AI切り抜きは音で切る。 Skapoは 話で切る

はい。日本語は音声認識の字幕フォントがラテン文字しか持たないと、タイミングは正しいのに文字がすべて空の四角（豆腐）になります。Skapoは日本語用のフォントを同梱し、文字の種類を見て自動で切り替えるので、そこで崩れません。「えーと」「あのー」といった言いよどみも日本語の語彙として認識して、音がプツッと切れないように取り除きます。調整済みは22言語、字幕だけなら40言語以上に対応しています。

Skapoは映像からフレームを抜き出して、全員が同時に映っている引きの画と、一人ずつの寄りの画を判別します。引きの画から各人の位置を確定し、レンダリングが始まる前にレイアウトを組むので、フレームごとに画面が飛ぶことがありません。2人なら上下2分割、3人なら上に2人と下に横幅いっぱい、4人なら2×2グリッド。引きの画が足りないときは、空のマスを見せるのではなく1人追尾に切り替えます。

話が終わった場所ではなく、音が大きくなった場所で切っているからです。文の途中で切れて、ときどきプツッという音が入り、直前の10秒がないと意味が分からないクリップになります。Skapoは自然な間で切ります。一度聞けば違いはすぐ分かります。

文字起こしの各区間について、冒頭のつかみの強さ、単体で理解できるだけの文脈があるか、きれいに終わっているかを採点しています。点数の高い場面がクリップになり、その順番で、何位かのラベル付きで届きます。どれが伸びるかを勘で選ぶのではなく、順位のついた候補から選べます。

動画がアプリケーションサーバーを通ることはありません。暗号化された専用ストレージに直接送られます。アップロード前にブラウザ側でファイルを検証するので、通信量を無駄にしません。削除は自動です。無料プランは7日後、有料プランは30日後、White Labelはクライアントごとに90日または365日後に削除されます。こちらで保持し続けることはありません。

決定的な違いは、何をきっかけに切るかです。OpusClipやMunchは音が大きい場所を探します。Skapoは話が終わる場所を探します。だからクリップはちゃんとしたフックで始まり、それ単体で理解できるだけの文脈を含み、音節の途中で切れません。加えて、標準でGDPR準拠、最大4人までの分割画面、40言語以上の字幕、そして大量一括処理（1分あたり約1本）に対応しています。