اگر تا به حال حتی یک ریلز یا ویدیوی آموزشی برای اینستاگرام یا یوتیوب ادیت کرده باشید، دقیقاً می‌دانید از چه شکنجه‌ای صحبت می‌کنیم: گوش دادن به صدای ویدیو با سرعت ۰.۷۵، تایپ کلمه به کلمه، گذاشتن نیم‌فاصله‌ها، سینک کردن تک‌تک خط‌ها با ثانیه‌شمار تایم‌لاین، و در نهایت مواجه شدن با حروف جداجدا یا برعکس در پریمیر! این دقیقاً ماجرایی بود که بیش از یک سال پیش، جرقه ساخت «کپزو» (Capzo.ir) را در استودیو فدیا زد.
ساعت ۳ بعدازظهر در اتاق ادیت استودیو فدیا؛ بحران زیرنویس
در استودیو فدیا، ماهانه صدها ویدیوی ریلز، تیزر تبلیغاتی، مصاحبه‌های پزشکی و ویدیوپادکست برای برندها و کلینیک‌های مختلف تولید و تدوین می‌شود. یکی از اصول غیرقابل‌مذاکره ما این بود که هیچ ویدیویی نباید بدون زیرنویس روان، دقیق و هماهنگ منتشر شود؛ چرا که بیش از ۷۰ درصد مخاطبان در محیط کار، دانشگاه یا مترو، ویدیوها را بدون صدا تماشا می‌کنند.
اما در عمل، یک تناقض خنده‌دار و فرسایشی شکل گرفته بود: فیلمبرداری با دوربین‌های سینمایی، کارگردانی، اصلاح رنگ و ساند دیزاین یک ویدیو در چند ساعت تمام می‌شد، اما بچه‌های ادیت باید ۳ ساعت تمام وقت می‌گذاشتند تا گفتار فارسی یک ویدیوی ۲ دقیقه‌ای را دستی تایپ کنند! غلط‌های املایی، جا افتادن الف و «می»های چسبیده، سردرد روزمره تیم ما شده بود.
چرا ابزارهای خارجی و کپ‌کات درد ما را دوا نکردند؟
طبیعتاً اولین کاری که کردیم، تست تمام سرویس‌ها و نرم‌افزارهای خارجی موجود در بازار جهانی بود. از سیستم خودکار کپ‌کات (CapCut) و Premiere Pro Speech to Text گرفته تا مدل‌های خام هوش مصنوعی:
- فهم ضعیف لهجه و اصطلاحات عامیانه فارسی: وقتی گوینده می‌گفت «می‌خوام بهتون نشون بدم»، ابزارهای خارجی آن را به جملات بی‌معنی یا کلمات عربی نامربوط تبدیل می‌کردند.
- فاجعه نیم‌فاصله‌ها و خط فارسی: کلماتی مانند «می‌شود»، «دست‌اندرکاران»، یا علائم نگارشی مثل علامت سوال و گیومه کاملاً چپ‌وراست یا شکسته می‌شدند.
- عدم اتصال مستقیم به نرم‌افزار تدوین: برای استفاده از برخی سرویس‌ها باید صدای ویدیو اکسپورت می‌شد، در یک سایت آپلود می‌شد، فایل خروجی گرفته می‌شد و دوباره در پریمیر تطبیق داده می‌شد که زمان ادیتور را تلف می‌کرد.
از یک اسکریپت داخلی تا ۱ سال تست بی‌رحمانه در پروژه‌های واقعی
تیم فنی و توسعه فدیا تصمیم گرفت دست‌به‌کار شود. هدف ساده بود: ساخت یک مدل هوش مصنوعی تخصصی برای گفتار فارسی که زبان محاوره‌ای، اصطلاحات امروزی، نام‌های تجاری و دستور خط صحیح فارسی را بشناسد و مهم‌تر از همه، مستقیماً داخل Premiere Pro کار کند.
نسخه اولیه فقط برای خودمان بود. به مدت بیش از ۱ سال، تمام ویدیوهای خروجی فدیا (از پروژه‌های سنگین کارخانجات تا ریلزهای پرسرعت اینستاگرامی) با این ابزار زیرنویس شدند. در طول این ۱۲ ماه، صدها باگ فنی، چالش سینک صدا و تصویر و خطاهای نگارشی با فیدبک مستقیم تدوینگران استودیو برطرف شد؛ تا جایی که زمان زیرنویس کردن یک ویدیوی ۵ دقیقه‌ای از ۴۰ دقیقه به کمتر از ۳۰ ثانیه رسید!
