minghe36/haoone-app

解決する課題

Whisperベースのツールに見られる一般的な問題、例えば中国語の音声認識精度の低さやタイムスタンプの不正確さを、より高度なASRモデルと独自の単語レベル音声同期アルゴリズムにより解決する、プロフェッショナルで高精度なAI字幕ソフトウェアを提供します。これはCapCut（剪映）やElevenLabsなどのツールのローカル代替として機能します。

動作方法

複数の最先端オープンソースASRモデル（qwen3-asrを含む）を統合し、RustとC++で構築された高速でGPU加速対応のトランスクリプションエンジンを使用します。ローカルおよびリモート両方のトランスクリプションをサポートし、AIによる行分割、スマートなホットワード置換、話者識別などの機能を提供します。また、DaVinci ResolveおよびAdobe Premiere Pro向けのプラグインを通じて、プロフェッショナルな動画編集ソフトウェアと直接統合されます。

対象ユーザー

中国語、英語、日本語の高精度字幕が必要で、プライバシーまたは速度の観点からローカル処理を好む動画編集者、コンテンツクリエイター、翻訳者。

主な特徴

• 高精度: 中国語/英語で97%、日本語で94%の精度を実現。
• 単語レベル同期: 独自アルゴリズムにより、音声と単語の同期精度が98%に達する。
• 高速処理: Mac Mini M4で3分間の動画を20秒未満でローカルトランスクリプション可能。
• プロフェッショナル統合: DaVinci ResolveおよびPR専用プラグインに加え、CLIツールも提供。
• 包括的なツールセット: AI補正、翻訳、バイリンガル字幕、100種類以上の字幕アニメーションを備える。
• プライバシー重視: ユーザーのトランスクリプションデータやオーディオ/動画ファイルを収集しないと約束。