SpeakerPy
SpeakerPy - это Python-библиотека для синтеза речи, основанная на моделях Silero Text-to-Speech.
Возможные сферы применения SpeakerPy
SpeakerPy предлагает ряд возможностей для синтеза речи, что делает его полезным инструментом для различных задач и сфер деятельности. Ниже приведены некоторые примеры областей, где может быть использовано приложение SpeakerPy:
-
Образование: SpeakerPy может использоваться для озвучивания учебных материалов, таких как лекции, статьи и книги, что поможет студентам и преподавателям легче воспринимать информацию и экономить время.
-
Аудиокниги: SpeakerPy может быть использован для создания аудиокниг из текстовых документов, что облегчит доступ к литературе для людей с ограниченными возможностями и тех, кто предпочитает слушать, а не читать.
-
Подкасты и радио: SpeakerPy можно использовать для создания подкастов и радиопередач на основе текстовых материалов, таких как новости, статьи или блоги.
-
Доступность: SpeakerPy может быть полезным для разработки приложений и веб-сайтов с функцией Text-to-Speech, что позволит сделать контент доступным для людей с нарушениями зрения или другими ограниченными возможностями.
-
Озвучивание видео: SpeakerPy можно использовать для автоматического озвучивания видеоматериалов, таких как презентации, обучающие видео или даже корпоративные ролики.
-
Иностранные языки: SpeakerPy может быть использован для озвучивания текстов на иностранных языках, что поможет изучающим язык лучше понять произношение и интонацию.
-
Навигационные системы: SpeakerPy можно применять в навигационных системах и голосовых помощниках для автоматического озвучивания маршрутов, инструкций и другой полезной информации.
-
Техническая поддержка: SpeakerPy может быть интегрирован в системы технической поддержки для автоматического озвучивания ответов на часто задаваемые вопросы или инструкций по решению проблем.
-
Маркетинг и реклама: SpeakerPy может быть использован для создания голосовых объявлений, промо-роликов и презентаций, что позволит сэкономить время и средства на озвучивание профессиональными дикторами.
-
Медицина: SpeakerPy может применяться для озвучивания медицинских текстов, инструкций по применению лекарств или результатов диагностики, что упростит восприятие информации для пациентов и медицинских специалистов.
-
Наука и исследования: SpeakerPy может использоваться для озвучивания научных статей, докладов и конференций, что облегчит доступ к информации для ученых и исследователей.
-
Кастомизация голосовых ассистентов: SpeakerPy может быть использован для кастомизации голоса виртуальных ассистентов, таких как Siri, Google Assistant или Alexa, что позволит пользователям выбирать голосовые опции, которые им больше нравятся.
-
Замена голоса: SpeakerPy может использоваться для смены голоса в существующих аудиозаписях, например для анонимизации подкастов или интервью.
-
Текстовые редакторы: SpeakerPy может быть интегрирован в текстовые редакторы для предоставления функции Text-to-Speech, что поможет авторам и редакторам проверять свои тексты на ошибки и стилистические неточности.
Эти примеры лишь часть возможностей применения SpeakerPy. Благодаря своей гибкости и мощным функциям, SpeakerPy может быть адаптирован для использования в самых разнообразных сферах и отраслях, где требуется синтезировать речь из текста. От маркетинга и рекламы до медицины и науки, SpeakerPy может стать полезным инструментом для разработчиков, специалистов по контенту и конечных пользователей.
В целом, возможности использования SpeakerPy ограничены лишь фантазией и потребностями конкретных пользователей или проектов. Благодаря своей универсальности и простоте использования, SpeakerPy может найти свое место в самых разных областях и помочь решать самые разнообразные задачи.
Особенности и преимущества SpeakerPy
- Транскрипция чисел и английских слов: SpeakerPy способен озвучивать числа и английские слова через транскрипцию.
- Синтез больших объемов текста: SpeakerPy может синтезировать большие объемы текста без проблем.
- Корректное деление текста на куски: благодаря использованию библиотеки nltk, SpeakerPy корректно делит большие тексты на предложения.
- Кеширование синтезированного текста: SpeakerPy синтезирует и хранит текст по кускам, что позволяет кешировать уже ранее синтезированный текст и избежать повторного синтезирования.
- Работа в автономном режиме: SpeakerPy синтезирует звук локально, без подключения к интернету, что позволяет использовать его в автономном режиме.
- Сохранение синтезированного текста в MP3: SpeakerPy предоставляет возможность сохранять синтезированный текст в формате MP3.
