Über dieses Video
Geben Sie sich nicht länger mit manueller Untertitelung zufrieden, wenn Sie an einem Nachmittag eine maßgeschneiderte KI-Engine erstellen können. In diesem Video zeige ich Ihnen, wie ich mithilfe der neuen Veed-API auf Fal, Mux für das Hosting und Claude für die rechenintensive Arbeit einen maßgeschneiderten Untertitelgenerator entwickelt habe. Dieses Tool hat meinen Arbeitsablauf für den „Command AI“-Podcast komplett revolutioniert, und das Beste daran ist, dass Sie den Quellcode herunterladen und selbst nutzen können. Die wichtigsten Erkenntnisse: - Wie man die Veed-Untertitel-API für automatisierte Untertitel auf Wortebene integriert. - Die Nutzung von Mux als temporäre Speicherlösung, um dein Projekt im kostenlosen Tarif zu halten. - Nutzung von Claude und Warp AI, um funktionale Apps in Rekordzeit zu erstellen und neu zu gestalten. - Eine Aufschlüsselung der Kosten: 10 Cent pro Minute für eine hochwertige, stilvoll gestaltete Videoproduktion. - So passen Sie Schriftarten und Farben perfekt an Ihre Marke an. Code: https://github.com/0x5am5/veed-subtitles
Veed-Vorlagen
.jpg&w=3840&q=75)
ali
.jpg&w=3840&q=75)
Bohnen
.jpg&w=3840&q=75)
buh
.jpg&w=3840&q=75)
Capri
.jpg&w=3840&q=75)
Casper
.jpg&w=3840&q=75)
corpo
.jpg&w=3840&q=75)
Diego
.jpg&w=3840&q=75)
flex
.jpg&w=3840&q=75)
Fusion
.jpg&w=3840&q=75)
Glas
.jpg&w=3840&q=75)
gleiten
.jpg&w=3840&q=75)
glide2
.jpg&w=3840&q=75)
handgeschrieben
.jpg&w=3840&q=75)
Trubel
.jpg&w=3840&q=75)
Karl
.jpg&w=3840&q=75)
Kätzchen
.jpg&w=3840&q=75)
unauffällig
.jpg&w=3840&q=75)
Minze
.jpg&w=3840&q=75)
einfach
.jpg&w=3840&q=75)
rizz
.jpg&w=3840&q=75)
Schattenspiel
.jpg&w=3840&q=75)
einfach
.jpg&w=3840&q=75)
erlegen
.jpg&w=3840&q=75)
Spross
.jpg&w=3840&q=75)
Terminal
.jpg&w=3840&q=75)
Vegas
.jpg&w=3840&q=75)
vinta
.jpg&w=3840&q=75)
Flüster
Verschwende dein Leben nicht länger mit der manuellen Erstellung von Videountertiteln
Die meisten Content-Ersteller stecken immer noch in den „dunklen Zeiten“ der Videobearbeitung fest. Sie verbringen Stunden damit, durch Zeitleisten zu scrollen, die Timings der Wörter manuell anzupassen und sich mit umständlichen Untertitel-Tools herumzuschlagen. Das ist ein enormer Produktivitätsverlust, der sich mit ein wenig Code und der richtigen API beheben lässt.
In meinem neuesten Projekt habe ich beschlossen, diesen ganzen Ärger zu automatisieren. Mithilfe der neu eingeführten Veed-Untertitel-API auf Fal habe ich einen maßgeschneiderten Untertitelgenerator entwickelt, der speziell auf meinen Podcast „Command AI“ zugeschnitten ist. Das Ziel war einfach: ein Video hochladen, perfekt formatierte Untertitel erhalten und die hohen Kosten für Unternehmenssoftware vermeiden.
Der Tech-Stack
Um das Ganze zum Laufen zu bringen, habe ich einen schlanken, aber leistungsstarken Stack verwendet:
- React & Vite: Für eine reaktionsschnelle, funktionale Benutzeroberfläche.
- Veed Subtitle API (über Fal): Die Engine, die die aufwendige Arbeit der Transkription und des Einbrennens von Untertiteln in das Video übernimmt.
- Mux: Wird als temporärer Speicherort für das Video-Hosting verwendet, um der API eine öffentliche URL bereitzustellen.
