00:06
こんにちは。気づくと人生が変わってしまう、易者の英語指導師のはじめ先生です。 このチャンネルでは、英語教師で易者、さらに画家と経営者という多面的な視点を通じて、固まった常識や思考の枠をゆるっと外し、あなたの人生をもっと面白くするヒントをお伝えします。
今日のテーマは、「音声配信から動画が半自動でできるアプリ。いよいよ完成が近づいてきました。」というお話です。
まず最初に告知です。7月15日水曜日、ちょうど1週間後になりますけれども、20時から光の晩餐会byスピリチュアルエキスポというオンラインイベントに出展いたします。
このイベントで僕は、「私なんてはもう卒業。あなたの普通を宝石に変える魂のAI言語化術。」というお話をします。興味のある方は概要欄のURLからこのイベントにお申し込みください。
はい、今日の本題なんですけれども、この音声配信から動画生成をするアプリ、これ開発しているよという話をこの間したと思うんですけれども、その改良をやっております。
実験的にいくつかショート動画を出してみたんですけれども、本放送、今普段やっているこういう放送が例えば僕が10分だとしたら、ショート動画にできるのって3分以下なんですよね。
特にインスタグラムに載せようと思うと3分以下でないとダメなんですが、その本放送の中からどこを切り取るかというのはなかなか難しいのと、
その一定期間切り取る中でもここはいらないよねっていうのがあったりすると、やっぱりそれって編集したくなるよねということで、動画の編集機能も欲しくなってきてしまったんですね。
本格的に文字単位でここからここまで切るというのは難しいので、センテンス、文章単位でこれは動画に入れる入れないというのをチェックボックスで指定できるようにしてみました。
これによっていらない部分を多少抜くということができるわけですね。
ショート動画ってよく冒頭にそのハイライト中のハイライトのセリフをドーンと前に持ってくるという、それによって最初の数秒でキャッチするというやり方があるんですけど、
それも可能になるように冒頭にリピートする、冒頭にコピーしてその途中のストーリーのクライマックスを出すという、それができるようにもしてみました。
ただここの演出がね、これがクライマックスだよってわかるようになんかしないといけないんだけど、ちょっとそこまではできていないです。
そこにエフェクトをつけるとなるともう本当に動画編集アプリでないといけないので、一応そういう機能もあるよぐらいに付け加えたという感じですね。
03:07
一番苦労しているのが字幕を上手く自動で生成するというところなんですね。
まずその語変換に関しては事前に直せるようにしたので、これは何とかなりますと。
一番難しいのが字幕として切り出すときに、その文節のどこで区切って判断して字幕に生成するかというところがすごく難しいんですね。
これをルールを一個一個最初はこの場合はこうしてとかってやってたんですけど、
いやちょっと待てよ、でも絶対にこういうことって他の先人が考えてるはずだから何かあるはずだと思ってチャットGPTに引いてみたんですよね。
誰かこういうのを考えてなんかプログラム作ってないのって言ったら、そしたらやっぱりあったんですよ。
日本語で字幕生成をするときのルールみたいな、なんていうんですか、ある種のプログラムみたいなもの。
それがあると分かったのでそれをプログラムに入れてもらいました。
そうしたらやっぱり文節の区切りがすごく自然になってきたんですよね。
だけど細かいところでまだまだいろいろ癖があって、例えばセリフみたいになっているところに鍵かっこって付けますよね。
その鍵かっこだけが次の行に開業されちゃうとかいうことがあって、これはみっともないからやめてほしいっていうことを入れたりとかですね。
本当に何度も何度も何度も何度もテストしていって、徐々に精度が高くなってきています。
どっちかというと技術的にいろいろ苦労しているのがショート動画の方なんですね。
ショート動画って縦長で字幕のスペースがちっちゃいんですよね。
その中で文字を全部出していくとなると字幕の切り替えが早くなければいけないんですけど、
今度は字幕を切り替えたときに音声と字幕がシンクロしない問題というのが出てきたんですね。
