Технічне завдання на розробку сервісу автоматичного перекладу відео з YouTube з англійської на українську мову з використанням ІІ
1. Загальна інформація
Мета: Розробка сервісу, який автоматично завантажує відео з YouTube, розпізнає і перекладає мову з англійської на українську, створюючи субтитри або озвучку.
Основні вимоги: Висока швидкість обробки, точність перекладу, автоматизація процесів.
2. Функціональні вимоги
2.1. Основні функції
1. Завантаження відео
• Введення користувачем посилання на відео з YouTube
• Можливість завантаження відеофайлів з ПК
• Обмеження за тривалістю відео (опціонально)
2. Розпізнавання мови (Speech-to-Text)
• Автоматичне витягування аудіодоріжки з відео
• Розпізнавання англійської мови з використанням моделі ASR (наприклад, OpenAI Whisper, Deepgram, Vosk)
• Розділення тексту на часові мітки (timecode)
3. Переклад (Machine Translation)
• Переклад тексту з англійської на українську
• Використання нейромережевих моделей (наприклад, DeepL API, OpenAI GPT, Google Translate API)
• Збереження часових міток під час перекладу
4. Генерація субтитрів
• Формування файлу субтитрів (.srt, .vtt)
• Можливість редагування перекладу перед фінальним експортом
5. Озвучування перекладу (Text-to-Speech, TTS)
• Генерація голосової озвучки перекладеного тексту з синхронізацією з відео
• Використання TTS-движків (наприклад, ElevenLabs, Microsoft Azure TTS, Google WaveNet)
• Регулювання швидкості та інтонації голосу
6. Експорт результату
• Збереження перекладеного відео з накладеною озвучкою
• Завантаження субтитрів окремо (.srt, .vtt)
3. Нефункціональні вимоги
3.1. Продуктивність
• Обробка відео тривалістю 10 хвилин за не більше 5-10 хвилин
• Точність розпізнавання мови не менше 85-90%
• Коректність перекладу не менше 90% (при використанні нейромережевих моделей)
3.2. Технологічний 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
• Відеообробка: FFmpeg
• База даних: PostgreSQL / MongoDB
• Frontend: React / Vue.js
3.3. Інтеграції
• YouTube API (для завантаження відео)
• Хмарні сервіси для AI-моделей (OpenAI, DeepL, Google Cloud)
4. Вимоги до інтерфейсу
1. Простота використання – інтуїтивно зрозумілий інтерфейс з мінімальними кроками для користувача.
2. Особистий кабінет – історія оброблених відео, можливість повторного завантаження.
3. Налаштування – вибір якості перекладу (базовий / просунутий), вибір голосу для озвучки.
Очікуваний результат: Робочий сервіс з високою точністю перекладу, швидким процесингом і зручним інтерфейсом.
Пишіть в особисті повідомлення одразу вашу пропозицію з ціною, термінами, і кейсами які ви робили в ніші ai.
Не надсилайте завищені за ціною рішення.
