Together AI ابزار Violin رو منتشر کرده که یک راهکار کامل و متن‌باز برای ترجمه و دوبله ویدیوهه. کد این پروژه تحت لایسنس MIT روی GitHub در دسترسه.
فرآیند کار خیلی سرراسته: اولWhisper V3متن ویدیو رو با تایم‌استمپ استخراج می‌کنه، بعدDeepSeek V4 Proمتن رو به زبان مقصد ترجمه می‌کنه و در نهایتCartesia Sonic 3دوبله رو با صدای نیتیو انجام می‌ده. خبری از کلون کردن صدای اصلی نیست.
یک دستیار هوشمند هم داخلش تعبیه شده که ویدیو رو می‌بینه و می‌شنوه تا بتونید مستقیماً درباره محتوای ویدیو ازش سوال بپرسید.
می‌تونید از طریق رابط وب، خط فرمان برای پردازش‌های دسته‌ای یا به عنوان یک اسکیل برای
AI Agentها ازش استفاده کنید. این ابزار برای شکستن سد زبانی محتواهای یوتیوب ساخته شده. 🤖
https://www.together.ai/blog/violin-open-source-translation-skill
https://github.com/shang-zhu/violin
https://www.violin-ai.com/
@ITSecurityComputer