corvo007/MioSub

何を解決するか

従来の字幕ツールは、ユーザーが手動で音声認識、翻訳、校正、タイムライン調整の間を切り替える必要がありました。MioSubはこの全プロセスを自動化し、ビデオリンクまたはローカルファイルから最小限の手動操作で高品質なタイムスタンプ付き二か国語字幕を生成できます。

動作方法

MioSubは複数のAIモデルとツールを統合して字幕ワークフローを処理します：

• 音声認識：OpenAI Whisper（またはローカルの whisper.cpp）を使用して音声からテキストに変換。
• 翻訳：Google Gemini（特に Gemini 2.5/3 Flash および Pro モデル）を活用し、文脈を考慮した翻訳を実現。
• 同期：組み込みの CTC アライナーを使用して、ミリ秒単位の高精度な字幕タイミングを実現。
• 処理：yt-dlp と FFmpeg を使用してビデオ/オーディオストリームを処理。

対象ユーザー

コンテンツクリエイター、ファンサブ担当者、およびポッドキャスト、ラジオ番組、ブログ動画、その他の動画を複数言語に翻訳・音声認識する必要があるすべての人。

特徴

• 完全自動化されたワークフロー：リンクを貼り付けるだけで自動的に完成品を生成。
• 高精度：ミリ秒単位のタイムライン同期と自動スピーカー識別を備えています。
• lumat：100以上の言語間翻訳をサポートし、リアルタイムプレビューと編集が可能な専用エディタを備えています。
• 多様な入力対応：動画ファイルだけでなく、純粋なオーディオファイル（ポッドキャスト、オーディオブック）も対応。
• エクスポートオプション：SRT/ASS形式をサポートし、ワンクリックで字幕をビデオにハードコード（焼き込み）可能。