Together AIのWhisperモデルで動画やメディアリンクからタイムコード付き字幕を生成するNext.js製Webアプリ。
- スター
- 77
- フォーク
- 5
- 未解決の Issue
- 4
- 最終コミット
- 12 か月前
これは何?
CapSlapは、動画に字幕を追加するElectron製のデスクトップアプリです。動画ファイルを読み込むと、AIで音声を文字起こしし、字幕を動画に焼き込みます。これにより、どこで再生しても字幕が表示される動画を作成できます。
文字起こしは、Whisperモデル(tinyとbaseをアプリ内からダウンロード可能)を使ってローカルで実行するか、APIキーを設定してモデルのダウンロードを避けたい場合はOpenAI APIを利用できます。コア処理はRustで実装されており、ElectronのフロントエンドにはBunを使用しています。
セットアップにはRust、Bun、FFmpegが必要です。macOSでは、依存関係のインストール時にFFmpegが自動でダウンロードされます。
主な機能
- 01AIで動画の音声を文字起こしし、字幕を出力動画に焼き込みます。
- 02ローカルでのWhisperモデル利用に対応しており、モデルはアプリ内からダウンロードできます。
- 03文字起こしエンジンとしてOpenAI APIを利用できます。
- 04コア処理はRustで実装されており、Electron製のデスクトップインターフェースを備えています。
ユースケース
- SNS向けの短尺動画に字幕を焼き込む。
- トーク動画やチュートリアル動画に、手入力せず字幕を付ける。
- ローカルのWhisperモデルを使ってオフラインで文字起こしする。
クイックスタート
- 1
リポジトリをクローンする
git clone <repository-url> - 2
Rust コアをビルドする
cd rust cargo build cd .. - 3
Electron の依存関係をインストールする
cd electron bun install - 4
アプリを実行する
bun run dev
使う前に知っておきたいこと
- ライセンスが明記されていないため、利用条件が不明です。
- 実行前に Rust、Bun、FFmpeg をセットアップする必要があります。
- ローカルで文字起こしするには whisper モデルのダウンロードが必要です。OpenAI オプションを使うには有料 API キーが必要です。
- FFmpeg が自動インストールされるのは macOS のみです。それ以外のプラットフォームでは手動でセットアップする必要があります。
トピック
よくある質問
- capslap とは?
- AIで動画を文字起こしし、スタイル付き字幕を動画に直接焼き込むデスクトップアプリ。 CapSlapは、動画に字幕を追加するElectron製のデスクトップアプリです。動画ファイルを読み込むと、AIで音声を文字起こしし、字幕を動画に焼き込みます。これにより、どこで再生しても字幕が表示される動画を作成できます。
- capslap は無料で使えますか?ライセンスは?
- capslap にはライセンスが明記されていません。コードは公開されていますが、ライセンスがない場合は再利用の許諾がないため、利用前に作者に確認することをおすすめします。
- capslap は今もメンテナンスされていますか?
- 半年以上コミットなし。capslap の最終コミットは 2025年11月4日 です。
- capslap は何に使えますか?
- SNS向けの短尺動画に字幕を焼き込む。 トーク動画やチュートリアル動画に、手入力せず字幕を付ける。 ローカルのWhisperモデルを使ってオフラインで文字起こしする。
- capslap のインストール方法は?
- リポジトリをクローンする: git clone <repository-url> Rust コアをビルドする: cd rust cargo build cd .. Electron の依存関係をインストールする: cd electron bun install アプリを実行する: bun run dev
- capslap はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/riseandignite/capslap
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
1000以上のサイトから動画・音声をダウンロードし、AIで文字起こし、検索、要約できる無料のオープンソースデスクトップアプリ。
Whisperでオフライン動作する、macOS・Windows向けのオープンソースなローカルファーストAI音声入力アプリ。
動画をアップロードせず、ブラウザー・デスクトップアプリ・CLIで文字起こし、翻訳、スタイル設定、字幕焼き込みができるオープンソースのローカル字幕ツール。
Whisperを基盤とするオープンソースの音声認識ツール。強制アライメントによる単語単位のタイムスタンプと、任意の話者ダイアライゼーションに対応します。
OpenAIのWhisperを使い、音声や動画をオフラインで文字起こし・翻訳できるデスクトップアプリ。