองขนาดใหญ่ ถ้อยคําจะแตกต่างกันในแต่ละครั้ง คุณภาพไม่สามารถเทียบได้กับการปรับปรุงด้วยตนเองได้ แนะนําให้พากย์เสียงทีละประโยคหลังจากสร้างแล้ว
2. บางครั้งจะอ่านชื่อร้านบนป้ายในภาพออกมา สามารถลบและแก้ไขได้โดยตรงในต้นฉบับคําบรรยาย
3. ค่าใช้จ่ายและเวลาของคลาวด์เพิ่มขึ้นตามความยาวของวิดีโอ วิดีโอยาวแนะนําให้ลองใช้ชิ้นส่วนเล็ก ๆ ก่อน

ข้อมูลและความเป็นส่วนตัว

การจดจำเสียงของอะคูสติกทำได้ในคอมพิวเตอร์ของคุณ เมื่อวิเคราะห์ภาพ คลิปวิดีโอจะถูกอัปโหลดไปยังบริการแบบจําลองภาพที่คุณเลือก ข้อความที่เขียนต้นฉบับส่งไปยังอาลีหยุนไป่เหลียน ข้อความบรรยายจะถูกส่งไปยังบริการพากย์ที่คุณเลือกเพื่อสร้างเสียง บริการเหล่านี้ใช้ API Key ของคุณเองเพื่อประมวลผลข้อมูลและเรียกเก็บเงินตามกฎของแต่ละบ้าน

การเข้ารหัสคีย์ API จะถูกบันทึกไว้ในพื้นเมือง ส่งเฉพาะรหัสแฮชของอุปกรณ์เมื่อเปิดใช้งาน ถอนการติดตั้งซอฟต์แวร์จะไม่ลบวิดีโอที่คุณส่งออก

เหมาะสำหรับฝูงชน

1. บล็อกเกอร์ท่องเที่ยวและกลางแจ้ง
2. ค้นหาร้านค้าและบันทึกชีวิต
3. วิดีโออธิบายความรู้
4. วิดีโอสั้น ๆ แบทช์ออก