Как я собирал видеопрезентацию с ИИ-агентом
Я готовил короткое видео к посту про воркшоп «Человек 2.0». Нужно было собрать в один материал текст, озвучку, слайды и смену кадров.
Сначала я подготовил текст, который можно слушать, а потом — озвучку. Для меня в этой задаче особенно полезно клонирование голоса. Я могу сам записать большой текст, но если сбился, неудачно произнёс слово или сделал лишнюю паузу, приходится перезаписывать кусок. В речи на несколько минут таких дублей может накопиться много.
С клонированием голоса можно собрать речь по сегментам и пересобрать только неудачный фрагмент. Но автоматически всё равно не выходит: в одном варианте были странные паузы, в другом VPS прозвучало с лишней паузой. Синтез мог проглотить часть звука или произнести слово не так, как нужно.
ИИ-агент помогал вести работу с сегментами: отмечал, что уже исправлено, какую версию оставить, что проверить распознаванием речи и где переписать формулировку, чтобы голос произнёс её нормально.
Отдельно я подготовил слайды. Хотелось, чтобы по ним было понятно, о чём речь: вот агент, сайт, сервер, Telegram, урок и результат. Проверял, не слишком ли много деталей, не мелкий ли текст и понятно ли всё с первого взгляда.
Потом я синхронизировал слайды с речью. Если голос уже перешёл к новой мысли, а на экране остался прежний слайд, видео ощущается криво. Поэтому кадры нужно было менять на границах смысловых блоков, а не через равные промежутки.
В итоге текст, голос, слайды и смена кадров стали одним видеоматериалом. ИИ-агент помог довести эту задачу до результата, но для этого пришлось отдельно работать с сегментами, слайдами и синхронизацией.
Просмотры: 4