AudioGenerator

Озвучка русских и иностранных текстов через платформу OpenAI.

Скрипт пакетно озвучивает все текстовые файлы (.txt/.md) из каталога texts/ голосами OpenAI TTS и сохраняет результаты в audio/. Поддерживаются форматы вывода wav/mp3/flac/aac/opus/pcm.

Основа — модель gpt-4o-mini-tts. Стиль озвучки задаётся через «паспорт» диктора (passport), а список голосов — в voices.

Требования

• Python 3.10+
• Библиотека openai (официальный SDK)
• Учётная запись OpenAI и API-ключ

Установка зависимостей:

pip install --upgrade openai

Быстрый старт

1. Создайте структуру каталогов и поместите тексты:

project/
  TextToSpeech.py          # ваш скрипт
  texts/                   # сюда кладём .txt / .md
    01_euclid.txt
    02_archimedes.md
  audio/                   # создаётся автоматически

2. Установите API-ключ (рекомендуется через переменную окружения):

• macOS / Linux:

  export OPENAI_API_KEY="sk-...your_key..."

• Windows PowerShell:

  $env:OPENAI_API_KEY="sk-...your_key..."

3. Запустите:

python TextToSpeech.py

Готовые файлы окажутся в audio/ с именами вида:

audio/01_euclid_ballad.flac
audio/01_euclid_marin.flac

Настройка

Выбор голосов

В коде задайте массив:

voices = ["ballad", "marin"]  # можно: coral, verse, sage, alloy, echo, shimmer, ash

Примечание: marin на некоторых аккаунтах доступен только через Realtime API. Если получите ошибку «unsupported voice», исключите marin из списка или используйте другой голос.

Формат вывода

fileFormat = "flac"  # варианты: "wav", "mp3", "flac", "aac", "opus", "pcm"

• Максимальная совместимость для «проиграть везде» — wav.
• Для публикации/хранения — mp3 или flac.

«Паспорт» диктора (инструкции к интонации)

Правьте строку passport под нужный стиль. Рекомендации:

• Чётко формулируйте темп, паузы и манеру (академичная, тёплая, нейтральная).
• Для сложных фамилий ставьте ударения: Архиме́д, Пифаго́р, Пуа́нкаре́.
• Для терминов используйте короткие паузы и разметку текстом (многоточия, перенос строки перед определением).

Параллелизм

CONCURRENCY = 5

Если ловите рейт-лимиты или 429 — уменьшите значение. Если всё стабильно — можно аккуратно увеличить.

Отбор файлов

Скрипт берёт все .txt и .md из texts/ (без вложенных папок), сортирует по имени. Кодировка входа — UTF-8.

Советы по качеству озвучки

• Длинные тексты лучше разбивать на абзацы. В текущей версии скрипт читает файл целиком; если планируете длинные лекции, подумайте о разбиении на части и склейке с «тишиной» (например, 300–700 мс) между блоками.
• Сложные имена и иностранные слова: заранее помечайте ударения и пишите «как читается» в скобках при первом употреблении.
• Финальный звук: для публикаций можно слегка обработать файл (EQ, де-эссер, нормализация). Это делается уже вне скрипта отдельными скриптами, либо на монтаже.

Типовые ошибки и их причины

• 401 Unauthorized: неверный или отсутствующий OPENAI_API_KEY.
• 400 Bad Request / unsupported voice: выбранный voice не поддерживается вашей моделью/аккаунтом — замените голос.
• 429 Rate Limit: уменьшите CONCURRENCY, добавьте повтор с задержкой.
• «Белый шум» при проигрывании: как правило, связано со стримингом MP3 как PCM. Лучше сохранять в файлы — просто откройте итоговый wav/mp3/flac в нормальном плеере. Для стриминга в память используйте wav/pcm.

Правовой раздел (кратко)

• Вы владеете выходным контентом (озвучкой), при условии соблюдения правил OpenAI и законов юрисдикции вашей страны.
• Нельзя имитировать реальных людей без согласия; избегайте вводящего в заблуждение использования голоса.
• Проверьте авторские права на исходные тексты, если это не ваши материалы.

FAQ

Как выбрать голос под материал?

• Исторический нарратив, биографии — marin (жен) или ballad (муж).
• Объяснения/доказательства — verse.
• Промо/тизеры — coral.

Почему именно flac по умолчанию?

Сжимается без потерь (архив качества). Если нужна максимальная совместимость — поставьте wav или добавьте конверсию в mp3.

Можно ли читать не только .txt и .md? Да, расширьте фильтр в функции CollectInputFiles и добавьте парсинг нужных форматов (например, .rst).

Доработки (идеи)

• Авторазбиение длинных файлов на части и склейка с точными паузами.
• Словарь ударений для фамилий/терминов (автоподстановка а́кутов).
• Маппинг голоса по префиксу файла: bio_* -> marin, theorem_* -> verse, promo_* -> coral.

---

Запуск из Docker (опционально)

Создайте простой Dockerfile на базе python:3.11-slim, установите openai, скопируйте проект и передайте OPENAI_API_KEY через --env/.env. Это удобно для CI/CD.