SRT zu Sprache: Untertitel in eine Sprachspur verwandeln
Eine Untertiteldatei enthält schon alles, was ein Voice-over braucht: die Worte und den Moment, in dem jede Zeile zu hören sein soll. Als Sprache bekommt ein Tutorial, ein Short oder ein übersetztes Video eine Sprachspur, die zum Bild passt, ohne dass Sie einen Satz aufnehmen.
Die kostenlose SuperClonica-Engine vertont jede Zeile offline mit einer natürlichen Stimme, und ein kurzes Python-Skript setzt sie an ihre Startzeit. Dieser Leitfaden zeigt das Skript, wie lange Zeilen in ihr Zeitfenster passen und wie die Spur unter das Video kommt.
Was Sie brauchen
Die Engine liest SRT-Dateien nicht selbst: Etwa zwanzig Zeilen Python erledigen das.
- Eine SRT-Datei: aus Ihrem Schnittprogramm, aus automatischen Untertiteln oder einer Übersetzung.
- Die kostenlose SuperClonica-Engine und Python 3.10 oder neuer: python -m pip install superclonica-cpu. numpy wird mitinstalliert.
- Eine Stimme: eine der zehn Standardstimmen, eine Katalogstimme oder Ihre eigene trainierte Stimme.
- Keine Grafikkarte: Ein normaler Prozessor genügt.
Eine Zeile gratis anhören
Fügen Sie auf der Seite einer beliebigen Stimme eine Untertitelzeile mit 30 bis 100 Zeichen ein, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, wie das Video klingen wird, ohne Konto.
Von Untertiteln zu einer Spur
Erzeugen Sie die Engine einmal vor der Schleife: Das Laden dauert einige Sekunden, jede Zeile nur Sekundenbruchteile.
- Lesen Sie die Datei: Jeder Eintrag besteht aus einer Nummer, einer Zeile mit Start- und Endzeit und dem Text.
- Vertonen Sie jeden Eintrag: audio, sample_rate = tts.synthesize(text, voice="F2", lang="de", seed=7).
- Legen Sie ein stilles numpy-Array in Videolänge an und addieren Sie jede Zeile ab dem Sample, an dem ihr Eintrag beginnt: Startzeit in Sekunden mal Abtastrate.
- Speichern Sie das Ergebnis mit tts.save("track.wav", track).
Zeilen, die nicht passen
Geben Sie die Länge jeder gesprochenen Zeile neben der Länge ihres Eintrags aus. Ist die Sprache länger als ihr Zeitfenster, überlappt sie die nächste Zeile. Kürzen Sie zuerst den Text; fassen Sie zwei kurze Einträge zusammen; oder erzeugen Sie die Engine etwas schneller, etwa Superclonica(speed=1.15), im erlaubten Bereich von 0,7 bis 2,0. Gleicher Text, gleiche Stimme und gleicher Seed ergeben immer dasselbe Audio, Sie können also eine Zeile korrigieren und die Spur neu bauen.
Die Stimme unter das Video legen
Importieren Sie track.wav als Tonspur in Ihr Schnittprogramm oder verbinden Sie sie mit einem Befehl mit dem Video: ffmpeg -i video.mp4 -i track.wav -map 0:v -map 1:a -c:v copy -c:a aac voiced.mp4. Behalten Sie den Originalton auf einer zweiten Spur, wenn Musik oder Effekte unter der Stimme liegen sollen. Vertonen Sie nur eigene Videos oder solche, für die Sie eine Erlaubnis haben, und nutzen Sie keine Stimme, die eine reale Person ohne deren Zustimmung nachahmt.