長尺ラジオからShortsをつくる仕組みを考えました

初期案では横長の動画を固定したまま使います。

字幕は出せる範囲で付ける方針です。

話者を追って画角を変える機能は最初の範囲に入れません。

文字起こしはローカルで行う案にしました。

Geminiには短く切り出せそうな区間の候補と採点を任せます。

Geminiには時刻ではなく文字起こし区間のIDを選ばせます。

実際の開始時刻と終了時刻はアプリ側で決めます。

素材は外付けHDDから読み取るだけにします。

元の動画ファイルは書き換えません。

音声や文字起こしは再利用できる形で保存します。

処理状況はSQLiteで持ち途中から再開する設計です。

AIが出した候補をそのまま完成品にはしません。

話の始まりと終わりは人が見て微調整します。

字幕と話の意味が合っているかも見直します。

最初の版はここまでです。