Видео нужно обрабатывать пакетно и повторяемо: получить текст с таймкодами, нарезать вертикальные фрагменты, добавить субтитры, при необходимости перевести и озвучить. Каждый раз вручную — слишком долго.
Собрал конвейер из четырёх инструментов на одном API и одной странице:
• транскрибация faster-whisper large-v3-turbo с таймкодами по словам;
• нарезка клипов 9:16 с размытым фоном и караоке-субтитрами (ASS);
• удаление слов-паразитов по таймкодам;
• перевод через LLM и дубляж с клонированием голоса (XTTS v2) с подгонкой под тайминги оригинала.
Сборка и сжатие — через ffmpeg, всё ставится на расписание.
Сжатие результата 2,37 ГБ → 46 МБ без видимой потери качества. Обработка повторяемая: один и тот же прогон даёт одинаковый формат субтитров и клипов.