应用工具工具
AccessCast：为不同观众自动生成无障碍视频版本
Prashant-thakur77/AccessCast · One video, made for every viewer: audio description (with extended description), captions with sounds, easy-read, and Hindi, Italian, Spanish, French and Portuguese versions. Gemma 4 31B on AMD Token Factory writes, code checks every line, a person approves.
ELI5：它是什么，解决什么问题
AccessCast 面向同一段视频生成八种观众版本：为盲人观众生成口述描述（在对话间隙播报，必要时在暂停画面中延长描述），为聋人观众生成带音效提示的字幕，为阅读较慢的观众生成易读字幕，并提供印地语、意大利语、西班牙语、法语和葡萄牙语的字幕与配音。项目由 Gemma 4 31B（AMD Token Factory）负责看画面、撰写、翻译与修正，代码按音频时间线和 53 条书面规则逐行校验，未通过的行退回模型修正，仍不通过则交由人工审核；服务端在仍有待审行时拒绝渲染。
核心能力与快速开始
★ 1 · Python
- 能做什么
- 从视频中提取语音、停顿、镜头、场景、声音与画面内容，生成八种观众版本：在对话间隙插入的口述描述（含延长描述）、带音效提示的聋人字幕、易读字幕与阅读暂停模式、五种语言的字幕与配音，以及供屏幕阅读器或盲文显示器使用的时间顺序文本。模型负责生成与修正，代码按 53 条规则和真实时间线校验，人工审批通过后才渲染。
- 适用场景
- 适合需要为同一视频批量提供无障碍与多语言版本的内容团队、公共机构与流媒体场景；也适合研究模型生成加规则校验加人工审批这一生产流程的开发者参考。
- 项目形态
- 可直接使用的工具
- 部署方式
- README 提到网站部署在 Vercel，模型推理通过 AMD Token Factory 调用，语音与渲染在本地计算机运行；完整部署条件未说明。
- 主要依赖
- 标注 Python 3.12，以及 FFmpeg、Whisper、PyTorch、FastAPI、Kokoro TTS 等组件；硬件配置、AMD Token Factory 访问方式与费用未说明。
- 使用限制
- 成本数字为按公开列表价的估算，未说明实际费用；部分流程依赖人工审批；README 说明第二遍转写所用的 Gemma 4 E4B 未运行；扩展描述会以定格画面替代原视频；生产环境的性能与规模限制未说明。
- 许可证
- MIT
- 最近推送
- 2026-10-21 06:54
资料检查：2026-10-21 07:00 · 卡片整理：2026-10-21 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
作为可复用的视频无障碍处理工具，开发者可参考或集成其流水线：用 Whisper 与强制对齐生成带时间轴的字幕，用 Gemma 4 31B 生成口述描述与多语言字幕/配音，并由代码按 53 条规则逐行校验、失败退回模型修正、仍失败转人工审核，服务端在有待审行时拒绝渲染。
查看内容依据
Gemma 4 31B on AMD Token Factory writes, code checks every line, a person approves.
由 AI 根据来源材料整理，未进行安装或运行验证
产品经理
可用于评估视频无障碍与多语言本地化需求：同一视频按观众选择生成口述描述、聋人字幕、易读字幕及印地语、意大利语、西班牙语、法语、葡萄牙语版本，并附成本估算（每完成分钟约 41,818 Gemma tokens、约 $0.0053 的估算）与人工审核环节，便于做功能范围与成本权衡。
查看内容依据
One video, made for every viewer: audio description (with extended description), captions with sounds, easy-read, and Hindi, Italian, Spanish, French and Portuguese versions.
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。