89 lines
4.1 KiB
Markdown
89 lines
4.1 KiB
Markdown
# 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](https://www.skool.com/kiw-schmiede-9100)
|
|
|
|
## Ordnerstruktur
|
|
|
|
```
|
|
app/ <- Oberfläche der Tauri App (HTML/CSS/JS)
|
|
tauri-app/ <- Desktop App Gerüst (Windows Installer)
|
|
BAUANLEITUNG.md <- für alle, die NovaPhonic selbst aus dem Quellcode bauen wollen
|
|
```
|
|
|
|
## Installation
|
|
|
|
1. Auf der [Releases Seite](https://github.com/kiwerkepro-org/novaphonic/releases)
|
|
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](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](LICENSE).
|