- Claude (Anthropic): Mein KI-Paarprogrammierer, der mir dabei geholfen hat, die Standardcodes und die Logik zügig durchzuarbeiten.
Der Arbeitsablauf
Die Anwendung funktioniert so, dass eine Videodatei an Mux hochgeladen wird. Da Mux für interne Tools ein großzügiges kostenloses Kontingent bietet, ist es der perfekte vorübergehende Speicherort für die Dateien. Sobald die Veed-API das Video verarbeitet und die Untertitel einbrennt, wird das Endergebnis heruntergeladen und die Datei sofort aus Mux gelöscht, um die Kosten bei null zu halten.
Individuelle Anpassung und Markenpräsenz
Einer der größten Vorteile der Verwendung einer API gegenüber einem herkömmlichen Editor ist der hohe Grad an Kontrolle. Ich konnte die Schriftart und die Farbpalette exakt an das Branding meines Podcasts anpassen. Indem ich diese Parameter direkt in die API-Aufrufe einführe, sieht jedes Video einheitlich aus, ohne dass ich in Final Cut Pro auch nur einen Finger rühren muss.
Warum Sie Ihre eigenen Tools entwickeln sollten
Die Einstiegshürde für die Entwicklung maßgeschneiderter Software war noch nie so niedrig. Mit KI-Agenten wie Claude und dem Warp-Terminal stehen Ihnen die Mittel zur Verfügung, um ein Problem zu visualisieren und an einem Nachmittag eine Lösung zu entwickeln. Sie müssen nicht darauf warten, dass ein SaaS-Anbieter die von Ihnen gewünschte Funktion entwickelt: Sie können sie einfach selbst erstellen.
Wenn ihr euch für den Quellcode interessiert oder euch die verschiedenen verfügbaren Styling-Voreinstellungen ansehen möchtet, schaut euch die Links in der Videobeschreibung an. Lasst uns loslegen.
Transkript▾
Veed hat gerade die Untertitel-API auf Fal veröffentlicht und dieses Video freundlicherweise gesponsert, worüber ich mich sehr freue, denn das bedeutet, dass wir etwas entwickeln können. Wir werden einen Untertitelgenerator entwickeln, den ich tatsächlich für die Bearbeitung und Erstellung von Videos für unseren Podcast „Command AI“ nutzen werde. Ihr werdet also genau sehen, wie ich KI zum Erstellen meiner Apps nutze und wie ich die Veed-Untertitel-API integriere, um Untertitel für die von uns erstellten Videos zu generieren.
Unten werde ich Links zu allem bereitstellen, einschließlich eines Links zum Quellcode, damit ihr diese App ganz nach Belieben nutzen könnt. Außerdem gibt es auf meiner Website einige nützliche Informationen, über die ihr später im Video mehr erfahren werdet. Lasst uns loslegen.
Um euch einen Einblick in meinen aktuellen Arbeitsablauf zu geben: Das hier ist eine Bearbeitung mit „Command AI“ – meinem Podcast, den ich gemeinsam mit Kabaza moderiere. Normalerweise bearbeite ich hier die Einleitung: Mit „Befehlstaste + Umschalt + C“ füge ich diese Untertitel in Final Cut ein und exportiere sie anschließend in eine Untertiteldatei. In Claude habe ich dann hier ein Remotion-Projekt, in dem ich die „Command AI“-Untertitel aufrufe und das Skript hineinziehe. Ich exportiere es aus Remotion, und wie ihr sehen könnt, passt es stilistisch und in allen anderen Punkten perfekt. Das ist wirklich toll, aber das Problem ist wiederum, dass es nicht mit den einzelnen Wörtern übereinstimmt. Genau das möchte ich also mit der Veed-API erreichen.
Okay, wenn ich mir hier den Spielplatz anschaue, sehe ich, dass wir eine URL übergeben müssen. Wir können hier einige Voreinstellungen nutzen, was ziemlich praktisch ist. Das könnte eine gute Möglichkeit sein, um ein paar Dinge auszuprobieren, und natürlich die Sprache auszuwählen. Das können wir also auf der Standardeinstellung belassen. Lasst uns das ausführen und schauen, wie Whisper aussieht. Okay, schön. Es ist also so etwas wie eine zentrale Lösung. Ich bin mir sicher, dass wir das verschieben können, und in den erweiterten Einstellungen gibt es Optionen für die Positionierung, Schatten und verschiedene andere Dinge dieser Art. Wenn wir hier zur API gehen, finden wir sieben Anleitungen mit JavaScript und allem, was dazugehört. Ich werde einfach diese URL kopieren und sie etwas später verwenden.
