Nyissa meg a fenti szerkesztőt, kattintson az eszköztáron a Fájl gombra, töltse fel a PDF-et — és másodperceken belül megkapja a természetes hangzású MP3-at. Tudományos cikkek, e-könyvek, hosszabb riportok, vállalati jelentések: a SpeechGen bármelyik szöveges PDF-et fel tudja olvasni 146 nyelven, ugyanazzal a motorral, amely az 5000+ beépített hangunkat is működteti. Nincs telepítendő szoftver, és az első 3000 karakterhez regisztráció sem kell.
A böngészőben fut, semmit sem kell letölteni. A rövidebb dokumentumok másodpercek alatt elkészülnek, egész könyvek néhány perc alatt.
A fenti szerkesztőben kattintson az eszköztár Fájl gombjára, és válassza ki a PDF-et. A motor a szöveges dokumentumokat olvassa — vagyis mindent, amit Wordből, LaTeX-ből, InDesignból vagy böngészőből exportáltak.
Több mint 5000 hang közül választhat 146 nyelven. A tempó és a hangmagasság szabályozható, és külön akcentust is kijelölhet előre. Hallgasson bele egy mintába, mielőtt dönt.
Rövidebb dokumentumok esetén a hang kevesebb mint egy perc alatt elkészül, egész könyveknél néhány perc kell hozzá. Közvetlenül a fiókjában is meghallgathatja, vagy letöltheti MP3-ként.
Négy tipikus eset, amelyet nap mint nap látunk. Koppintson egy kártyára a meghallgatáshoz — ugyanaz a motor, az Ön fájlja pedig egyenesen a fenti szerkesztőbe kerül.
Tizenkét oldalas IEEE-cikkek, doktori disszertáció-vázlatok, arXiv-ról letöltött előadásjegyzetek — útközben hallgathatók ahelyett, hogy képernyőn pásztázná őket. A többhasábos elrendezést és a lábjegyzeteket a felolvasás előtt automatikusan kisimítja a rendszer.
Teljes könyv-PDF-ek bármilyen nyelven — magyar memoárok, spanyol thrillerek, angol szépirodalom. A narrátorhang több száz oldalon át egységes marad, a tizenkettedik fejezetben sincs minőségromlás.
Negyedéves beszámolók, piackutatások, igazgatósági memók — egy 40 oldalas anyag 25 perces MP3-má alakul a HÉV-en hallgatáshoz. Az Iapetus tiszta, professzionális előadást nyújt anélkül, hogy gépiesen szólna.
Magazinesszék, Substack-longreadek, HVG-riportok PDF-be exportálva — egy 30 perces olvasmányból olyan podcast lesz, amelyet főzés közben hallgathat. Az Achernar HU annak a meleg, klasszikus magazinhangnak a tónusát hozza, amely a kulturális rovatok narrátoraira jellemző.
Profi eszközök egész könyvekhez:
a <cut> címkével egyetlen szintetizálással szedheti szét egy 300 oldalas regényt fejezetenkénti MP3-akra,
a <dialog> címke minden szereplőnek külön hangot oszt a párbeszédes részekhez,
a <break> címkék pedig pontos drámai szüneteket biztosítanak a jelenetek között. Mindegyik címkéhez tartozik egy rövid útmutató.
Három dolog, amit ez az eszköz jobban old meg, mintha a nyers szöveget egy általános TTS-motorba másolná át.
Kéthasábos szakcikkek, felsorolások, címsorok, képaláírások, lábjegyzetek — a szövegfolyam szerkezettudatosan áll össze. Az olvasási sorrend követi az oldalt, nincs véletlenszerű hasábugrálás. A fej- és láblécek, valamint az önálló oldalszámok kiszűrésre kerülnek, így az előadó nem mondja percenként, hogy „tizenhetedik oldal".
Egy 30 oldalas dolgozat egy percen belül elkészül. 200 oldalas könyvek 3–5 perc alatt. Nincs kézi darabolás, fejezetekre bontás — egyszer feltölti, és egyetlen MP3-at kap (vagy fejezet-sávokra bontott hangot, ha a PDF tartalomjegyzéki könyvjelzőket tartalmaz).
