Gemini TTS (немесе Gemini Parrot TTS) - Қарапайым мәтіннен сөйлеуге айналдыру кітапханасы

Бұл кітапхана Google Gemini API арқылы мәтінді сөйлеуге айналдыруға арналған креативті шешім. Ол Gemini моделін тек берілген мәтінді қайталауға ("тотықұс" режимі) бағыттауға тырысады, бірақ модельдің сұхбаттасуға бейімділігіне байланысты бұл әрдайым толық орындалмауы мүмкін.

Орнату (Installation)

Pip арқылы орнату (болашақта)

# Негізгі функционалдылық
pip install gemini-tts

# Аудио ойнату қолдауымен (ұсынылады)
pip install gemini-tts[audio]

Кодтан орнату

git clone https://github.com/dauitsuragan002/gemini-tts.git
cd gemini-tts
pip install -e .
# Аудио ойнату үшін
pip install -e .[audio]

Қажетті компоненттер

• Python 3.7+
• websockets
• wave
• pygame (опционалды, аудио ойнату үшін)

Қолдану (Usage)

1. Класс арқылы қолдану (ұсынылған әдіс)

from gemini_tts import GeminiTTS

# Клиент жасау
client = GeminiTTS(api_key="your_api_key_here", default_voice="Puck")

# Сөйлеуге айналдыру және аудио файлын сақтау
client.say("Бұл класс арқылы жасалған мысал")

# Дауыс түрін өзгерту
client.say("Бұл басқа дауыс", voice="Kore")

# Аудионы ойнатпау
client.say("Тек файлға сақтау", play_audio=False)

3. Аудионы тікелей ойнату

from gemini_tts import GeminiTTS

client = GeminiTTS(api_key="your_api_key_here")

# Мәтінді сөйлеуге айналдыру және бірден ойнату
client.say("Бұл дыбыс автоматты түрде ойнатылады", play_audio=True)

4. Синхронды түрде файл генерациялау (ойнатпау)

from gemini_tts import GeminiTTS

client = GeminiTTS(api_key="your_api_key_here")

# Мәтінді сөйлеуге айналдыру, бірақ ойнатпау
file_path = client.text_to_speech("Бұл тек файлға сақталады", output_file="sync_output.wav")
print(f"Аудио файл синхронды түрде сақталды: {file_path}")

Ескерту: Gemini TTS (кейде "Gemini Parrot TTS" деп те атауға болады) арқылы төмендегі дауыстар әрдайым дәлме-дәл дыбысталмауы мүмкін. Себебі, бұл кітапхана Gemini моделін тек мәтінді қайталауға ("тотықұс" режимі) "мәжбүрлеуге" тырысады, бірақ модель кейде бәрібір сұхбаттасуға көшіп, енгізілген мәтінге жауап беруі ықтимал. Бұл – осы креативті әдістің белгілі бір шектеуі.

Толық мысалдар

• example.py - негізгі функцияларды көрсетеді
• /voice_example - әр түрлі дауыспен аудиоға түрлендірген аудиолар

Дауыс түрлері

Gemini API ұсынатын кейбір дауыс түрлері:

• Ерлер дауыстары:
  • Charon (жуан)
  • Puck
  • Fenrir
• Әйелдер дауыстары:
  • Kore
  • Aoede

Нұсқа тарихы

v0.1.1

• Тікелей аудио ойнату қосылды
• Дауыс параметрлерін оңтайландыру (жуан ерлер дауыстары үшін)
• Дауыстарды категориялар бойынша ұйымдастыру
• Тотықұс ЖИ

v0.1.0

• Алғашқы нұсқа

Авторлар

• Әзірлеуші: David Suragan
• AI көмекші: Claude (Anthropic)

Алғыс білдіру

Бұл жоба agituts/gemini-2-tts репозиторийінен шабыт алды. Осы жобаның авторына шексіз алғысымызды білдіреміз.

Лицензия

MIT