「無音の自動検出・カット」「AI音声解析」「直感的なGUI」「テスト・改善の継続対応」という募集要項の必須条件に対応する機能構成です。
RMS音量解析をベースに、将来的にはノイズ環境でも誤検出しにくい機械学習ベースの音声区間検出(VAD)モデルへの拡張も可能な設計にします。
収録環境のノイズフロアに合わせて感度を調整。「間」として残したい短いポーズと、カットしたい長い無音を明確に区別できます。
カット前に波形上でどこが無音と判定されたか一目で確認可能。タイムスタンプ付きのリストでピンポイントに見直せます。
FFmpegによるストリームコピーを基本に、再エンコードによる音質劣化を最小限に抑えた形での書き出しに対応します。
フォルダ単位で複数の動画・音声をまとめて投入し、同じ設定で一括カット。繰り返し作業の時間を大幅に削減します。
専門知識がなくても、ファイルをドラッグ&ドロップしてスライダーを動かすだけで使える操作性を重視して設計します。
募集要項の必須条件・歓迎条件に沿った構成です。実装言語はご相談のうえ確定いたします。
| 解析・処理エンジン | Python(NumPy / librosa 等)または C++。このデモと同様のRMSベース判定ロジックを実装。 |
|---|---|
| 動画・音声処理 | FFmpeg(音声トラック抽出・無劣化カット・各種フォーマット対応) |
| GUI | Python+PySide6(Qt)、または C#+WPF。Windows / Mac 双方への配布を想定。 |
| 配布形態 | PyInstaller等でのexe/app化、インストーラー作成まで対応可能 |
| 将来拡張 | 音声認識AI(Whisper等)と組み合わせた「言い淀み検出」「フィラーワード除去」などへの発展も相談可能 |