A két-három nyelvet keverő anyagok — angol absztraktú és magyar törzsszövegű kutatási cikkek, kétnyelvű szerződések, bevándorlási űrlapok — automatikusan azonosításra kerülnek, és minden szakaszt a megfelelő hang tolmácsol. Előzetes szétválogatásra nincs szükség.
Kattintson az oldal tetején lévő szerkesztő eszköztárán a Fájl gombra, válassza ki a PDF-et, jelöljön ki egy hangot és nyelvet, majd nyomja meg a Konvertálás gombot. Rövid dokumentumoknál az MP3 30 másodperc alatt megérkezik a fiókjába, egész könyveknél néhány perc kell hozzá. Semmit nem kell telepíteni.
Nem — a motor kizárólag szöveges fájlokat dolgoz fel (azokat, amelyeket Wordből, LaTeX-ből, InDesignból vagy böngészőből exportáltak). A képalapú dokumentumokhoz (beolvasott könyvek, faxolt jelentések, papírról készült fotók) előbb futtassa át valamelyik ingyenes OCR-eszközön — például az Adobe Acrobaton, az ABBYY FineReaderen vagy a Google Drive beépített szövegfelismerőjén —, hogy a pixelekből valódi szöveg legyen. Ezután a szokott módon töltheti fel.
Igen. Az ismétlődő fej- és lábléceket, valamint az önálló oldalszámokat a rendszer kiszűri, így az előadó nem mondja percenként, hogy „tizenhetedik oldal". A fejezetcímek és a szakaszcímek megmaradnak, és természetes tempóban kerülnek felolvasásra.
A táblázatokat soronként sorolja fel; az oszlopcímek minden sor előtt egyszer hangzanak el. Az ábra- és diagramaláírások a helyükön kerülnek felolvasásra. A lábjegyzetek nem szakítják meg a főszöveget, hanem mindegyik fejezet végén kerülnek sorra, hogy ne törjék meg a mondatok ritmusát.
Nem — a DRM-mel és jelszóval védett fájlokat feltöltéskor jogi és biztonsági okokból elutasítja a rendszer. Először távolítsa el a jelszót (ezt bármilyen PDF-eszköz elvégzi, ha ismeri a jelszót), majd töltse fel a dokumentumot. DRM-et nem kerülünk meg.
Száz oldal körülbelül 2 perc alatt készül el (normál tempóban nagyjából 3 óra MP3-hang). Az 500 oldalas könyvek meghaladják az 50 MB-os feltöltési korlátot — bármelyik PDF-eszközzel ossza fel 2–3 részre, alakítsa át mindegyiket külön, majd fűzze össze az MP3-akat, ha egyetlen, folyamatos fájlt szeretne.
Igen, mindkettő beépített funkció. Hangoskönyvet úgy készít egy PDF-ből, hogy a fejezethatárokat a <cut> címkével keretezi, és egyetlen szintetizálási menetből fejezetenként külön MP3-at kap. A párbeszédes jelenetekhez a <dialog> címke minden szereplőnek külön hangot oszt egyetlen hangfájlon belül. A kettő együtt teljes értékű, többhangú hangoskönyvet eredményez.
A PDF csak az egyik kiindulópont. Ugyanazzal a SpeechGen-fiókkal ezeket az eszközöket is használhatja.
.doc, .docx és .rtf fájlokat alakít át. Ugyanazok a nyelvek, ugyanazok a hangok, ugyanaz a tempó. → Megnyitás
Töltsön fel 20 másodpercet — és egy személyes hang olvassa fel a PDF-jeit és Word-dokumentumait az Ön saját hangján. 15 nyelv.→ Megnyitás
Bármilyen szöveget begépelhet vagy beilleszthet. A tempó, a hangmagasság, az érzelem és a nyelv szabályozható. Több mint 5000 hang érhető el. → Megnyitás
Kattintson a fenti szerkesztőben a Fájl gombra. Az első 3000 karakter ingyenes — körülbelül 5 oldalnyi hang, bankkártya nélkül. Utána 5 dollártól.
PDF MP3-mé alakítása