K07VN/capcut-tts-api

解決する課題

このプロジェクトは、CapCutの音声サービスと対話するためのPythonインターフェースを提供します。テキストを音声に変換したり、音声や動画ファイルをテキストに書き起こしたり、音声を翻訳したりする作業を簡素化し、開発者がこれらのワークフローを手動ではなくプログラムで自動化できるようにします。

動作の仕組み

このライブラリは、CapCutの音声APIと通信するクライアントとして機能します。タスクのリクエスト送信、完了のポーリング、結果の音声ファイルや字幕ファイルのダウンロードといったタスクの全ライフサイクルを処理します。SRT字幕ファイルから音声を生成したり、音声を生成してからテキストに書き起こす往復処理を実行したりするような一般的な操作のためのヘルパーメソッドも含まれています。

対象ユーザー

CapCutの音声認識と音声合成機能を自社のアプリケーション、スクリプト、または自動化パイプラインに統合したいPython開発者向けに設計されています。

主な機能

• テキスト読み上げ (TTS): テキストまたはSRTファイルから音声を生成できます。さまざまな音声に対応しています。
• 音声認識 (STT): ローカルの音声ファイルまたは動画ファイルを文字起こしし、結果をSRT形式でエクスポートできます。
• 翻訳: 文字起こし処理中に翻訳を要求できます。
• 柔軟な制御: 簡単なタスクには高レベルの便利なメソッドを、特定のタスクIDを管理して手動でポーリングする場合には低レベルの呼び出しを使用できます。
• コマンドラインインターフェース: カスタムPythonコードを書かずに、簡単なテストや一般的なタスクのための組み込みCLIが含まれています。