Караоке-генератор v0.1 (MVP) 🎤
CLI-инструмент, который принимает аудиофайл песни и генерирует видео с синхронизированным текстом (стиль "караоке/субтитры").
Быстрый старт
# Установка зависимостей
pip install -r requirements.txt
# Генерация караоке из аудио
python karaoke.py --audio song.mp3
# С готовым текстом
python karaoke.py --audio song.mp3 --text lyrics.lrc
python karaoke.py --audio song.mp3 --text lyrics.txt
python karaoke.py --audio song.mp3 --text lyrics.srt
# С кастомным выходным файлом и моделью
python karaoke.py --audio song.mp3 --whisper-model small --output my_karaoke.mp4
Зависимости
Python (Python 3.10+)
| Пакет | Версия | Зачем |
|---|---|---|
faster-whisper |
1.2.1 | Транскрипция аудио с таймингами |
moviepy |
2.1.2 | (опционально) видео-рендер |
pillow |
10.4.0 | Рендер текстовых кадров |
requests |
2.33.1 | HTTP-запросы к API |
numpy |
2.4.0 | Математика |
python-dotenv |
1.2.2 | Загрузка .env |
Системные
- FFmpeg — должен быть в PATH или указан через
FFMPEG_BIN/FFPROBE_BIN- В проекте используется статик из
~/bin/ffmpeg-7.0.2-amd64-static/
- В проекте используется статик из
Переменные окружения
| Переменная | Описание | По умолчанию |
|---|---|---|
PEXELS_API_KEY |
Ключ Pexels API для поиска видео-фонов | — (будет чёрный фон) |
GIGACHAT_CREDS |
OAuth креды GigaChat (Base64) | из ~/.openclaw/.env |
GIGACHAT_BASE_URL |
URL GigaChat API | из ~/.openclaw/.env |
FFMPEG_BIN |
Путь к ffmpeg | ~/bin/ffmpeg-7.0.2-amd64-static/ffmpeg |
FFPROBE_BIN |
Путь к ffprobe | ~/bin/ffmpeg-7.0.2-amd64-static/ffprobe |
Структура проекта
tasks/karaoke/
├── karaoke.py # CLI точка входа, argparse
├── transcribe.py # Whisper транскрипция + LRC/SRT парсер
├── nlp.py # GigaChat NLP → {mood, scenes}
├── video_bg.py # Pexels API + чёрный фон fallback
├── render.py # FFmpeg/MoviePy рендер
├── requirements.txt # pinned зависимости
├── README.md # этот файл
└── PROJECT.md # полное ТЗ
Как это работает
- Транскрипция — Whisper извлекает текст + тайминги из аудио
- NLP — GigaChat анализирует настроение и сцены (fallback без API)
- Видео-фон — Pexels API ищет видео; если нет — чёрный фон
- Рендер — FFmpeg накладывает текст на видео с fade-in/out
CLI аргументы
--audio AUDIO Путь к аудиофайлу (обязательный)
--text TEXT Путь к файлу с текстом (.lrc/.srt/.txt)
--output OUTPUT Выходной файл (по умолчанию: output.mp4)
--whisper-model SIZE tiny/base/small/medium/large (по умолч.: base)
--device DEVICE cpu/cuda (по умолч.: cpu)
--language LANG Код языка (ru/en/...) или авто (None)
Выходной формат
- Видео: 1280x720, H.264, 30fps
- Аудио: оригинальное, AAC 192kbps
- Текст: белый, 48px, с чёрной тенью; активная строка жёлтая
- Fade-in/out: ~0.3 сек
Лицензия
MIT / Internal Project