Pandrator 0.31

Pandrator sjednocuje nástroje pro převod textu na řeč (TTS), generování titulků a automatický dabing videí do jednoho grafického rozhraní. Systém postavený na jazyce Python integruje několik lokálních TTS backendů (XTTS v2, Silero, Voxtral) a umožňuje hlasové klonování z krátkých zvukových vzorků. Architektura podporuje zpracování dokumentů ve formátech PDF, EPUB a textových souborů, které automaticky segmentuje pro dosažení přirozené intonace mluveného slova.

Součástí funkční výbavy je integrace modelu WhisperX pro přesný přepis videa, podpora pro pre-processing pomocí LLM (oprava chyb v textu) a post-processing pomocí RVC (Retrieval Based Voice Conversion) pro zvýšení kvality syntetizovaného hlasu. Systém dále obsahuje nástroje pro synchronizaci řeči s obrazem, automatické překlady titulků přes externí API a validaci kvality generovaného zvuku pomocí metriky NISQA. Veškeré výpočetně náročné úlohy mohou probíhat lokálně s využitím GPU akcelerace přes CUDA.

Hlavní možnosti

• Výroba audioknih: Převod rozsáhlých textů a e-knih do mluveného slova s podporou kapitol, metadat a vlastních hlasových profilů.
• Automatický dabing: Kompletní postup od extrakce zvuku z videa přes transkripci a překlad až po vygenerování a synchronizaci nové zvukové stopy.
• Hlasové klonování: Vytváření digitálních replik hlasů z nahrávek o délce několika sekund pro použití v podporovaných mluvících modelech.
• Zpracování textu: Využití jazykových modelů pro opravu chyb v předloze, vyslovování zkratek a optimalizaci interpunkce před samotnou syntézou.
• Správa relací: Možnost přehrávání, editace a přegenerování jednotlivých vět s vizuální kontrolou celého průběhu tvorby.
• Multilingvální podpora: Generování obsahu ve více než 16 jazycích včetně češtiny, angličtiny, němčiny, polštiny a španělštiny.