Also, ich denke, wir werden eine einfache React-App erstellen, mit der ich ein Video – ein kurzes Video – hochladen, an die Veed-API senden und dann ein Video mit Untertiteln zurückerhalten kann. Ich glaube, dafür wird eine öffentliche URL benötigt, daher werde ich wohl Mux verwenden, einen Dienst, den ich auch für mein internes Tool namens „Greenlit“ nutze. Das ist ein Video-Tool, mit dem ich Videos an meine Sponsoren sende, damit diese Kommentare hinterlassen können. Im Grunde genommen ein Frame.io-Klon, für den ich nichts bezahlen muss. Und es ist genau das, was ich will. Es nutzt einen Dienst namens Mux, ein kostenloses Video-Hosting-Tool. Ich werde das Tool wahrscheinlich so einrichten, dass das Video gelöscht wird, sobald es von Veed und von Fal heruntergeladen wurde, damit ich im kostenlosen Tarif bleibe. Aber ja, ich könnte auch AWS nutzen, doch das hier ist einfach ein sehr, sehr gutes und benutzerfreundliches Tool. Lasst uns loslegen.
Also, starten wir Claude hier. Ich möchte eine einfache React-App erstellen, mit der ich ein kurzes Video hochladen, an die Veed-API übergeben und das von der Veed-API erstellte Video herunterladen kann. Super. Ich möchte Mux als Speicherort für den Video-Upload verwenden. Und sobald das Video erstellt und von Veed/Fal heruntergeladen wurde, soll das Video aus Mux gelöscht werden. Super. Also, was ich jetzt mache: Wir haben die URL kopiert, also füge ich sie hier ein. Ich gebe „Veed-API-Dokumentation“ ein. Gehen wir zu Opus. Wir wechseln in den Planungsmodus und lassen das Programm seine Arbeit machen.
Cool. Next.js, Vite React, Express oder nur Vite React. Ich denke, wir könnten wahrscheinlich mit Vite und React auskommen, da ich nichts Besonderes vorhabe. Ich werde das nicht online stellen. Es wird dein ganz persönliches Tool sein. Also machen wir das so. Automatische Erkennung – es wird „Glass Preset“ angezeigt. Das ist in Ordnung. Sofort nach Abschluss des Downloads löschen: empfohlen. Ja, machen wir das so. Hier geht es darum, was mit dem Video passiert, das wir herunterladen. Mir reicht es, wenn es sofort heruntergeladen wird, und das sieht gut aus.
Okay, hier haben wir noch eine Reihe weiterer Fragen. Sowohl die Erstellung von Mux-Direkt-Uploads als auch das Löschen von Assets erfordern serverseitige API-Aufrufe mit geheimen Anmeldedaten. Eine reine, rein clientseitige Vite-App kann das nicht sicher bewerkstelligen. Wie sollen wir damit umgehen? [schnaubt] Ähm, ich meine, noch einmal: Wir werden das nicht live schalten. Es wird nur auf meinem Rechner laufen, aber halten wir uns trotzdem an die Empfehlung. Ich gehe das mal schnell durch, damit ich euch nicht langweile.
Ein neues Projekt und Vite, das Untertitel in ein Verzeichnis schreibt, eine kleine App erstellen, die ein kurzes Video hochlädt, es an das Untertitelmodell von Fal zur Einblendung von Untertiteln sendet und anschließend das Ergebnis herunterlädt. Mux wird als temporärer Upload-Bucket verwendet. Die Video-URL wird an Fal übergeben, und sobald der Auftrag abgeschlossen ist, wird das Mux-Asset gelöscht. Genau das wollen wir. Vite, React, TypeScript im Backend, ein winziger Express-Server, der Paketmanager „bun“ und externe Dienste. Das war’s. Ich denke, das ist so ziemlich alles, was wir dafür brauchen.
