AI решение для перевода

Техническое задание на разработку сервиса автоматического перевода видео с YouTube с английского на русский язык с использованием ИИ

1. Общая информация

Цель: Разработка сервиса, который автоматически загружает видео с YouTube, распознает и переводит речь с английского на русский язык, создавая субтитры или озвучку.

Основные требования: Высокая скорость обработки, точность перевода, автоматизация процессов.

2. Функциональные требования

2.1. Основные функции

1. Загрузка видео

• Ввод пользователем ссылки на видео с YouTube

• Возможность загрузки видеофайлов с ПК

• Ограничение по длительности видео (опционально)

2. Распознавание речи (Speech-to-Text)

• Автоматическое извлечение аудиодорожки из видео

• Распознавание английской речи с использованием модели ASR (например, OpenAI Whisper, Deepgram, Vosk)

• Разделение текста на временные метки (timecode)

3. Перевод (Machine Translation)

• Перевод текста с английского на русский

• Использование нейросетевых моделей (например, DeepL API, OpenAI GPT, Google Translate API)

• Сохранение временных меток при переводе

4. Генерация субтитров

• Формирование файла субтитров (.srt, .vtt)

• Возможность редактирования перевода перед финальным экспортом

5. Озвучивание перевода (Text-to-Speech, TTS)

• Генерация голосовой озвучки переведенного текста с синхронизацией с видео

• Использование TTS-движков (например, ElevenLabs, Microsoft Azure TTS, Google WaveNet)

• Регулировка скорости и интонации голоса

6. Экспорт результата

• Сохранение переведенного видео с наложенной озвучкой

• Скачивание субтитров отдельно (.srt, .vtt)

3. Нефункциональные требования

3.1. Производительность

• Обработка видео длиной 10 минут за не более 5-10 минут

• Точность распознавания речи не менее 85-90%

• Корректность перевода не менее 90% (при использовании нейросетевых моделей)

3.2. Технологический стек

• Backend: Python (FastAPI, Django)

• ASR: OpenAI Whisper / Deepgram / Vosk

• Machine Translation: OpenAI GPT-4 / DeepL API / Google Translate API

• TTS: ElevenLabs / Microsoft Azure TTS / Google WaveNet

• Видеообработка: FFmpeg

• База данных: PostgreSQL / MongoDB

• Frontend: React / Vue.js

3.3. Интеграции

• YouTube API (для загрузки видео)

• Облачные сервисы для AI-моделей (OpenAI, DeepL, Google Cloud)

4. Требования к интерфейсу

1. Простота использования – интуитивно понятный интерфейс с минимальными шагами для пользователя.

2. Личный кабинет – история обработанных видео, возможность повторного скачивания.

3. Настройки – выбор качества перевода (базовый / продвинутый), выбор голоса для озвучки.

Ожидаемый результат: Рабочий сервис с высокой точностью перевода, быстрым процессингом и удобным интерфейсом.

Пишите в личные сообщения сразу ваше предложение с ценой, сроками, и кейсами которые вы делали в нише ai.

Не присылайте завышенные по цене решения.