প্রকল্প সম্পর্কে

LazyEdit ভিডিও প্রোডাকশনের জন্য একটি ব্যাপক পাইপলাইন প্রদান করে, যা AI-চালিত জেনারেশন এবং পোস্ট-প্রসেসিংকে একীভূত করে। এই ওয়ার্কফ্লোতে ভিডিও আপলোড বা জেনারেশন (Sora এবং Veo-এর মতো ইন্টিগ্রেশনের মাধ্যমে), ASR-ভিত্তিক ট্রান্সক্রিপশন, বহুভাষিক সাবটাইটেল অনুবাদ এবং পলিশিং, লেআউট কন্ট্রোলসহ সাবটাইটেল বার্ন-ইন, কি-ফ্রেম ক্যাপশনিং এবং মেটাডেটা জেনারেশন অন্তর্ভুক্ত রয়েছে। প্রযুক্তিগতভাবে, এই প্রজেক্টটি একটি Tornado-ভিত্তিক API ব্যাকএন্ড এবং ওয়েব ও মোবাইলের জন্য একটি Expo-চালিত ফ্রন্টএন্ড নিয়ে গঠিত। এটি লিনাক্সে লোকাল-ফার্স্ট ডেপ্লয়মেন্টের জন্য ডিজাইন করা হয়েছে, যেখানে সেশন ম্যানেজমেন্টের জন্য tmux এবং ব্যাকগ্রাউন্ড অপারেশনের জন্য ঐচ্ছিক systemd সার্ভিস ব্যবহৃত হয়। সিস্টেমটি ASR (Whisper), ইমেজ ক্যাপশনিং (ViT-GPT2, CLIP-GPT) এবং সোশ্যাল মিডিয়া ডিস্ট্রিবিউশনের জন্য একটি ঐচ্ছিক AutoPublish মডিউলের মতো বেশ কয়েকটি বিশেষায়িত সাবমডিউলকে একীভূত করে। মূল সক্ষমতাগুলোর মধ্যে রয়েছে: - প্রম্পট-ভিত্তিক ভিডিও জেনারেশন (Stage A/B/C)। - পূর্ণ মিডিয়া পাইপলাইন: ট্রান্সক্রিপশন -> অনুবাদ -> বার্ন-ইন -> ক্যাপশনিং -> মেটাডেটা। - furigana, IPA এবং romaji সহ বহুভাষিক সমর্থন। - API-ফার্স্ট আর্কিটেকচার যা স্ক্রিপ্টেড ইন্টিগ্রেশন এবং অটোমেশনের সুযোগ দেয়। - ডেটা পারসিস্টেন্সের জন্য PostgreSQL সমর্থনসহ লোকাল-ফার্স্ট রানটাইম।