Longan（ロンガン） - AI動画ナレーションジェネレーター

🌐 公式サイト: https://longan-ai.com/

🎉 完全無料のオープンソースソフトウェア（OSS）です！

PDFスライドを日本語音声付きの動画に変換するツールです。VOICEVOXを使用して、選択可能なキャラクターによる対話形式のナレーションを生成できます。

🌟 オープンソースだから実現できること

💰 完全無料

ソースコード公開 - GitHubで全てのコードを公開
商用利用可能 - 個人・法人問わず無料で利用可能
改変・再配布自由 - MITライセンスで自由に改変・配布できます
音声合成も無料 - VOICEVOXは無料で使える日本語音声合成エンジン
隠れたコストなし - サブスクリプションや追加料金は一切不要
利用制限なし - 機能制限や使用回数制限なし

🔍 完全な透明性

ソースコードを確認し、何が行われているか把握できます
セキュリティ監査や脆弱性チェックが可能
不正なデータ収集やバックドアの心配なし

🔒 データの完全管理

機密情報がクラウドに送信されることなく、自社サーバーで処理
社内ポリシーに完全準拠した運用が可能
GDPRやその他のプライバシー規制に対応

🛠️ カスタマイズ自由

自社の要件に合わせて機能追加・改変が可能
独自のワークフローやビジネスロジックの実装
既存システムとのシームレスな統合

※ AIによる対話生成機能を使用する場合のみ、各AIプロバイダーのAPIキーが必要です（OpenAI、Claude等） ※ LLM（大規模言語モデル）の使用料金は、各プロバイダーの従量課金に基づきユーザー負担となります

🎬 PDFから動画へ変換

📄 入力：PDFスライド

↓ Longanで変換 ↓

🎥 出力：ナレーション付き動画

🎙️ VOICEVOXキャラクターによる対話形式のナレーション
📽️ スライドと音声が同期した動画ファイル（MP4）
⏱️ 指定した目標時間に自動調整

🎬 デモ動画

クリックしてYouTubeでデモ動画を視聴

⚙️ キャラクター・会話形式の設定

VOICEVOXの18種類のキャラクターから選択でき、会話スタイルも自由にカスタマイズできます。

設定可能な項目

🎭 キャラクター選択: 四国めたん、ずんだもん、春日部つむぎなど18種類から選択
💬 会話スタイル: 友達風、ビジネスライク、ラジオ風、解説風など
⏱️ 目標時間: 動画の長さを分単位で指定

✏️ 対話スクリプトの編集

生成された対話内容は、WebアプリでAIに再生成を指示したり、手動で直接編集することができます。

編集機能

🤖 AI再生成: スライドごとに対話内容をAIに再生成させる
✍️ 手動編集: テキストエリアで直接対話内容を修正
🎭 スピーカー変更: 発言者（四国めたん/ずんだもん）を切り替え
🔄 リアルタイム反映: 編集内容が即座に動画生成に反映

ユースケース

🏢 コーポレート／サービス紹介動画

自社のビジネスモデルや新製品の魅力を、ナレーション付きの短い映像でわかりやすく伝えます。営業資料やウェブサイトへの組み込みで、訴求力がアップします。

📱 プロモーション＆キャンペーン動画

商品ローンチやセール情報を、TikTokやYouTube Shorts向けのショート動画として自動生成。縦型フォーマットにも対応し、SNSでの拡散を後押しします。

