NovaPhonic

Ein Tool von KI-WERKE. Schneidet Füllwörter und Stille automatisch aus Videos mit einer sprechenden Person, entfernt Hintergrundgeräusche und gleicht Lautstärke sowie Klangbalance an, ein selbstgebautes, lokales Gegenstück zu einfachen Auphonic Funktionen.

Stufe 1, dauerhaft kostenlos. Für Aufnahmen mit einer einzelnen Person, also einer Stimme im Video, läuft NovaPhonic komplett lokal auf deinem eigenen Rechner, keine Internetverbindung nötig, keine Anmeldung, keine Kosten.

Mehr ist geplant. Eine Mehrsprechererkennung für Interviews kommt als kostenpflichtiges Zusatzmodul über einen gemieteten Server hinzu, ohne dauerhafte Speicherung der hochgeladenen Videos. Wer sehen will, was als Nächstes kommt, oder mitreden möchte: die KIW Schmiede Community auf Skool

Installation

1. Auf der Releases Seite dieses Repositories die aktuellste Version öffnen.
2. Die Datei NovaPhonic_<Version>_x64-setup.exe herunterladen.
3. Installer starten, den Anweisungen folgen.
4. NovaPhonic prüft beim Start automatisch, ob eine neuere Version vorliegt, und bietet ein Update per Klick an.

Nur für Windows. auto-editor, DeepFilterNet und FFmpeg sind bereits im Installer enthalten, es muss nichts zusätzlich installiert werden.

Nutzung

1. Video per Drag and Drop in das Fenster ziehen, oder über die Dateiauswahl laden.
2. Bei Bedarf die Einstellungen anpassen: Mindestabstand um Sprechpausen (Margin), Entrauschen ein oder aus, Lautstärkeanpassung ein oder aus und Zielwert (LUFS).
3. Auf Start klicken. Die drei Schritte Schneiden, Entrauschen und Lautstärke anpassen laufen nacheinander durch, mit Fortschrittsanzeige und Protokoll.
4. Ergebnis über "Speichern unter" an den gewünschten Ort auf der Festplatte legen.

Technische Details

NovaPhonic ist eine schlanke Tauri Oberfläche, die im Hintergrund drei eigenständige Open Source Werkzeuge als sogenannte Sidecar Programme aufruft:

• auto-editor (Public Domain, Unlicense): schneidet Füllwörter und Stille anhand von Lautstärke aus dem Video.
• DeepFilterNet / deep-filter (MIT/Apache 2.0): entfernt Hintergrundgeräusche aus der Tonspur.
• FFmpeg: gleicht Lautstärke und Klangbalance an (loudnorm, EBU R128) und übernimmt Audio Extraktion sowie das Wiederzusammenfügen von Bild- und Tonspur.

Alle drei laufen ohne Grafikkarte auf einer normalen CPU. Die Videodatei verlässt bei Stufe 1 nie den eigenen Rechner, es findet keine Verbindung zu einem Server statt.

Grenzen

• Reine Lautstärke basierte Schnitterkennung, keine inhaltliche Prüfung. Schnitte können vereinzelt etwas abrupt wirken, weiche Übergänge sind nicht eingebaut.
• Entrauschen verbessert Hintergrundgeräusche, ersetzt aber keine professionelle Studioaufnahme oder ein bezahltes Tonstudio.
• Aktuell nur für Aufnahmen mit einer einzelnen sprechenden Person gedacht. Bei mehreren Personen im Video werden Stimmen nicht getrennt erkannt.

Nächste Schritte (geplant)

• Mehrsprechererkennung für Interviews (Stufe 2), kostenpflichtiges Zusatzmodul über einen gemieteten Server, ohne dauerhafte Speicherung.
• Feineres Schneiden mit weichen Übergängen statt reiner Hartschnitte.

Lizenz

GNU General Public License v3.0 (GPLv3), siehe LICENSE. Wer den Code verändert und weitergibt, muss den veränderten Quellcode ebenfalls unter der GPLv3 offenlegen, das gilt auch bei kommerzieller Nutzung.

Markenrechte

Die Namen "NovaPhonic", "KI-WERKE" und "KIW Schmiede" sowie die zugehörigen Logos sind eigenständig geschützte Kennzeichen von KI-WERKE und ausdrücklich nicht Teil der GPLv3-Lizenz. Der Quellcode darf verändert und weitergegeben werden, die Namen und Logos dürfen dabei aber nicht für eigene, insbesondere abgewandelte oder umbenannte Versionen verwendet werden. Details siehe LICENSE.