Установка
Системные требования
- 2 ГБ ОЗУ
Установка через pip
SpeakerPy можно установить с помощью pip:
pip install speakerpy
Установка и запуск через Docker
Скачать образ
docker pull xable/speakerpy
Собрать образ(весит 8.27GB):
make docker-build
Запустить образ:
make docker-run
Использование CLI
╰─➤ python -m speakerpy --help
usage: __main__.py [-h] -l {ru,en} -f FILE -t {mp3,speak} [-sr SAMPLE_RATE] [-s SPEED] [-n NAME_TEXT] [-a AUDIO_DIR]
🎙️ SpeakerPy: CLI для синтеза речи с использованием SpeakerPy 🎙️
options:
-h, --help show this help message and exit
-l {ru,en}, --language {ru,en}
Язык синтеза (ru | en)
-f FILE, --file FILE Путь к файлу с текстом для озвучивания
-t {mp3,speak}, --type_out {mp3,speak}
Каким образом вывести синтезированный текст (mp3 | speak)
-sr SAMPLE_RATE, --sample_rate SAMPLE_RATE
Частота дискретизации (по умолчанию: 48000)
-s SPEED, --speed SPEED
Скорость чтения (по умолчанию: 1.0)
-n NAME_TEXT, --name_text NAME_TEXT
Имя для текста, с таким именем сохранится итоговый mp3 файл (по умолчанию: имя файла с текстом)
-a AUDIO_DIR, --audio_dir AUDIO_DIR
Папка для сохранения готовых аудио файлов (по умолчанию: текущая папка)
Примеры использования:
python -m speakerpy -l ru -t speak -f ./books/example.txt;
python -m speakerpy -l ru -t mp3 -f ./books/example.txt;
python -m speakerpy -l en -t speak -f ./books/example.txt;
python -m speakerpy -l en -t mp3 -f ./books/example.txt;
Основные компоненты
Проект состоит из двух основных компонентов: Lib Speak и Lib SL Text.
Lib Speak
Lib Speak включает классы Speaker и SpeakerBase для синтеза речи с использованием моделей Silero. Основные методы класса Speaker:
speak: произнесение текста.to_mp3: конвертация текста в аудиофайл MP3.
Пример использования функции speak
from lib_speak import Speaker
from lib_sl_text import SeleroText
text = SeleroText("Пример текста для синтеза речи")
speaker = Speaker(model_id="ru_v3", language="ru", speaker="aidar", device="cpu")
speaker.speak(text=text, sample_rate=48000, speed=1.0)
Пример использования функции to_mp3
from lib_speak import Speaker
from lib_sl_text import SeleroText
text = SeleroText("Пример текста для синтеза речи")
speaker = Speaker(model_id="ru_v3", language="ru", speaker="aidar", device="cpu")
speaker.to_mp3(text=text, name_text="Текст", sample_rate=48000, audio_dir=pathlib.Path(__file__).parent.parent / "mp3", speed=1.0)
Lib SL Text
Lib SL Text содержит класс SeleroText для обработки текста перед синтезом речи. Основной метод класса SeleroText:
chunk: разделение текста на блоки.
Использование класса SeleroText
text = SeleroText("Привет, мир!", to_language="ru")
Разделение текста на куски с помощью метода chunk():
for chunk in text.chunk():
print(chunk)
Ресурсы и ссылки
Metadata
Release files for speakerpy 0.1.2
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | Provenance | Actions |
|---|---|---|---|---|
| speakerpy-0.1.2.tar.gz | 164.9 kB | Without provenance | Details for speakerpy-0.1.2.tar.gz |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Actions Reset |
|---|---|---|---|---|
| speakerpy-0.1.2-py3-none-any.whl | Python 3 | none | any | Details for speakerpy-0.1.2-py3-none-any.whl |
Total release size: 326.3 kB
Release files / speakerpy-0.1.2.tar.gz
| Download URL | speakerpy-0.1.2.tar.gz |
|---|---|
| Size | 164.9 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
e94ffcdb950be5d0a1516d250afb4aa3c0a02c2a22be346db3b3c2c08f753754
|
|
BLAKE2b-256 checksum How to use checksums |
22585f19b840e293ec306baeb79bed2282ccc7d35b320b3a7d4e5fc628c2bc21
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/1.4.1 CPython/3.11.0rc1 Linux/5.15.0-69-generic
|
Release files / speakerpy-0.1.2-py3-none-any.whl
| Download URL | speakerpy-0.1.2-py3-none-any.whl |
|---|---|
| Size | 161.4 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
26ad956a32886dce433bcbcdfaf050fd4ce7d419e497d5a13217a9374a4e9f01
|
|
BLAKE2b-256 checksum How to use checksums |
324b7961623fe8906b3e768e9843dc883054ab7bff88ffcb70252cbe763f88fd
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/1.4.1 CPython/3.11.0rc1 Linux/5.15.0-69-generic
|
Security for speakerpy 0.1.2
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
No provenance found
None of the files in this release were uploaded with provenance metadata.
A note on package security
PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.
To learn more about protecting yourself from malicious actors, visit our package security documentation.