estebanstifli/LocalText2Voice

解決する課題

LocalText2Voice は、長編AI音声・動画制作向けに設計されたデスクトップアプリケーションです。書籍、レッスン、スクリプトなどの大量のテキストを、高品質なオーディオブック、ポッドキャスト、ドキュメンタリー、アニメーションビデオに変換する際の難しさを解決します。高額なサブスクリプションやクラウドサービスへの依存は不要です。

仕組み

このアプリは完全な制作パイプラインを提供します。ユーザーはテキスト（TXT、MD、DOCX、EPUB）をインポートし、音声とペースのためのオプションのマークアップを適用し、ローカルまたはクラウドのTTSエンジンを選択してナレーションを生成します。ワークフローには、Faster Whisper を使用して生成された音声を元のテキストと比較するレビューループが含まれます。動画制作では、「ビデオストーリーボード」機能がナレーションを分析してシーンとキャラクターを特定し、ビジュアルを生成またはインポートして最終的なMP4ビデオをレンダリングできます。

対象ユーザー

長編コンテンツのクリエイター向けに構築されています。オーディオブックを制作する著者、図解入りレッスンを作成する教育者、プライバシーを重視したオフライン対応のナレーション・動画組み立てツールを必要とする映画製作者やポッドキャスターなどが対象です。

ハイライト

• ハイブリッドTTSアーキテクチャ：幅広いローカルエンジン（Piper、Kokoro、Chatterbox、Qwen3 TTS、OmniVoice、F5-TTS）とクラウドAPI（OpenAI、ElevenLabs、Gemini、Azure）をサポート。
• ビデオストーリーボード：ナレーションをシーン分析、キャラクターの一貫性、バッチ動画生成を備えた視覚的なタイムラインに変換するベータツール。
• プライバシー優先：ローカルエンジンはすべてのテキストと音声データをユーザーのコンピューターに保持します。
• 長編最適化：章や大きなドキュメントを処理するために特別に設計されており、M4Bオーディオブックのエクスポートもサポート。
• オーディオミキシング：ポッドキャスト対応の結果を得るためのダッキングとフェードを備えたバックグラウンドミュージック追加ツールを含む。
• MCP統合：Model Context Protocol (MCP) ツールを介してビデオストーリーボードワークフローを自動化。