Как сделать аудиокнигу голосом нейросети
Диктор-нейросеть позволяет превратить рукопись в аудиокнигу без студии: один и тот же голос на всю книгу, любая глава переозвучивается за минуты, если текст изменился. Сложность не в голосе, а в процессе: подготовить текст, сохранить единообразие глав и выгрузить файлы, которые примут магазин или плеер.
В этом руководстве — весь процесс с каталогом SuperClonica и бесплатным движком SuperClonica, который озвучивает длинные тексты офлайн на обычном компьютере.
Выберите диктора, которого можно слушать часами
Для долгого прослушивания нужен спокойный ровный голос — рассказчик или разговорный мужской или женский голос, а не персонаж. Проверьте фрагменты своей книги на странице каждого кандидата (от 30 до 100 символов за пробу) и выберите тот, что приятно звучит и на десятой фразе.
Подготовьте текст
Для аудиокниги чистый текст важнее, чем для чего-либо ещё: слушатель не может вернуться взглядом и посмотреть, что это было за слово.
- Разбейте книгу на главы — по одному файлу .txt на главу.
- Уберите номера страниц, колонтитулы, сноски и переносы из вёрстки.
- Необычные имена, числа и сокращения пишите так, как их нужно прочитать, и ведите список, чтобы во всех главах было одинаково.
- Используйте пунктуацию для ритма: абзацы и точки дают диктору передохнуть; ставьте ё.
Озвучьте главы офлайн
Купите голос один раз, скачайте его файл и поставьте бесплатный движок SuperClonica: python -m pip install superclonica-cpu. Затем озвучьте каждую главу одной командой, например superclonica --text "$(cat chapter01.txt)" --voice narrator.json --lang ru --output chapter01.wav. Движок делит длинный текст по естественным паузам и склеивает его в один файл на главу; каждая глава начинается с того же тембра, поэтому диктор звучит одинаково всю книгу.
По нашей оценке, на настольном 8-ядерном процессоре движок озвучивает в 6,4–9,7 раза быстрее реального времени: час звучания — примерно 6–10 минут, без видеокарты.
Прослушайте, исправьте, переозвучьте
Прослушайте каждую главу на обычной скорости с текстом перед глазами. Если слово прочитано неверно, измените его написание в тексте и переозвучьте только эту главу: это минуты, а не новая сессия в студии.
Экспорт для плееров и магазинов
Движок записывает файлы WAV. Конвертируйте их любым аудиоинструментом, например ffmpeg, в MP3 или в аудиокнигу M4B с главами и выровняйте громкость под требования магазина. Перед публикацией проверьте правила магазина об озвучке нейросетью и убедитесь, что у вас есть права на текст и голос.