📊 財務レポート／マーケット分析の動画化

決算説明資料や市場調査レポートを、視覚的に訴えるアニメーション動画に変換。専門知識がない人にも要点が伝わりやすくなります。

🎓 社内研修・オンボーディング教材

マニュアルや研修スライドをベースにした解説動画を生成。新入社員向けやリモート研修での理解促進に役立ちます。

💻 技術勉強会のプレゼン動画

セミナー用スライドやハンドアウトの骨子を取りまとめ、ポイント解説付きの動画に。参加者への事前配布資料や復習コンテンツとして活用できます。

🔧 OSSハンズオンチュートリアル

オープンソースライブラリやツールのインストール手順から基本操作までを、実演イメージの動画でガイド。ドキュメントだけでは難しい操作感をサポートします。

📰 雑学・ニュースダイジェスト動画

気になるトピックや最新ニュースをサクッと解説。短い尺で要点をまとめたコンテンツを自動生成し、視聴者の興味を引きつけます。

特徴

📄 PDFページをスライド画像に変換
🎙️ VOICEVOXを使用した高品質な日本語音声合成（18種類のキャラクター）
💬 複数のAIプロバイダーによる自然な対話形式のナレーション自動生成
- OpenAI (GPT-4, GPT-3.5)
- Claude (Anthropic)
- Google Gemini
- AWS Bedrock
🎬 スライドと音声を同期した動画生成
✏️ Webアプリで対話内容を編集・再生成可能
⚙️ Web UIでのLLMプロバイダー設定とAPIキー管理

インストール

1. リポジトリのクローン

git clone https://github.com/Tdual/longan.git
cd longan

2. 起動（推奨：起動スクリプトを使用）

# 起動スクリプトを使用（.envファイルが自動的に作成されます）
./start.sh

# バックグラウンドで起動する場合
./start.sh -d

起動スクリプトは以下を自動的に行います：

.envファイルが存在しない場合、.env.exampleをコピーして作成
Docker Composeでサービスを起動

3. 手動での起動（代替方法）

# .envファイルを手動で作成
cp .env.example .env

# Docker Composeで起動
docker-compose up -d

Docker Compose設定の詳細

docker-compose.ymlでは以下の3つのサービスを定義しています：

1. voicevox サービス（音声合成エンジン）

voicevox:
  image: voicevox/voicevox_engine:cpu-ubuntu20.04-latest
  ports:
    - "50021:50021"

役割: 日本語テキストを音声に変換する音声合成エンジン
イメージ: VOICEVOXの公式DockerイメージのCPU版を使用
ポート: 50021番ポートでAPIを提供
特徴: GPU不要で動作し、18種類のキャラクターボイスが利用可能

2. api サービス（バックエンドAPI）

api:
  build:
    context: .
    dockerfile: Dockerfile.api
  ports:
    - "8002:8000"
  volumes:
    - ./uploads:/app/uploads
    - ./slides:/app/slides
    - ./audio:/app/audio
    - ./output:/app/output
    - ./data:/app/data
  environment:
    - VOICEVOX_URL=http://voicevox:50021
  depends_on:
    - voicevox

役割: PDFの処理、対話生成、音声生成、動画作成を行うAPIサーバー
ポート: ホストの8002番ポートをコンテナの8000番にマッピング
ボリューム:
- uploads: アップロードされたPDFファイル
- slides: PDFから変換されたスライド画像
- audio: 生成された音声ファイル
- output: 最終的な動画ファイル
- data: 対話スクリプトのJSONファイル
環境変数: VOICEVOXへの接続URLを設定（サービス間通信）
依存関係: voicevoxサービスが起動してから起動

3. frontend サービス（Webアプリ）

frontend:
  build:
    context: ./frontend
    dockerfile: Dockerfile
  ports:
    - "3000:3000"
  environment:
    - PUBLIC_API_URL=http://localhost:8002
  depends_on:
    - api

役割: ユーザーインターフェースを提供するWebアプリケーション
ポート: 3000番ポートでWebアプリにアクセス
環境変数: APIサーバーのURLを設定
依存関係: apiサービスが起動してから起動

ネットワーク設定

networks:
  default:
    name: app-network

全サービスが同一ネットワーク（app-network）に接続
サービス間はサービス名で通信可能（例：http://voicevox:50021）

これで以下のサービスが起動します：

Docker Composeの基本操作

# サービスの起動（バックグラウンド実行）
docker-compose up -d

# サービスの停止
docker-compose down

# サービスの再起動（コード変更を反映）
docker-compose restart api

# ログの確認
docker-compose logs -f api      # APIのログをリアルタイム表示
docker-compose logs frontend    # フロントエンドのログ表示
docker-compose logs voicevox    # VOICEVOXのログ表示

