しくみ
処理は、
この端末の中で。
画像や動画の読み込みからAIによる推定、書き出しまで、ブラウザー内で行います。素材のアップロードは不要です。
モデルや実行用ファイルは、必要に応じて配布元からブラウザーへダウンロードされます。
奥行きを、明るさに。
深度マップは、画面の近い・遠いを濃淡で表した画像。AI動画の参照や立体表現の素材に使えます。
動きを、点と線に。
ポーズは、肩や手足の関節位置。線画の画像・動画と、位置情報のJSONを書き出せます。
使っている技術
深度推定はDepth Anything V2をTransformers.jsとONNX Runtime Webで実行します。対応端末ではWebGPUを使い、利用できない場合はWebAssemblyへ切り替えます。ポーズ推定はMediaPipe、動画の読み書きはWebCodecsとMediabunnyを使っています。
変換はDedicated Workerで実行し、元ファイル・設定・処理済みの区間をIndexedDBに保存します。時間指定時の音声はPCMで切り出してAACに再エンコードするため、元音声と完全に同じデータにはなりません。途中状態はブラウザーの保存領域に依存します。
実測の距離や人物の本人特定を行うツールではありません。深度は画像から推定した相対的な奥行き、ポーズは関節位置です。
01 / サイズ
推論サイズと出力サイズ
「精細さ」は、推定に使うモデルと画像サイズを調整します。書き出す画像の大きさは別設定で、初期値では元画像の最大サイズを使います。出力上限を指定しても縦横比を保ち、元画像より大きくはしません。
02 / 動画
選んだ時間を、同じ尺で
動画は初期状態で全尺を使います。開始・終了を指定すると、その範囲の映像と音声を切り出し、出力は0秒から始まります。画像はPNG、動画はH.264のMP4で書き出します。対応状況はブラウザーと端末によって異なります。
03 / 音声
音声は初期設定で保持
音声は初期設定でオンです。時間範囲を指定した場合は映像と同じ範囲にそろえます。オフにもできます。ブラウザーで音声を維持できない場合は、音声なしの動画として黙って完了せず、エラーを表示します。
04 / バックグラウンド
途中から、再開できるように
変換は専用の処理ワーカーで進み、タブを隠した間も続く場合があります。ブラウザーやOSが処理を停止することはあるため、完了を保証するものではありません。保存済みの進捗があれば、再読み込み後に続きから再開できます。
05 / モデル
モデルと利用条件
- Depth Anything V2 Small
- 標準モデル · Apache-2.0
- Depth Anything V2 Base
- 高精細モデル · CC BY-NC 4.0（非商用）
ポーズ推定にはMediaPipe Poseを使用します。人物の関節位置を推定し、輪郭線・関節の大きさや人数の上限を調整できます。
ライセンスはモデルごとに異なります。利用前に各条件をご確認ください。
第三者ライブラリ・モデルの通知を読む06 / プライバシー
アカウントも、アップロードも不要
推論サーバー、アカウント、クラウド履歴、解析用トラッキングは使いません。選択したメディアと変換の進捗はこの端末で扱います。