notepower2k1/CapCap

CapCap – Windows 向け AI 駆動の動画編集＆ローカライゼーション

機能概要
CapCap は Windows 専用のデスクトップアプリで、生の動画を取り込み、字幕の自動生成、翻訳、新しいナレーションの合成、完全に編集された動画の書き出しができます。ワークフロー全体は 5 つの視覚的なステップに分かれています。

1. 準備 – ソース動画をインポートします。
2. 文字起こし – 音声認識（STT）または画面テキストの OCR。
3. 翻訳 – AI 駆動の文脈を考慮した翻訳で、複数の大規模言語モデルサービス（Gemini 2.5、GPT-4o、DeepSeek、Ollama、Google/Bing 翻訳）に対応。
4. 吹き替え – オフライン（Piper）とオンライン（Edge、CapCut、VieNeu）のエンジンを使用したテキスト読み上げ（TTS）。オプションで BGM 分離も可能。
5. 書き出し – 最終動画のレンダリング（NVIDIA NVENC による GPU アクセラレーション）またはオーディオトラックや CapCut ドラフトの出力。

主な機能

• アダプティブ UI：横長（16:9）と縦長（9:16）の両方のフォーマットに対応し、YouTube スタイルや TikTok スタイルの動画に合わせてオーバーレイを自動再レイアウト。
• 文脈を考慮した翻訳：キャラクターの関係を分析し、代名詞や丁寧さのレベルを調整可能。
• スマートなナレーション：オフラインの Piper と複数のクラウド TTS サービスに対応。字幕編集後、その行を即座に再合成可能。
• マルチレイヤータイムライン：字幕、ロゴ、ぼかし、マスク、テキストなどを視覚エディタで追加可能。
• NVIDIA NVENC による高速 GPU レンダリング。オーディオトラックのみの書き出しもサポート。

実行方法（README より）

# クローンして仮想環境をセットアップ
git clone https://github.com/notepower2k1/CapCap.git
cd CapCap
python -m venv venv
venv\Scripts\activate   # Windows の場合
pip install -r requirements-local.txt
python ui/gui.py

• .env_example を .env にコピーして、LLM/TTS サービスの API キーを追加します。ただし、ほとんどの設定は GUI 内で変更できます。
• プレビュープレーヤーは libmpv を使用します。Microsoft Visual C++ 2015-2022 Redistributable (x64) が必要です – リポジトリにはインストーラーが同梱されています。

技術スタック（ドキュメントに記載）

• Python バックエンドが STT/OCR、翻訳呼び出し、TTS、動画処理を担当。
• 大規模言語モデル API：Gemini 2.5、OpenAI GPT-4o、DeepSeek、Ollama（セルフホスト）。
• TTS エンジン：Piper（オフライン）、Edge TTS、CapCut TTS、VieNeu TTS。
• 動画プレビューは libmpv、最終エンコードは NVIDIA NVENC。
• UI は Python GUI フレームワークで構築（詳細は docs/technical-stack.md）。

対象ユーザー

• 単一の動画を複数のプラットフォーム（YouTube、TikTok、Shorts、Reels）向けに再利用したいコンテンツクリエイター。手動の文字起こしや吹き替えが不要。
• プライバシーに配慮した素材をオフラインで処理できるオールインワンのローカライゼーションパイプラインを求める小規模スタジオやフリーランサー。

ライセンス

• Apache License 2.0。

---

上記の情報は、リポジトリの README およびリンクされたドキュメントから直接取得しています。