Озвучка, сабы и картинки - на автомате

Станок 1. Озвучка одной командой

Раньше на озвучку уходил весь вечер: переделал голос, а потом руками сдвигай тайминги всех сцен под новую длину. Теперь это одна команда. Маленький скрипт делает по порядку:

• режет текст на сцены (по одной фразе);
• прогоняет каждую через клон-голос и склеивает с ровными паузами;
• ускоряет до нужного темпа (у меня чуть быстрее натурального);
• отдаёт готовый звук + json-таймлайн: где какая сцена начинается.

Правка текста = перезапуск одной команды, тайминги пересчитываются сами. Никакой ручной подгонки.

Тонкость про клон: он иногда промахивается ударением. Лечится прямо в тексте - ставите ударение на нужную букву («стано́к», «сло́ва») и держите словарик выверенных слов, чтобы один и тот же ляп не ловить дважды.

Станок 2. Субтитры по каждому слову - бесплатно

Это мой любимый. Раньше субтитры я подгонял на глаз в файле: прикинул секунды, послушал, подвинул, пересобрал. Теперь работает faster-whisper - бесплатный расшифровщик, который крутится прямо на компьютере, без интернета и без оплаты.

Он слушает готовый звук и отдаёт тайминг каждого слова: с какой секунды по какую оно звучит. Из этого субтитры-караоке собираются сами, слово подсвечивается ровно тогда, когда его произносят. В прошлой серии он разметил так 104 слова - руками я бы возился час.

Расшифровщик иногда мажет на быстрых словах. Поэтому текст субтитров я беру из своего сценария, а от расшифровщика - только тайминги. Слово в кадре всегда правильное.

Станок 3. Картинки по описанию за копейки

Раньше кадры-вставки я искал и собирал поштучно. Теперь пишу словами - например «тетрадь в клетку, лампа, скрепка» - и нейросеть рисует готовый кадр. Пользуюсь kie (модель nano-banana): она принимает карту России, а кадр стоит копейки и готов за минуту.

Удобно, что можно дать ей своё фото как образец и попросить «то же лицо, но другой ракурс» - так собираются кадры в едином стиле.