Текст в аудиокнигу: нейросеть, главы и проверка слухом
Текст в аудиокнигу нейросеть превращает через синтез речи. Покажу, как подготовить главы, проверить произношение и прослушать контрольный фрагмент.
М
Марина
Контент-маркетолог LibraChat
6 мин чтения
Одной минуты озвучки мне хватило бы, чтобы остановить сборку всей книги. Если голос неверно ставит ударение в имени главного героя, ошибка повторится сотни раз. Запрос «текст в аудиокнигу нейросеть» часто начинается с выбора голоса. Я начинаю с текста и контрольного отрывка. Нейросеть для синтеза речи произносит подготовленные строки; редактор решает, где глава заканчивается, что читать вслух и какие слова требуют подсказки.
Перед большим экспортом полезно выбрать одну контрольную страницу: имя героя, диалог и фразу со сложной пунктуацией. На ней слышно ошибки, которые невозможно поймать только взглядом на рукопись. Точки проверки ниже помогут исправить источник до озвучки следующих глав.
Как нейросеть превращает текст в аудиокнигу
Синтез речи принимает письменный фрагмент и создаёт звуковой файл. Например, документация SaluteSpeech описывает выбор голоса, текстовый ввод и настройки пауз и ударений; у сервиса есть приложение и API. У других инструментов набор настроек отличается, поэтому перед выбором проверь формат вывода, длину фрагмента, права на использование голоса и условия доступа. Я не обещаю конкретное число символов или бесплатных минут: такие лимиты меняются.
Рукопись, удобная для чтения глазами, не всегда удобна на слух. «Таблица 3», сноска, длинный адрес или ремарка в скобках могут звучать странно. На бумаге читатель вернётся к предыдущей строке. В записи ему придётся перематывать. Я заранее решаю, какие элементы прочитать, какие адаптировать и какие оставить в приложении к аудиокниге.
Элемент рукописи · Что проверить перед синтезом · Возможное решение
Заголовок главы — Не повторяется ли он в начале текста — Оставить один вариант
Сноска — Нужна ли для понимания сцены — Встроить короткое пояснение или вынести в примечания
Имя или термин — Верно ли ударение — Добавить произносительную подсказку в рабочую версию
Таблица — Можно ли понять её без взгляда — Пересказать один вывод словами
Таблица касается только подготовки текста. Финальную форму примечаний и приложений выбирает издатель или автор.
Что сделать до выбора голоса
Мой черновой пакет состоит из трёх файлов: исходная рукопись, версия для озвучки и список произношений. Исходник не трогаю. В озвучиваемой версии раскрываю сокращения, исправляю опечатки и убираю служебные пометки. В словаре записываю имена, географию и выдуманные слова с ударением. Для книги с несколькими героями отмечаю, где смена персонажа требует паузы, даже если в тексте всего один перенос строки.
Порядок подготовки такой:
Раздели текст по главам или сценам с ясными именами файлов.
Удали номера страниц, колонтитулы и редакторские комментарии из копии для синтеза.
Составь список слов, в которых голос может ошибиться.
Выбери фрагмент с диалогом, длинным предложением и редким именем для контрольного прослушивания.
Я бы не начинала с идеального первого абзаца. Он слишком лёгкий. Для пробной минуты беру кусок, где есть кавычки, два персонажа и пауза перед важным решением. Если он звучит внятно, обычное повествование, скорее всего, потребует меньше ручных исправлений. Это рабочая гипотеза, а не гарантия для всего текста.
Как слушать пробный фрагмент
Слушаю не в редакторе с открытой строкой, а без текста перед глазами. Так заметнее, где неясно, кто говорит и где заканчивается мысль. На втором проходе открываю исходник и отмечаю расхождения. Я не правлю паузы наугад в каждом предложении: слишком длинная тишина утомляет не меньше, чем монотонная скорость.
Проверяю четыре вещи:
Верно ли произнесены имена, числа и названия.
Понятно ли, кто говорит в диалоге.
Не превращается ли длинная фраза в один звуковой поток.
Совпадает ли конец аудиофайла с концом главы, без обрезанного слова.
Если инструмент поддерживает разметку пауз и ударений, использую её точечно. Документация SaluteSpeech, например, описывает SSML для пауз и акцентов. Но синтаксис конкретного сервиса нельзя без проверки переносить в другой. Иногда проще переписать предложение для слуха: два коротких предложения вместо одного с четырьмя придаточными.
После пробы я фиксирую настройки голоса и правила подготовки в короткой карточке проекта. Иначе на третьей главе легко забыть, какую скорость выбрала для первой, и запись начинает звучать неоднородно. В карточке остаются название голоса, версия текста, произносительный словарь и список замечаний после прослушивания. Если голос или сервис меняется, контрольный фрагмент делаю заново. Сравнивать две главы, собранные с разными настройками, уже поздно после публикации.
Файлы называю по порядку: номер главы, короткое название и версия. Это скучная часть, но она спасает, когда одну сцену приходится перезаписать. Я проверяю переход между соседними файлами: нет ли повторённого последнего абзаца, пропавшего заголовка или резкой смены громкости. Сама нейросеть отвечает за синтез отдельных фрагментов, а целостность аудиокниги появляется на этапе сборки и прослушивания. Именно поэтому пробную минуту недостаточно считать готовой книгой.
Если в сцене есть стихотворная строка или игра слов, я помечаю её отдельно. Автоматический голос может сделать паузу не там, где автор ожидал. Один ручной прослушанный отрывок покажет это лучше, чем настройка для всей главы.
Где пригодится LibraChat, а где нужен отдельный сервис
LibraChat может помочь подготовить текст: найти длинные предложения, предложить вариант, понятный на слух, или сделать план глав. Но я не обещаю здесь озвучку ответов и готовый аудиофайл из чата: в продуктовой справке подтверждён голосовой ввод, а не синтез ответа для аудиокниги. Звук создавай в специализированном инструменте синтеза речи и проверяй его по записи.
Для подготовки текста в чате LibraChat попробуй запрос: «Найди в этой главе фразы, которые трудно понять на слух. Не меняй факты и реплики героев. Для каждой предложи короткую версию и объясни, что потеряется». Проверь предложенные варианты на слух перед переносом в рукопись. Если прикладываешь файл, объём и форматы зависят от тарифа; сверяй текущие условия. О работе с замыслом до озвучки есть отдельный материал про нейросеть для книги.
Не загружай чужую неопубликованную рукопись без разрешения автора. Для распространения аудиоверсии заранее выясни, на каких условиях разрешено использовать исходный текст и выбранный голос. Это часть проекта, а не техническая настройка файла.
Открой чат и попробуй подготовить одну страницу для слуха. Затем озвучь её в выбранном сервисе и прослушай без подсказки текста. Если смысл сцены понятен и имена звучат верно, переходи к следующей главе; если нет, исправь источник до массовой генерации.