これをどうするかということなんですけど、別に僕が考えるわけではなくて、これどうしたらいいって言ったら、
こういうソフトウェアがあるからそれを入れましょうということになって、それを入れたんですよ。
ウィスパーってやつですけどね。
ウィスパーって多分文字起こしで使っている人いると思うのでわかると思うんですけど、
それを実際にパソコンの中にインストールしたという感じになって、
ローカル環境で、つまりネットのブラウザとかに依存しないでパソコンの中でその処理ができるようにしたんですね。
そうしたらこれも音声と字幕がピタピタピタピタとだいぶ合うようになってきたんですね。
まだところどころ変なところがあるので改善しているんですけど、相当いい感じで音声から自動で動画ができるようになってきました。
動画といっても画面がめちゃめちゃ動くものではなくて、ほぼ静止画なんだけど一部分がちょっとだけ動いているみたいな、
06:07
そういったループ動画に実際の放送の声が流れて、そのタイミングと同じように文字が出るという、
どこかで見たことがある感じの音声主体の動画ということになります。
でもこれを手作業でやろうと思うと、例えば音声をMP3とかでダウンロードして、
それを動画編集アプリに入れて文字起こしをして、字幕を調整して、その場面にふさわしい絵を入れるとか、静止画にするとかして、
それで書き出しをするわけですよね。
動画編集アプリもいろいろ持ってて、有名なところではキャップカットなんかも使えますし、
あとブリューなんかも使ったりしているんですが、
あれも毎日やろうと思うと、日本語の文字起こしにクレジットが必要になるんですよね。
なので毎日更新とかやっていくとなかなかクレジットを消費してしまうので、
多分動画編集アプリの方にも課金をしていかなきゃいけなくなるわけです。
今基本的にこれをほぼゼロ円でできるようにやっているので、
それで自分の放送のエピソードを選んで、ちょっと文字を編集して、あとは動画生成ってやったら、
一応そのまま流そうと思えば流せるような動画ができるというのはこれは良いと思いませんか。
単調な画面がつまらないというのであれば、それは動画編集アプリに入れて、
生成画の部分を覆うようにして何か映像なりを入れるということは、
僕の経験上難しくないので、それはできるんじゃないかなと思うんですよね。
ただやっぱり半自動でできる、最小限の労力で毎日自分の作ったコンテンツから動画になっていく。
ショート動画にもなるし、そのままYouTube動画にもなると。
こうなるとコンテンツとして本当に蓄積性が出てくるし、
スタンドFMってすごく暖かい場ではあるんだけど、やっぱり拡散性という点ではちょっと弱いところがあります。
その点、YouTubeって大海原みたいなところなので、いろんな人に届く可能性もあるということで、
YouTube始めようと思うと、やっぱり撮影の準備とかいろいろ考えるんだけど、そう思うとできないじゃないですか。
僕、英語の教え方もそうなんですけど、完璧でなくていいって普段言ってるわけですよ。
なのに自分がYouTubeとかやろうと思った時に、自分でハードルを上げてたんですよね。
みっともないものを出したくないとかっていう。
09:02
だけどこのアプリを使うと、とりあえずまあまあな感じのものができるわけです。
だから英語の会話で言うと、なんとか伝わるぐらいのものができるわけです。
それはエフェクトが効いているとか、キャッチーな映像が出てくるというものではないけれども、
自分の表現としてできるわけですよ。
なので、普段音声配信をやっている方で、YouTubeだとかショート動画とか興味ある方は、
まだ試作段階ですけど、今どんなものができたかという見学会を企画しております。
冒頭でオンラインイベントの告知をしながら、後半でまたこのアプリの見学会みたいなものを2つの告知をするのもどうかと思うんですけれども、
興味がある方はこちらも概要欄の方にURLを貼っておきますので、お申し込みいただければと思います。
というわけで今日も聞いていただいてありがとうございました。
今日のお話が面白かったという方は、いいねやコメントそしてフォローをお願いいたします。
今日はここまでです。ご視聴ありがとうございました。
良い一日を!
