診断しやすい短い素材を用意
20〜30秒程度の明瞭で話者の少ない動画を選び、既知の原稿を保管します。認識と翻訳のどちらで誤ったかを確認できます。
対象言語と重要な固有名詞を決め、初回は声、翻訳設定、入力を同時に変更しないようにします。
公式の環境構築に従う
公式リポジトリの現在の説明から始めます。ノートブックとローカルでは依存関係、認証、計算資源の制限が異なります。
ローカルではFFmpeg、アクセラレーター、音声モデルの条件を確認します。追加モデルの利用条件を承認し、トークンは環境の秘密設定で管理します。
git clone https://github.com/R3gm/SoniTranslate.git
cd SoniTranslate
# Follow the installation and launch instructions for this revision.各段階の出力を確認
アプリの現行UIで原言語、対象言語、話者を指定します。元音声と中間テキストを残して段階ごとに確認します。
- 短い素材の元音声を再生します。
- 原言語、対象言語、話者を設定します。
- 人名、句読点、区切りを確認します。
- 編集できる場合は訳文を修正してから合成します。
- 映像と同時に聴き、話者とタイミングを確認します。
症状から原因を切り分ける
誤認識した名前は誤訳され、そのまま自然な声で読まれます。声の変更より先に上流の文字を直すことが必要です。
| 症状 | 確認先 | 対処 |
|---|---|---|
| 名前が違う | 認識文 | 文字を直して後続を再実行 |
| 声が違う人に付く | 話者割当 | 分離と声の対応を見直す |
| 次の場面にはみ出す | 訳文の長さ | 短縮か時間調整 |
| モデル・エンコーダーエラー | 実行環境 | 正確なエラーで公式Issuesを調べる |
合格した設定で長い素材へ
動いた版、環境、声の設定を保存し、次に長い部分で試します。実行できることと翻訳が正確なことは異なります。
ホスト環境には割当量、ローカルには機材費があります。各モデルと声の利用条件、声の肖像の許可も確認してください。
よくある質問
文字起こしと同じですか？
吹き替えには翻訳、音声合成、映像へのタイミング調整も含まれます。
全編から始めてよい？
重要語と話者を含む短いサンプルから始めると、原因確認と計算費を抑えられます。
公開コードなら音声も自由ですか？
各モデル、声、外部サービスの条件を別々に確認してください。
公式資料
公式文書を確認し、制限と出典を明記しています。実測スコアのランキングではなく編集ガイドです。プランや利用条件は購入前に公式ページで確認してください。
