Automatiseret Undertekst Styling & Video Eksport Motor

MicrocosmWorks byggede en skabelonmotor med over 40 forudindstillede tekstningsstilarter, herunder fremhævelse ord for ord, gradvis afsløring i karaokestil og animerede teksteffekter. Motoren analyserer videobaggrunde for automatisk at vælge kontrasterende farver, skyggedybder og placering, der sikrer læsbarhed på tværs af varierende scenesammensætninger.

Ja, MicrocosmWorks har integreret speaker diarization, der identificerer individuelle højttalere fra lydsporet og tildeler forskellige farveskemaer eller placeringer til hver højttalers undertekster. For indhold i podcast-stil med faste højttalere lærer systemet højttaleridentiteter og opretholder deres tildelte stilarter på tværs af afsnit.

MicrocosmWorks integrerede Whisper large-v3 som transskriptions-backend, med en opnået 95-98% ordnøjagtighed for klar engelsk lyd og 90-95% for accentueret tale eller støjende omgivelser. Systemet inkluderer en manuel rettelses-interface, der opdaterer transskriptet og automatisk gen-render stylede captions med den korrigerede tekst.

MicrocosmWorks har bygget eksportpipelinen for at indbrænde formaterede undertekster direkte i H.264- og H.265-kodede MP4-filer i enhver opløsning fra 720p til 4K. Maskinen eksporterer også separate SRT-, VTT- og ASS-undertekstfiler med styling metadata til platforme, der understøtter native rendering af formaterede undertekster.

MicrocosmWorks leverer projekter inden for undertekstteknologi til priser på $20-$40/time, med en komplet motor til stilopsætning af undertekster inklusive transskriptionsintegration, 40+ stilskabeloner og eksport i flere formater, som typisk kræver 350-500 udviklingstimer. Systemet tjener sig hurtigt ind for indholdsteam, der i øjeblikket bruger 15-30 minutter på manuelt at style undertekster per video.