Japán szöveg felolvastatása AI-jal
Az AI felolvassa a beírt japán szöveget, és hangfájlként mentheti. Az Irodori-TTS beszédszintetizáló AI a böngészőben fut, így a szöveg soha nem kerül sehová. Nem kell alkalmazást telepíteni, és nem kell regisztrálni. Használjon Chrome-ot vagy Edge-et GPU-val (WebGPU) rendelkező számítógépen.
Ez az eszköz japán szöveg felolvasására készült. Más nyelvű szöveget nem olvas fel helyesen.
Ha a számokat számjegyekkel írja, például „10部”, kevesebb lesz a félreolvasás. A félreolvasott szavak felvehetők a „Kiejtési szótár” listájába.
Az AI-segítség is a böngészőben fut, és a szöveg és a kérése soha nem kerül sehová.
Hang és minőség
Ha üresen hagyja, a szöveghez illő hangleírás készül.
A szótár ebben a böngészőben tárolódik, és soha nem kerül sehová. Felolvasás előtt a szövegben lévő szavak a szótárban megadott olvasatukra cserélődnek.
Kimeneti beállítások
Ebben a böngészőben tárolt AI-modellek
Használat
- 1
Szöveg megadása
Írja be vagy illessze be a felolvasandó japán szöveget. Ha a számokat számjegyekkel írja (például „10部”), kevesebb lesz a félreolvasás. Egy emojigomb megnyomásával érzelmet vagy beszédstílust szúrhat be a kurzor helyére.
- 2
Hang és minőség kiválasztása
Válasszon hangot a listából, vagy válassza a „Saját hangleírás megadása” lehetőséget, és írja le japánul. Az alapértelmezett minőség a „Normál”.
- 3
Felolvasás és mentés
Nyomja meg a „Felolvasás” gombot. Az első futtatáskor letöltődik az AI-modell (kb. 1,7 GB). A félreolvasott részeket az „Újragenerálás” gombbal készítheti el újra, majd a „Mentés” gombbal hangfájlt kap.
Hogyan működik, és hogyan állíthatja be a hangot és az érzelmet?
Válasszon hangot a listából, vagy írjon le egyet japánul a „Hangleírás” mezőben, például „落ち着いた低めの声の男性” (nyugodt, mélyebb hangú férfi). A szövegben lévő emojik az adott ponton megszabják az érzelmet vagy a beszédstílust (suttogás, szünet, nevetés stb.). A hosszú szöveg részekre bontva, sorban készül el, és a többi rész az első rész hangjához igazodik, így végig ugyanaz a hang olvassa fel. Az AI az Irodori-TTS beszédszintetizáló modell (MIT-licenc). Az AI-modell (kb. 1,7 GB) csak az első alkalommal töltődik le a Hugging Face-ről, és a későbbi használatra az eszközén tárolódik.
Az elkészült hangot szabadon felhasználhatja. Forrásmegjelölés nem szükséges. Tilos valós személy megszemélyesítésére, vagy annak elhitetésére használni, hogy egy valós személy mondott valamit. Mivel az AI minden alkalommal újonnan hozza létre a hangot, előfordulhat, hogy véletlenül egy valós személyéhez hasonlít.
Az eszköz műszaki adatai
- Bemenet
- Japán szöveg
- Kimenet
- MP3, M4A, WAV, OPUS
- Korlátok
- Nincs karakterkorlát. Kimenet: fájlonként legfeljebb 1 GB
- Ingyenes, regisztráció és telepítendő alkalmazás nélkül
- A szöveg soha nem töltődik fel (feldolgozás a böngészőben)
Gyakori kérdések
Elküldik a szövegemet egy szerverre?
Nem. A szövegfelolvasás az eszköze böngészőjében fut, és a beírt szöveg, a hangleírás és a kiejtési szótár soha nem kerül sehová. Az AI-modell az első alkalommal töltődik le a Hugging Face-ről, és a böngészőben tárolódik. Nincs szükség regisztrációra. A hibák javításához használt feldolgozási statisztikák (az eszköz jellemzői, a karakterek és mondatok hozzávetőleges száma, a hibák típusa stb.; soha nem maga a szöveg vagy a hangleírás) eljutnak az oldal szerverére, ezt az oldal alján, „A szolgáltatás fejlesztésének támogatása” alatti kapcsolóval kikapcsolhatja.
