EchoCaptionは、短い画面録画をアップロードすると、タイムスタンプ付きの高品質な書き起こしと、希望があれば中立的な声で生成したボイスクローン音声を返す小規模サービスです。聴覚障害者向けの正確なキャプションを重視しつつ、視聴者向けのプレビュー用オーディオも用意します。
制作者は短い操作デモを録るが、正確なキャプションを用意したり音声を撮り直したりする時間がありません。聴覚に障害のある視聴者には正確な字幕が必要で、他の視聴者はプレビュー用に中立な音声を求めることがあります。両方を手作業で用意するのは手間です。
EchoCaptionは短いクリップを受け取り、字幕表示向けに最適化されたタイムスタンプ付きトランスクリプトと、同意を得た中立音声モデルを使った短いボイスクローン音声を生成します。UIは「字幕」「ボイスクローン」「ファイル形式」の3つの切り替えだけ。料金はクリップ単位で、クレジットパックも用意します。
Taraは90秒の製品デモを録画しました。聴覚テスター向けの正確な字幕と、SNS用の中立的なプレビュー音声が欲しいと考えています。EchoCaptionにクリップをアップして「字幕」と「ボイスクローン」を選び処理を開始すると、数分で字幕ファイルと同じテキストを中立音声で読み上げたMP3が届きます。彼女は字幕をプレーヤーに入れ、MP3を使ってミュートされたプレビューに音声を添えます。テスターは字幕の分かりやすさを評価し、Taraは録り直しなしでプレビューを投稿できました。アップロードから投稿まで15分以内の作業です。
パースペクティブ: Maintaining continuity when people get busy
作成日時: 2025/11/22 10:41:17