ゲームの動画を入れたらボイボが実況をつけてくれるプログラム、割と形になってきたんでこっちにも投稿。
動画読み込んで、スクリーンショット取得してGPT4Vに渡して、実況考えてもらって、VOICEVOXで声にして、字幕と立ち絵つけて動画出力、まで一気にやってます。
試験的に途中3か所程スタッフからの指示として「ここでボケて」みたいなのを入れてみたんだけどけっこういい感じ。どこかわかるかな。
バリエーション増やしてランダムで挟まるようにしたら単調さが減りそうなので、次はそこらへん作りこもうかなと思ってます。

コード：https://github.com/iganaki/AICommentaryVision

VOICEVOX：四国めたん、WhiteCUL