OmniVoice
Голос каждого героя
Не один диктор на весь фильм. Каждому спикеру — свой голос: клон по эталону, тембр, темп и паузы.
Windows · локально · без облака
Фильм на
вашем языке —
их голосами.
vt распознаёт речь, переводит реплики на 13 языков и переозвучивает видео, сохраняя тайминги, интонации и характер каждого героя. Всё на вашем компьютере.
- 5 шагов пайплайна
- 13 языков
- CPU или CUDA
- 0 байт в облако
Как это работает
Пять шагов,
один сценарий.
Каждый экран делает свою часть работы. Ошибка на шаге не ломает остальные: результат кэшируется, а прогон можно продолжить с нужного места.
0105
Источникфайл, дорожки, субтитры
-
01
Источник
Бросьте файл — vt посмотрит контейнер, дорожки и субтитры. MKV, MP4, MOV, WebM: на входе ничего не перекодируется.
ffprobe · без потерь -
02
Распознавание
Whisper находит речь, VAD отсекает тишину, а тайминги привязываются к кадрам — так субтитры не уезжают.
faster-whisper · large-v3 / turbo -
03
Перевод
TranslateGemma переводит на 13 языков с контекстом сцены: имена, обращение, шутки и интонации не рассыпаются на отдельные строки.
TranslateGemma 4B · llama.cpp -
04
Озвучка
Supertonic для быстрого черновика или OmniVoice для клонирования: голос каждого спикера, подгонка под тайминг, мягкая склейка.
Supertonic · OmniVoice -
05
Сборка
Микс с приглушённым оригиналом, мягкие субтитры, MP4 или MKV — один файл, который можно просто открыть.
AAC fast · soft subs
Примеры
Включите и услышьте.
Два фрагмента, прогнанных через vt целиком: распознавание, перевод, озвучка и сборка. Оба озвучены Supertonic — одним голосом, без клонирования. Лучше в наушниках.
0:46
Опознание
SupertonicКороткая сцена с пятью персонажами: один голос Supertonic, перевод и тайминги — без клонирования.
2:05
Сцена в баре
SupertonicДлинный диалог с паузами и перебивками: Supertonic держит темп, оригинал приглушён, звук сведён.
Фрагменты приведены для демонстрации; права на исходные видео принадлежат их авторам.
Что внутри
Это не «переводчик в браузере».
Пять вещей, ради которых vt вообще существует.
0 байт
Ничего не уходит в облако
Видео, звук и субтитры остаются на диске. В интернет — только модели при установке.
CUDA / CPU
GPU, если он есть
Распознавание и озвучка уходят на видеокарту. Без CUDA всё работает на процессоре — медленнее, но без настройки.
тайминги
Реплика влезает в кадр
Длина фразы подгоняется под оригинал: темп, паузы и стыки сохраняются, а не «плывут» к концу сцены.
SRT · ASS
Субтитры и дорожки
Мягкие сабы внутри контейнера, отдельная дорожка дубля и приглушённый оригинал — на выбор.
очередь
Пакетный прогон
Несколько проектов подряд. Упавший шаг перезапускается отдельно, готовое не считается заново.
Интерфейс
Один экран —
один шаг.
Ничего не спрятано в консоли: видно, что происходит, сколько осталось и что уже готово.
5шагов от файла
до готового видео
до готового видео
2движка озвучки
на выбор
на выбор
2модели распознавания
в мастере
в мастере
0байт аудио
в облако
в облако
Движки
Быстро или своим голосом.
Два варианта распознавания и два движка озвучки. Выбираете не «одну нейросеть», а инструмент под задачу.
Supertonicбыстро
Ровный голос на весь фильм
Быстрый синтез с хорошей разборчивостью: один голос, минимум памяти, предсказуемый темп. Для черновика, сериалов и длинных прогонов.
- быстро
- один голос
- мало VRAM
OmniVoiceклон
Голос героя — или ваш любимый
Клонирование по короткому эталону: сохраняет тембр и манеру спикера. Или озвучьте фильм любым голосом, который вам нравится.
- клонирование
- zero-shot
- CC-BY-NC
Распознавание
Whisper large-v3 — точнее, turbo — быстрее. Язык оригинала определяется автоматически.
Личное использование
По лицензиям движков это сценарий для личного использования: OmniVoice — CC-BY-NC (некоммерческая), Supertonic — по карточке модели. Для публикации или коммерции проверьте условия.
Ответственное клонирование
Клонируйте только свой голос или голос, на который у вас есть разрешение. Не выдавайте синтез за реальную запись.
Вопросы
Коротко
о главном.
Если чего-то нет в списке — спросите автора.
Только чтобы скачать модели и обновления. Распознавание, перевод, озвучка и сборка идут локально: видео никуда не отправляется.
На 13: русский, английский, немецкий, французский, испанский, итальянский, португальский, украинский, польский, турецкий, японский, корейский и китайский. Язык оригинала Whisper определяет сам.
NVIDIA с CUDA 12.8 и cuDNN 9 — например, RTX 3060 и новее. Без видеокарты vt работает на процессоре: медленнее, но без настройки. Режим переключается в мастере.
Программа — около 2,3 ГБ. Модели скачиваются отдельно в мастере: Supertonic — 0,4 ГБ, Whisper — 1,6–3 ГБ, TranslateGemma — 3 ГБ. Ставите только то, что нужно.
Модели живут по своим лицензиям: Whisper — MIT, TranslateGemma — Gemma Terms, OmniVoice — CC-BY-NC (некоммерческая), Supertonic — по карточке модели. Лицензии видны на карточке движка; модели качаются отдельно, поэтому вы сами выбираете, что ставить. Для публикации результата проверьте условия — OmniVoice некоммерческий.
Да. Субтитры правятся построчно, шаги перезапускаются отдельно, а кэш не даёт считать заново то, что уже готово.
Поддержать проект
vt бесплатный: без подписки, без облака и без рекламы. Если переводчик сэкономил вам вечер, можно поддержать разработку — на тесты и новые эксперименты.