Wir werden den neuen Modus zur automatischen Annahme verwenden. Allerdings versuche ich, die von mir erteilten Berechtigungen klarer zu formulieren, anstatt in diesem Automatikmodus zusätzliche Tokens und zusätzliche Nutzungsrechte zu verwenden. Ich versuche einfach, die gewünschten Berechtigungen besser zu definieren, aber vorerst machen wir es so. Während das läuft, werde ich hier in Mux ein neues Projekt erstellen und mir ein Zugriffstoken holen. Ein Video reicht aus. Wenn wir also das „env“-Beispiel erstellen, fügen wir unsere Geheimnisse ein – natürlich Passwörter, die ihr auf keinen Fall weitergeben solltet. Auch das habe ich eingefügt. Und schon sind wir fertig. Also: kompiliert, typgeprüft und bereinigt. Die App ist bereit zur Ausführung. Um sie zu nutzen, gib Folgendes ein: `bun run dev`. Probieren wir es mal aus.
Ausgezeichnet. Okay, probieren wir es mal aus. Also, ich werde es ab jetzt so machen: Ich schneide das eigentliche Video und das Intro zusammen und füge daraus einen neuen zusammengesetzten Clip, damit ich ihn einfach anklicken und exportieren kann. Untertitel hinzufügen. Super. Untertitel-Video herunterladen. Mal sehen, was wir da haben.
„Warp, mein Lieblings-Terminal, und langsam wird es auch zu eurem Lieblings-Terminal. Unser Lieblings-Terminal ist nun Open Source, was wirklich spannend ist. Aber was bedeutet das? Es bedeutet tatsächlich eine ganze Reihe interessanter Dinge, die sich daraus ergeben haben.“
Das trifft es genau. Was jetzt wichtig ist: Wir sollten in Mux nichts sehen, was gut ist. Gibt es Protokolle? Da haben wir es. Es wurde also gelöscht. Wir werden also hoffentlich immer unseren kostenlosen Tarif behalten. Wenn wir hier noch einmal nachsehen, haben wir eine Reihe von Voreinstellungen, die wir hinzufügen können. Und wenn ich hierhin gehe, wähle ich „Neu“ und füge über das Dropdown-Menü weitere Voreinstellungen hinzu, die an Fal gesendet werden sollen. Was mich aber wirklich interessiert, sind die Anpassungsmöglichkeiten, die uns zur Verfügung stehen. Wenn ich also hier zum „Playground“ gehe, wollen wir versuchen, genau das nachzubilden, was wir zuvor hatten. Wenn ich also hier hineingehe, sollten wir die Schriftart finden, die wir verwenden – ich glaube, es ist eine Google-Schriftart. Lasst uns einfach das Styling anpassen, das an Veed gesendet werden soll, und zwar wie folgt. Ich ziehe das einfach als Standardwerte hinein. Mal sehen, wie das funktioniert.
Okay, also habe ich die Voreinstellungen schließlich entfernt, denn natürlich wird jedes einzelne Video, das wir hochladen, denselben Stil und auch sonst alles andere haben. Also werde ich es noch einmal versuchen.
„Warp, mein Lieblingsterminal …“
Also, jetzt wird unsere Schriftart verwendet. Die Farbe stimmt auch. Es sieht gut aus und alles läuft synchron. Das ist perfekt. Und gerade weil es so kinderleicht ist und mich nur zwei Sekunden gekostet hat, habe ich einfach ein schnelles Redesign vorgenommen und zeige euch, wie ich das gemacht habe. In Warp, wo ich Zugriff auf jeden beliebigen Agenten habe, habe ich buchstäblich nur gefragt: „Gestalte die App neu. Ändere nichts an der Struktur. Das ist eine rein visuelle Änderung.“ Denn ich habe festgestellt: Wenn man einen Agenten bittet, eine App neu zu gestalten, ändert er einfach die Struktur und fügt Funktionen hinzu, die vorher nicht da waren, und solche Dinge. Also habe ich es ganz klar gemacht: „Ändere nichts an der Struktur.“ Und es hat das umgesetzt und die App einfach ein bisschen schöner gemacht.