# コンテナの状態確認
docker-compose ps

# 再ビルド（Dockerfileを変更した場合）
docker-compose build --no-cache api
docker-compose up -d

# 完全なクリーンアップ（データも削除）
docker-compose down -v

4. ローカル環境での起動（代替方法）

Backend (API)の起動

cd api
pip install -r requirements.txt
uvicorn main:app --reload

Frontend (Webアプリ)の起動

cd frontend
npm install
npm run dev

VOICEVOXの起動

VOICEVOXを別途ダウンロードして起動してください。

使用方法

Webアプリでの使い方（推奨）

ブラウザで http://localhost:3000 にアクセス
初回起動時は設定画面（http://localhost:3000/settings）でLLMプロバイダーのAPIキーを設定
PDFファイルをアップロード
以下の設定を行う：
- 目安時間（分）
- スピーカー1（デフォルト：四国めたん）
- スピーカー2（デフォルト：ずんだもん）
- 会話スタイル（友達風、ビジネス風など）
「動画を生成」ボタンをクリック
生成された対話を確認・編集
動画をダウンロード

スクリプトでの使い方（上級者向け）

PDFファイルをuploads/ディレクトリに配置
VOICEVOXを起動（デフォルト: http://localhost:50021）
対話と音声を生成：
```
python scripts/generate_audio.py
```
動画を生成：
```
python scripts/create_video.py
```

必要な環境

Python 3.8+
VOICEVOX（音声合成エンジン）
OpenAI APIキー（対話生成用）
Node.js 18+（Webアプリ用）

推奨：Docker環境での実行

Dockerを使用すれば、VOICEVOXやNode.jsの環境構築が不要になります。詳細はREADME_DOCKER.mdを参照してください。

プロジェクト構成

longan/
├── api/                    # FastAPI Backend
│   ├── core/              # コア機能
│   │   ├── dialogue_generator.py    # GPT-4による対話生成
│   │   ├── dialogue_refiner.py      # 対話内容の調整
│   │   ├── audio_generator.py       # VOICEVOX音声生成
│   │   ├── video_creator.py         # 動画作成
│   │   └── pdf_processor.py         # PDF処理
│   └── main.py            # APIエンドポイント
├── frontend/              # SvelteKit Frontend
│   ├── src/              
│   │   └── routes/       # Webアプリ画面
│   └── package.json      
├── src/                   # 共通ライブラリ
│   ├── dialogue_video_creator.py    # 高品質動画作成
│   └── voicevox_generator.py        # VOICEVOX制御
├── docker-compose.yml     # Docker設定
├── uploads/              # アップロードされたPDF
├── output/               # 生成された動画
├── slides/               # 抽出されたスライド画像
└── audio/                # 生成された音声ファイル

API仕様

主要エンドポイント

ジョブ管理

POST /api/jobs/upload - PDFアップロードとジョブ作成
- Parameters: file, target_duration, speaker1_id, speaker2_id, conversation_style
GET /api/jobs/{job_id}/status - ジョブ進行状況確認
GET /api/jobs - 全ジョブリスト取得
DELETE /api/jobs/{job_id} - ジョブ削除

対話・動画生成

POST /api/jobs/{job_id}/generate-dialogue - 対話スクリプト生成
PUT /api/jobs/{job_id}/dialogue - 対話スクリプト編集
POST /api/jobs/{job_id}/generate-video - ワンクリック動画生成
GET /api/jobs/{job_id}/download - 完成動画ダウンロード

音声・スピーカー

GET /api/speakers - VOICEVOX話者一覧取得
POST /api/voice-sample - 音声サンプル生成

データ管理

GET /api/jobs/{job_id}/dialogue - 対話スクリプト取得
GET /api/jobs/{job_id}/dialogue/csv - CSV形式でダウンロード
POST /api/jobs/{job_id}/dialogue/csv - CSVからインポート
GET /api/jobs/{job_id}/slides - スライド画像リスト
GET /api/jobs/{job_id}/metadata - ジョブメタデータ

LLM設定

GET /api/settings/providers - LLMプロバイダー一覧と状態
POST /api/settings/provider - プロバイダー設定保存
DELETE /api/settings/provider/{provider} - プロバイダー削除
POST /api/settings/test-key - APIキー有効性テスト
PUT /api/settings - 全般設定更新

