자동 캡션 스타일링 및 비디오 내보내기 엔진

MicrocosmWorks는 단어별 하이라이트, 노래방 스타일의 점진적 공개, 애니메이션 텍스트 효과를 포함한 40개 이상의 사전 설정된 캡션 스타일을 갖춘 템플릿 엔진을 구축했습니다. 이 엔진은 비디오 배경을 분석하여 다양한 장면 구성 전반에 걸쳐 가독성을 보장하는 대비되는 색상, 그림자 깊이, 그리고 위치를 자동으로 선택합니다.

네, MicrocosmWorks는 오디오 트랙에서 개별 화자를 식별하고 각 화자의 자막에 고유한 색 구성표나 위치를 할당하는 화자 분리(speaker diarization) 기능을 통합했습니다. 고정된 화자가 등장하는 팟캐스트 스타일 콘텐츠의 경우, 시스템은 화자 신원을 학습하고 에피소드 전반에 걸쳐 할당된 스타일을 유지합니다.

MicrocosmWorks는 Whisper large-v3를 전사 백엔드로 통합하여, 깨끗한 영어 오디오의 경우 95-98%의 단어 정확도를 달성했으며, 억양 있는 음성이나 시끄러운 환경의 경우 90-95%의 정확도를 달성했습니다. 이 시스템에는 전사를 업데이트하고 교정된 텍스트로 스타일이 지정된 캡션을 자동으로 다시 렌더링하는 수동 교정 인터페이스가 포함되어 있습니다.

MicrocosmWorks는 720p부터 4K까지의 모든 해상도에서 스타일이 적용된 캡션을 H.264 및 H.265로 인코딩된 MP4 파일에 직접 삽입하는 내보내기 파이프라인을 구축했습니다. 해당 엔진은 또한 스타일이 적용된 자막 렌더링을 기본적으로 지원하는 플랫폼을 위해 스타일링 메타데이터가 포함된 별도의 SRT, VTT, ASS 자막 파일을 내보냅니다.

MicrocosmWorks는 시간당 $20-$40의 요율로 캡션 기술 프로젝트를 제공하며, 전사 통합, 40개 이상의 스타일 템플릿, 다중 형식 내보내기를 포함하는 완전한 캡션 스타일링 엔진은 일반적으로 350-500 개발 시간이 소요됩니다. 현재 비디오당 15-30분을 수동으로 캡션 스타일링하는 데 소요하는 콘텐츠 팀에게 본 시스템은 빠르게 투자 회수가 가능합니다.