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.
