Паузы вместо догадок
Распознавание ошибается на четверть секунды — это заметно. Бот сверяет начало каждого слова с паузами в звуке, и подсветка приходит ровно тогда, когда слово звучит.
Пришли видео в Telegram — бот вернёт его с субтитрами: на экране пара слов, произносимое подсвечено. Свой текст? Положи его в подпись.
Синтетический голос читает Пушкина. Бот услышал его, взял текст из подписи и расставил слова по паузам в речи.
Стиль
Стиль по умолчанию выбирается командой /style, а у готового видео — кнопкой «Стиль», без повторного распознавания.
0:17Мороз и солнце; день чудесный!
Ещё ты дремлешь, друг прелестный —
…
В очереди, позиция 1.
0:17Распознавание ошибается на четверть секунды — это заметно. Бот сверяет начало каждого слова с паузами в звуке, и подсветка приходит ровно тогда, когда слово звучит.
Ребёнок проглотил слово, чтец вставил лишнее «и» — не беда. Бот сопоставит услышанное с подписью и оставит на экране правильный текст.
Речь распознаётся один раз. Смена текста или стиля — только перерендер, и в дневной лимит он не считается.
Бот написан на Python и ffmpeg, код под MIT. Можно поднять свой на сервере за пару команд.