スクリプト機能

音声生成スクリプト

# 表現豊かな音声生成（抑揚1.2、フェードアウト付き）
python scripts/generate_audio.py

# カタカナ変換音声生成
python scripts/generate_katakana_audio.py

# シンプル音声生成
python scripts/generate_katakana_audio_simple.py

動画作成スクリプト

# 高品質動画作成（フェードアウト処理、最適化された間隔）
python scripts/create_video.py

# 改良版動画作成
python scripts/create_improved_video.py

# テスト動画作成
python scripts/create_katakana_test_video.py

ユーティリティスクリプト

# ファイル整理
python scripts/organize_files.py

VOICEVOX話者ID

2: 四国めたん（ノーマル）
3: ずんだもん（ノーマル）
8: 春日部つむぎ（ノーマル）
10: 波音リツ（ノーマル）
13: 青山龍星（ノーマル）
16: 九州そら（ノーマル）
20: もち子さん（ノーマル）

主な機能

対話生成機能

GPT-4を使用した自然な対話生成
スライドの重要度を自動判定し、時間配分を最適化
スライド間の文脈を保持した一貫性のある対話

音声品質

抑揚を1.2に設定して表現豊かな音声を実現
各音声の終わりに50msのフェードアウトを適用
話者間の間隔を0.8秒に最適化
キャラクターごとの話速調整

トラブルシューティング

NumPy互換性エラー

A module that was compiled using NumPy 1.x cannot be run in NumPy 2.0.2

解決策: NumPy 1.xにダウングレード

pip install "numpy<2"

動画が開けない（moov atom not found）

原因: NumPy 2.xとの互換性問題 解決策: NumPy 1.xを使用し、成功したコードを再実行

VOICEVOX接続エラー

確認事項:

VOICEVOXが起動していること
ポート50021でアクセス可能なこと
ファイアウォールでブロックされていないこと

出力

生成された動画ファイル（output/ディレクトリ）
スライド画像（slides/ディレクトリ）
音声ファイル（audio/ディレクトリ）

ライセンス

このプロジェクトはMITライセンスの下で公開されています。

VOICEVOX音声利用時の注意事項

生成された音声を使用する際は、以下の規約を遵守してください：

クレジット表記が必要です
- 動画や作品で音声を使用する場合、必ず「VOICEVOX:キャラクター名」の表記を行ってください
- 例：「VOICEVOX:ずんだもん」「VOICEVOX:四国めたん」
各キャラクターの利用規約を遵守してください
- キャラクターごとに個別の利用規約があります
- 公序良俗に反する利用は禁止されています
- 詳細は各キャラクターの公式ページをご確認ください

謝辞

VOICEVOX: 高品質な日本語音声合成エンジン
全てのOSSコミッター: このプロジェクトを支えるオープンソースライブラリの開発と維持に感謝

開発メンバー

プロダクトマネージャー：tdual(ティーデュアル)
開発者：Claude Code

連絡先

Email: tdualdir@gmail.com
X (Twitter): https://x.com/tdualdir

Name		Name	Last commit message	Last commit date
api		api
data		data
docker		docker
frontend		frontend
images		images
landing_page		landing_page
scripts		scripts
src		src
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
Dockerfile		Dockerfile
Dockerfile.api		Dockerfile.api
README.md		README.md
compare_db_levels.py		compare_db_levels.py
detailed_spectrum_analysis.py		detailed_spectrum_analysis.py
docker-compose.dev.yml		docker-compose.dev.yml
docker-compose.yml		docker-compose.yml
find_similar_patterns.py		find_similar_patterns.py
fix_beep_sound.py		fix_beep_sound.py
requirements.txt		requirements.txt
start.sh		start.sh
visualize_beep_20sec.py		visualize_beep_20sec.py
visualize_beep_analysis.py		visualize_beep_analysis.py
visualize_beep_analysis_jp.py		visualize_beep_analysis_jp.py

Latest commit

History

Folders and files

Repository files navigation