Ebből lesz valami, 5 éven belül?

#2: OpeenAI Whisper.

Saját gépeden futtathatod, akár asztali alkalmazásból:

[link]

#3:

Ez nem "csak" hanganyagból készít szöveges átiratot?

A cikkben teljes szinkron elkészítéséről írnak, szóval a szöveget még le is kellene (jól) fordítani, azután abból "érzelemdús" hanganyagot generálni.

Szerintem külön-külön mindegyik fázisra van már AI technika, - ám jelenleg érdemes ellenőrizni a részeredményeket, - sőt a lefordított szöveget még embernek kell (többször) korrigálnia, hogy a végén generált hanganyag illeszkedjen a videóhoz.

5 éven belül van realitása, hogy lesz egy majdnem teljesen automatizált változat, - persze a generált eredmény "minősége" általában élvezhetetlen lesz, - és pont emiatt árad majd még jobban a hülyeség, mert a nagyon rövid videóknál utómunkára alig lesz szükség... (Tik-tok, Youtube-shorts)