Das ist also das neue Design. Wie ihr sehen könnt, habe ich ein kleines Dropdown-Menü für Voreinstellungen hinzugefügt, da ich diese Funktion wahrscheinlich in einigen meiner verschiedenen Projekte verwenden werde und für jedes dieser Projekte eine eigene Voreinstellung haben werde. Das ist also eine nette kleine Änderung an der Benutzeroberfläche. Was ich mir wirklich wünschen würde, ist, dass ich tatsächlich ein Veed-Konto habe und wir unser eigenes Design erstellt haben. Wir haben hier unser eigenes Branding. Ich würde gerne auf meine Brand-Kits und solche Dinge zugreifen können. Zugriff auf das Veed-Konto oder zumindest die Möglichkeit, auf das hervorgehobene Wort zuzugreifen. Damit ich zum Beispiel festlegen kann, dass der Text weiß ist, das gesprochene Wort aber grün. Nun gibt es hier unten einige Einstellungen, die besagen, dass virale Wörter oder hervorgehobene Wörter markiert werden sollen. Ich habe das ausprobiert, aber es hat nicht funktioniert. Ich vermute, es werden automatisch bestimmte Wörter hervorgehoben und nicht jedes gesprochene Wort. Also, ja, ich denke, es ist wichtiger, dass wir das gesprochene Wort hervorheben, anstatt nur willkürliche „virale“ Wörter – was auch immer das bedeuten mag.
Was ich mir eigentlich wünsche, sind einfach ein paar Beispiele. Ich habe zum Beispiel eine Menge Credits verschwendet, nur um diese Basisvoreinstellungen durchzugehen, weil man im Grunde die Basisvoreinstellung festlegt und dann die Schriftart, die Farbe und verschiedene andere Dinge wie diese ändert. Ich würde es also toll finden, wenn ich mir diese einfach ansehen, eine Entscheidung treffen und sie ausprobieren könnte, bevor ich sie dann ändere. Wir werden also Folgendes versuchen: Ich habe hier eine Menge Credits vom Sponsor erhalten. Ich werde also eine Seite auf meiner Website erstellen, auf der tatsächlich alle verschiedenen Stile zu sehen sind, damit ihr eine fundierte Entscheidung treffen könnt, bevor ihr dann weitere Anpassungen hinzufügt. Die Links dazu findet ihr weiter unten.
Um nun auf die Preisgestaltung einzugehen: Diejenigen unter euch mit scharfem Blick haben das hier unten vielleicht schon bemerkt. Anfragen kosten also 10 Cent pro Minute, wobei für Auflösungen über 1080p ein zweifacher Multiplikator gilt. Wir arbeiten ohnehin nicht mit Auflösungen über 1080p, daher müssen wir uns darüber keine Gedanken machen. Also 10 Cent pro Videominute und ein 2-facher Multiplikator für dynamisches Styling. Ich vermute, dass es sich bei der dynamischen Gestaltung um diese hier hervorgehobenen Wörter handelt. Dazu kommt also ein 2-facher Multiplikator bei einer Mindestabrechnung von 1 Minute. Ich könnte mir also vorstellen, eine Reihe von Videos zu bündeln, da sie nur wenige Sekunden lang sind, mehrere Intros in einem Video zusammenzufassen, um möglichst genau diese Minutenblöcke zu erreichen, und das Ganze dann über diese Upload-Funktion hochzuladen.
So, das war’s dann. Vielen Dank an Veed für das Sponsoring dieses Videos. Es hat wirklich Spaß gemacht, ein Tool zu entwickeln. Ich finde, wir sollten das alle öfter machen. Mit KI ist es mittlerweile so einfach, ein eigenes Tool zu entwickeln. Ich finde die Veed-Untertitel-API einfach großartig. Das wird definitiv eine Menge Zeit sparen und für qualitativ bessere Videos sorgen, da wir wissen, dass die Untertitel genau im Takt der tatsächlich gesprochenen Worte laufen. Das ist Musik in meinen Ohren. Ich liebe es. Also noch einmal vielen Dank an Veed für das Sponsoring des Videos. Alle Links dazu findet ihr unten im Video. Likt und abonniert den Kanal, falls ihr das noch nicht getan habt. Bis zum nächsten Mal, bleibt am Ball.