Kokoro-82M modeliyle e-kitapları sesli kitaba dönüştürme

• Kokoro v0.19, kısa süre önce duyurulan bir metinden konuşmaya dönüştürme modeli; 82M parametreye sahip ve çok yüksek kaliteli çıktı sunuyor
  • Apache lisanslıdır ve 100 saatten az ses verisiyle eğitilmiştir
  • Amerikan İngilizcesi, Britanya İngilizcesi, Fransızca, Korece, Japonca ve Çinceyi destekler; ayrıca çeşitli yüksek kaliteli sesler sunar

• Kokoro'nun kullanımı

  • Kullanıcılar, e-kitapları sesli kitaba dönüştürebilen Audiblez adlı araç üzerinden Kokoro'yu kullanabilir.
  • Audiblez, .epub dosyalarını ayrıştırarak kitabın ana metnini iyi kaydedilmiş ses dosyalarına dönüştürür.
  • Örneğin, M2 MacBook Pro üzerinde yaklaşık 100.000 kelimelik bir kitabı dönüştürmek yaklaşık 2 saat sürer.

• Kurulum ve çalıştırma yöntemi

  • Audiblez, Python 3 yüklü bir bilgisayarda pip üzerinden kurulabilir.
  • Python 3.13'te çalışmaz.
  • Yaklaşık 360MB ek dosya indirilmelidir.
  • Bir .epub dosyasını sesli kitaba dönüştürmek için bir komut çalıştırılmalıdır.

• Desteklenen diller ve sesler

  • -l seçeneğiyle dil belirtilebilir; desteklenen dil kodları en-us, en-gb, fr-fr, ja, ko ve cmn'dir.
  • -v seçeneğiyle ses seçilebilir ve çeşitli sesler sunulur.

• Bölüm algılama

  • Bölüm algılama biraz kararsız olsa da çoğu .epub dosyasında temel bölümleri bulabilir.
  • İlgilendiğiniz bölüm dahil edilmezse, koddaki is_chapter işlevini ayarlamayı deneyebilirsiniz.

• Kaynak kodu ve iyileştirmeler

  • Audiblez projesine GitHub üzerinden ulaşılabilir.
  • Gelecekteki iyileştirmeler arasında daha iyi bölüm algılama, bölüm gezintisi ekleme ve görseller için anlatım ekleme yer alır.

[crawler]

Bundan daha büyük ve daha iyi modeller de var, ama kullanım amacının farklı olduğunu düşünmek lazım.
Kokoro küçük olduğu için hızlı ve kalitesi de fena değil; bu açıdan oldukça iyi tepki alıyor.

[munggo]

Korece sürüm Rusça gibi geliyor. Dinlenemeyecek düzeyde.

[GN⁺]

Hacker News görüşleri

• Sesli kitap anlatıcısı metni iyi yorumladığında bazen bunu hissedebiliyorum; bu yüzden yapay zeka seslerinin kullanımına karşı karışık duygularım var

  • Birden fazla anlatıcının ve her karakter için farklı seslerin olduğu sesli kitaplar özel bir deneyim sunuyor
  • Bazen diyalog sırasında kimin konuştuğunu anlamanın tek ipucu ses tonundaki değişim oluyor
  • Amatör e-kitaplar veya Project Gutenberg gibi kamu malı sesli kitaplar yerine yapay zeka seslerini tercih ediyorum

• Yapay zeka tarafından üretilen sesleri 1 dakikadan fazla dinlemek zor; YouTube'da yapay zeka sesi duyunca hemen geçiyorum

  • Bunun nedeni beynimizin konuşmacının duygusunu, duraklamalarını, görünmeyen gülümsemesini vb. algılamaya çalışması olabilir
  • Modeller gelişecek ve yapay zeka tarafından üretilen sesi ayırt etmek zorlaşacak

• Özel sesle TTS üretimi için açık kaynak seçenek önerileri isteniyor

  • Coqui TTS denenecek

• Metin ile ses arasında tek tuşla geçiş yapabilen bir e-kitap okuyucu isteniyor

  • Kanepede kitap okurken bulaşık yıkamaya geçince ses moduna geçebilme fikri hayal ediliyor

• Belirli bir sesli kitap anlatıcısının sesiyle e-kitabı sesli kitaba dönüştürme fikri var

  • Infinite Conversation projesinden ilham alınmış, ancak henüz hayata geçirilememiş

• Çeşitli TTS modelleri denendi, ancak çoğu vasattı, Mac'te çalışmıyordu ya da çok yavaştı

  • Bu model hızlı, kurulumu kolay ve yeterince iyi bir ses sunuyor
  • Sesli kitap sürümü olmayan kitaplar okunmuyor
  • Geçmişte elevenlabs kullanıldı, ancak kişisel kullanım için pahalı

• 2025'te sinir ağları kullanılarak arka plan müziği, ses efektleri ve dramatik anlatımı olan sesli kitaplar üretilebilecek

• "kokoro" Japoncada "kalp" anlamına geliyor

• Calibre e-kitap yönetim yazılımına bir eklenti eklenip epub kütüphanesindeki seçili başlıkların kolayca sesli sürüme dönüştürülebilmesi isteniyor

• Değişken hız argümanının eklenmesinden büyük memnuniyet duyuluyor