Shotcut 24.10はAI駆動のスピーチからテキストへの機能を導入しました

Shotcut 24.10、無料のクロスプラットフォームビデオエディタが、OpenAIのWhisperを使用したAIによる音声文字起こしを発表し、クリエイター向けの高度な字幕自動化を追加しました。

Shotcutは、ビデオクリエイターが確実に評価するエキサイティングなアップデートが詰まったバージョン24.10をリリースしたばかりです。この新しいリリースは「ささやきから叫びへ」というタイトルで、Shotcut初のAIとの統合が含まれており、一連のスムーズなトランジション改善や、編集をより効率的にする注目すべき修正も行われています。

Shotcut 24.10で最も期待されている機能のひとつは、whisper.cppプロジェクトを通じて提供されるOpenAIのWhisperとの統合です。このAI駆動の音声認識機能は、<em>字幕</em> > <em>音声からテキストへ</em>メニューの下にあるか、アイコンをクリックすることで見つけることができます。

ビルドには、速度と精度のバランスが良く、スペースをほとんど取らない基本モデルが付属しています。さらに、より高精度を求める方のために、ggml形式でより大きなモデルをダウンロードできます。

しかし、この改善されたモデルは遅く動作することに注意が必要です。音声からテキストへの変換を使用する際は、ジョブパネルで見ることができる2つの作業が関与します：1つは音声をエクスポートするためのもので、もう1つはそれをテキストに変換するためのもので、生成された出力は字幕パネルに新しいトラックとして追加されます。

注意すべきことは、現在アクセラレーションに対応しているのはApple SiliconのGPUだけであり、他のシステムはマルチスレッドのCPU処理に依存しているということです。

既知の特異性もあります—時々、字幕が予想より早く始まることがあります。Shotcutの開発者たちは、このタイミングがWhisperモデルに直接依存していることを指摘しており、理想的でない条件下での人間のエラーのように、時折エラーが発生することもあります。

OpenAIはまた、Whisperに関する倫理的懸念について警告を発し、特に同意なく録音されたものの文字起こしや、高リスクの意思決定環境での使用を控えるように求めています。

音声からテキストへの機能や改善されたトランジションに加えて、注目すべき他の変更点もいくつかあります。いくつかの生活の質を向上させるアップグレードには次のようなものがあります:

• 「エクスポート」 > 「ビデオ」 > 「再サンプリング」ボタンは削除され、特定の変更に対する見過ごしやすいインライン警告に置き換えられました。
• 新しい「フォルダー内のプロジェクトを表示」オプションが「ファイル」メニューに追加され、より簡単にアクセスできるようになりました。
• GPSテキストビデオフィルターには、小数点をサポートする新しい数値キーワードオプションが追加されました。
• 「最近のプロジェクト」リストは現在「プロジェクト」と呼ばれるようになり、最近のビューが制限に達しても古い項目が残ることが保証されています。

さらに、このアップデートには、Shotcutをより信頼性の高いものにするためのさまざまな修正が含まれています。取り組まれた重要な問題としては、スライドショーにアイテムを追加する際のクラッシュ、字幕トラックのエラー、AVCHDフレームレートの問題、エクスポートの失敗を引き起こしていたReframeビジュアルコントロールのバグがあります。

さらに、ShotcutはFFmpegバージョンを7.1にアップグレードし、互換性とパフォーマンスの向上を図りました。

Shotcut 24.10ビデオエディターの変更に関する詳細は、リリース発表を参照してください。

アプリケーションは、すべてのLinuxディストリビューションで使用できるユニバーサルAppImage形式でダウンロードできます。さらに、WindowsとmacOS用のインストールファイルも利用可能です。