一款长视频会议纪要、访谈节目精剪、课程速览的AI神器：whisperVideo

whisperVideo是一款AI工具，能够将长视频中的语音转为文字，并自动识别说话人，将内容与画面中的人脸对应，生成带有说话人ID的字幕和可视化面板。它支持小时级素材，自动分场景和段落，适用于访谈、电影剪辑和会议纪要回顾。使用WhisperX进行文本转录，Pyannote进行说话人分离，结合SAM3进行人脸检测，最终整合所有信息生成字幕和面板视图