ナレーションとトランスクリプトテキストを字幕またはSMILタイミングマップに強制アライメントする
エージェントが音声とテキストは持っているがタイミング情報が必要な場合にaeneasを使用します。このワークフローは、読み上げられたナレーションをプレーンテキストまたはXMLの断片に対してアライメントし、字幕、EPUB 3メディアオーバーレイ、JSONタイミングデータ、その他の下流のキャプションアセットに変換できる同期マップを生成します。
前提条件
Python、pip、FFmpeg、eSpeak
インストール
お使いの環境に合ったアップストリームのインストール手順またはセットアップパスを使用してください:
- pip install numpy
- pip install aeneas
アップストリームからの要件と注意事項:
- aeneas は、音声とテキストを自動的に同期(フォースアライメントとも呼ばれる)するためのPython/Cライブラリおよびツールセットです。
- クイックリンク: ホーム - GitHub - PyPI - ドキュメント - チュートリアル...
- Python 2.7(Linux、OS X、Windows)または3.5以降(Linux、OS X)
基本的な使用法または開始方法のメモ:
-
例えば、以下のような場合
-
Mac OS XおよびWindows用のオールインワンインストーラが利用可能です。
-
また、debベースのLinuxディストリビューション(Debian、Ubuntu)用のBashスクリプトも提供されています。
-
アップストリームドキュメントから抽出: https://raw.githubusercontent.com/readbeyond/aeneas/HEAD/README.md