Működik iPhone-on vagy más telefonokon?
Nem, iPhone-on, iPaden, valamint androidos telefonokon és táblagépeken nem működik. Betöltés után a felolvasó AI kb. 3 GB memóriát használ a számításaihoz. iPhone-on és iPaden az operációs rendszer korlátozza, mennyi memóriát használhat egyetlen oldal, és a kipróbált iPhone 15 Pro Max-on (8 GB memória) az oldal az AI-modell letöltése után túllépte ezt a korlátot, és automatikusan újratöltődött, mielőtt bármilyen beszéd elkészült volna. Androidon is azt mutatják az oldal feldolgozási statisztikái, hogy a legtöbb eszköz a letöltés után leállt, mert nem tudott elég GPU-memóriát lefoglalni. Hogy a kb. 1,7 GB-os letöltés ne vesszen kárba, ezeken az eszközökön a felolvasás már a letöltés megkezdése előtt leáll. Használjon Chrome-ot vagy Edge-et GPU-val (WebGPU) rendelkező számítógépen. Macen Safariban is fut, de menet közben leállhat.
Tud hangot klónozni (lemásolni a saját hangomat vagy egy kedvelt hangot)?
Nem. Hogy ne lehessen felhasználni valakinek a hangja engedély nélküli lemásolására vagy valós személy megszemélyesítésére, szándékosan kihagytunk minden olyan funkciót, amely felvételt vagy hangfájlt tölt be egy hang utánzásához (hangklónozás). A hangot írásos „Hangleírás” megadásával határozza meg. A kedvelt hangot a „Hang mentése” gombbal mentheti ebben a böngészőben, és bármilyen szöveget felolvastathat vele ugyanazon a hangon. Ha egy mentett hangot fájlba exportál, csak az kerül bele, hogyan készült a hang. Importáláskor az eszköz ebből hozza létre újra a hangot, így felvételből készült hang nem hozható be.
Fel tud olvasni hosszú szöveget?
Igen. A szöveg a mondathatároknál részekre bomlik, sorban felolvasódik, és rövid szünetekkel egyetlen hangfájlba fűződik. Nincs karakterkorlát. Egy kipróbált számítógépen (egy Ryzen 7 8745H integrált GPU-ja) a „Normál” beállítás kb. 30 másodperc alatt készít 1 percnyi hangot. A „Kiváló minőség” kb. hatszor annyi ideig tart.
A szolgáltatás fejlesztésének támogatása
Ha egy konvertálás vagy tömörítés nem sikerül, a körülmények elküldésével segít felderíteni az okát. Ha tudjuk, mely eszközökön és formátumokkal fordul elő leggyakrabban hiba, és mennyi ideig tart a feldolgozás, felülvizsgálhatjuk a támogatott formátumokat, és kijavíthatjuk a mögöttük álló hibákat. Ha nem bánja, sokat segít, ha bekapcsolva hagyja.
Mit küldünk el?
- A használt eszköz és a választott beállítások (kimeneti formátum, minőség stb.)
- Az eszköz jellemzői (GPU, memória, magok száma)
- A bemeneti formátum a hozzávetőleges méretével
- Hány fájl feldolgozása sikerült vagy hiúsult meg, és mennyi ideig tartott
- Hiba esetén a hiba típusa és részletei
Mit nem küldünk el soha?
- Magukat a fájlokat és a fájlneveket
- A felolvasandó szöveget, a hangleírásokat, a kiejtési szótárat és a mentett hangokat
- Az IP-címeket
Az adatok csak az oldal saját szerverére jutnak, soha nem kerülnek külső szolgáltatáshoz.
A teljes listát, az egyes eszközök által küldött részletekkel együtt, az adatvédelmi irányelvek „Feldolgozási statisztikák” részében találja.
Az ezen eszköz által küldött részletek (csak darabszámok, idők, típusok és igen/nem értékek)
A „Mit küldünk el?” részben felsoroltakon kívül ez az eszköz a következő részleteket is elküldi.
- Szövegfelolvasás
- A karakterek és mondatok hozzávetőleges száma, hány részben készült el a szöveg, mennyi ideig tartott az AI-modell betöltése, és hogy a GPU-t menet közben újra elő kellett-e készíteni.