wendy7756/AI-Video-Transcriber

解決する課題

AI Video Transcriber は、ウェブやローカルファイルからの動画・音声コンテンツを構造化されたテキストに変換する、効率的な方法を提供します。メディアを手動で文字起こししたり、長い動画を要約したり、ソース資料を文字起こしと一緒にアーカイブしたりする問題を解決します。

仕組み

このツールは、マルチパスの処理パイプラインを使用します。

1. 入力処理: 30以上のプラットフォーム（yt-dlp 経由）からのURL、またはローカルファイル（FFmpeg で正規化）を受け付けます。
2. 文字起こし: まず、速度を優先してネイティブの字幕の抽出を試みます。利用できない場合は、高精度の音声認識に Faster-Whisper を使用します。
3. AI拡張: 結果のテキストは、OpenAI互換のLLMに送信され、タイプミスの修正、文の完成、コンテンツの段落への整理が行われます。
4. 後処理: システムは、ユーザーの好みに基づいて、文字起こしを自動的に翻訳し、11の異なる言語で要約を生成できます。
5. アーカイブ: 文字起こし処理と並行して、元の動画（最大720p）をオプションでダウンロードし、簡単なプレビューと保存が可能です。

対象ユーザー

メディアファイル全体を視聴することなく、動画やポッドキャストから迅速に洞察を得る必要があるコンテンツクリエイター、研究者、学生。

主な特長

• 字幕ファーストアーキテクチャ: AI文字起こしよりもネイティブ字幕を優先することで、速度を大幅に向上させます。
• モデル持ち込み対応: あらゆるOpenAI互換のAPIエンドポイントをサポートし、ユーザーはローカルLLMや様々なプロバイダーを使用できます。
• 幅広いプラットフォーム対応: YouTube、TikTok、Bilibili、Apple Podcasts、SoundCloudなどに対応。
• エージェント対応: ヘッドレスCLI、Claude/Codex用のMCPサーバー、AIエージェント向けの専用スキルを備えています。
• ローカルファイル対応: 多種多様なオーディオ/ビデオ形式とプレーンテキストファイルを処理します。

SUMMARY: Faster-WhisperとLLMを使用して、30以上のプラットフォームまたはローカルファイルから動画やポッドキャストを文字起こし、要約、アーカイブするAI搭載ツール。

TITLE: ネイティブ字幕抽出とLLM最適化を備えたマルチプラットフォーム動画文字起こし・要約ツール