Znacie może jakąś darmową aplikację online/offline do konwersji np. 100-400 stron (A4) w języku polskim na audio (w języku polskim)?
0
0
Ja nie znam, ale jakbym miał coś takiego zrobić to poszukałbym biblioteki do pdf w pythonie, odczytał tekst czy image jeśli image to OCR dodatkowo na nim i tak przejechał po całym pdf, strona po stronie.
Potem użył też w pythonie textToSpeech jakiś bibliotek lub modelu AI z hugging face np. microsoft/speecht5_tts lub jakiś inny.
Nie wygląda to na dużo pracy jeden wieczór raczej.
Pewnie będą jakieś problemy czy to z rozłożeniem tekstu, elementów, które nie powinny być czytane czy modele text to speech okażą się mieć słaby performance.
Potem zgrywasz do pliku wave lub jakiś libek użyjesz i z kompresją do mp3.
Prawdopodobnie chcesz zrobić audiobooka, to wypadało by, żeby jeszcze ten głos w miarę ogarniał interpunkcję i dobrze brzmiał, a może nawet emocje umiał okazywać.
Nie wiem na jakim poziomie są aktualne modele AI z tym, na testy nie było czasu.
W ogóle ostatnio i tak mi się nic nie chce, a chętnie bym sobie taki skrypt do generowania audiobooków napisał.
2
Jak kiedyś chciałem nagrywać tekst czytany przez systemowy syntezator mowy, używałem tego: https://www.cross-plus-a.com/pl/balabolka.htm
Na stronie piszą, że PDF czyta.
1
Spine napisał(a):
Jak kiedyś chciałem nagrywać tekst czytany przez systemowy syntezator mowy, używałem tego: https://www.cross-plus-a.com/pl/balabolka.htm
Na stronie piszą, że PDF czyta.
Dzieki dziala.
(Musialem sobie dodatkowo zainstalowac syntezatora mowy SAPI 5 dla jezyka polskiego https://www.zlotowicz.pl/synteza/ , bo z pozomu ustawien w windowsie nie mialego go dla jezyka polskiego i nie moglem go tez doinstalowac.)
1
Samemu zawsze korzystam z darmowego programu o nazwie BALBOLKA - on bardzo ładnie wszystko zapisze do plików audio. Ma także masę opcji. A korzystam z niego dość często. Ma wbudowane głosy też SAPI5 i 4. Można korzystać z systemowych lub dodać dodatkowe głosy.