«وقتی دیدیم تدوینگران ما هر روز با لبخند کار را تحویل می‌دهند و پروژه‌ها چند روز زودتر به کارفرما می‌رسد، متوجه شدیم این ابزار نباید فقط در انحصار فدیا بماند. تمام جامعه تولیدکنندگان محتوا، یوتیوبرها و ادیتورهای ایرانی به چنین امکانی نیاز دارند.»
کپزو (Capzo) متولد شد؛ چهار راهکار در یک پلتفرم هوشمند
پس از اطمینان کامل از پایداری، سرعت و دقت فوق‌العاده، این محصول را به صورت یک سامانه مستقل، مدرن و عمومی تحت نام کپزو (Capzo.ir) منتشر کردیم. امروز کپزو به چهار روش در دسترس همه قرار دارد:
۱. پلاگین اختصاصی پریمیر (Premiere Pro Extension)
بزرگ‌ترین برگ برنده کپزو برای ادیتورهای حرفه‌ای؛ بدون نیاز به خروج از پریمیر یا اکسپورت فایل، پلاگین کپزو صدا را مستقیماً از روی سکوئنس تایم‌لاین می‌خواند و متن فارسی را دقیق و کلمه‌به‌کلمه روی Caption Track قرار می‌دهد. دیگر نیازی به هیچ کپی‌پیس و تنظیم دستی نیست.
۲. استودیو ویدیوی آنلاین تحت وب
برای ادمین‌های پیج و تولیدکنندگانی که سیستم تدوین سنگین ندارند؛ ویدیوی خود را در پنل وب آپلود می‌کنید، کپزو زیرنویس را با فونت‌های فوق‌العاده زیبای فارسی (ایران‌یکان، کلمه، استعداد)، استایل کارائوکه و انیمیشن متحرک روی ویدیو می‌چسباند و خروجی نهایی MP4 تحویل می‌دهد.
۳. ربات تلگرام فوق‌سریع
حتی اگر در سفر یا بیرون از دفتر باشید و فقط گوشی همراهتان باشد، ویس یا ویدیوی خود را به ربات تلگرام کپزو می‌فرستید و در کمتر از چند ثانیه، متن تایپ‌شده پیاده‌سازی‌شده یا فایل استاندارد SRT تحویل می‌گیرید.
۴. خروجی استاندارد فایل SRT فارسی
تولید فایل SRT با زمان‌بندی صدم‌ثانیه‌ای استاندارد برای استفاده در یوتیوب، آپارات، تلگرام و نرم‌افزارهای پخش ویدیو.
همین حالا کپزو را امتحان کنید
کپزو برای تمام کاربران جدید دارای اعتبار تست رایگان است تا بتوانید سرعت و دقت تبدیل گفتار به متن فارسی آن را در عمل با ویدیوهای خودتان بسنجید.
ورود به سایت کپزو و شروع رایگانپیوند فدیا و کپزو؛ ابزارسازی برای رشد محتوا
نگاه ما در فدیا صرفاً اجرای پروژه‌های مقطعی نیست؛ ما باور داریم آژانس‌های تولید محتوا وقتی در خط مقدم چالش‌های اجرایی قرار می‌گیرند، می‌توانند ابزارهایی خلق کنند که کل اکوسیستم دیجیتال کشور را یک گام به جلو ببرد. کپزو نمونه‌ای از این تعهد است و استودیو فدیا همچنان با استفاده روزمره از آن در پکیج‌های خدمات تولید محتوا و ادیت ریلز، بالاترین استاندارد سرعت و کیفیت بصری را برای کارفرمایان خود تضمین می‌کند.
راهنماهای کاربردی و تخصصی در اکوسیستم کپزو:
- راهنمای نصب و راهاندازی اکستنشن کپزو برای پریمیر پرو
- رفع مشکل جدا نویسی و برعکس شدن حروف فارسی در کپشنترک پریمیر
- آموزش کات هوشمند راش و حذف خودکار سکوتها (Smart Cut)
- تبدیل ویس و فایل صوتی به متن فارسی با هوش مصنوعی
- ساخت فایل SRT استاندارد برای سئو ویدیوهای یوتیوب و آپارات
- تکنیکهای زیرنویس متحرک کارائوکه برای ریلزهای پربازدید
