Rusvoice

rusvoice: слой правки текста перед синтезом

Клонировать голос умеет открытый код. Дефицитен слой ПЕРЕД синтезом: ударения, бренды, заимствования, аббревиатуры, числа. И возможность увидеть результат до того, как его услышишь.

Установка

pip install rusvoice                    # ядро: explain / lint / dict / doctor
pip install "rusvoice[accent,ui]"       # + ударения (RUAccent) и экран
pip install "rusvoice[voice,accent]"    # + сам синтез (F5)

Ядро зависимостей не имеет и ставится куда угодно. Экстра voice тянет torch, веса качаются при первом запуске, около 2,5 ГБ: предупреди человека до того, как запускать установку.

Главная команда

rusvoice explain "Компания Knight Capital потеряла 440 миллионов, ТЗ было на MVP."

Печатает вход, выход и что сделал каждый слой, а внизу честно говорит, чего в окружении нет. Вот эта нижняя часть и есть смысл затеи: без неё окружение промолчало бы, а озвучка вышла бы с неверными ударениями.

Остальное

• rusvoice lint scenario.json: находит места, где тракт прочтёт не то, и подсказывает, что дописать в словарь.
• rusvoice dict add brands Netlify Нетлифай: пополнить словарь. dict hear brands Netlify даёт услышать запись, а не прочитать её.
• rusvoice doctor: что доступно именно этому интерпретатору.
• rusvoice say "реплика" --out o.wav: синтез, если стоит экстра voice.

Как себя вести

Запускай тем же интерпретатором, каким пойдёт синтез. RUAccent и F5 обычно живут в другом окружении, и doctor показывает это честно: в этом половина его смысла. Проверь doctor прежде, чем обещать человеку правильные ударения.

Не переписывай текст за автора ради удобства синтеза. Задача слоя в том, чтобы диктор прочитал написанное правильно, а не в том, чтобы упростить фразу.

Если читаешь вывод из своего кода на Windows, указывай кодировку явно: subprocess.run(..., text=True, encoding="utf-8"). Без неё Python декодирует по кодировке системы и отдаёт None, что выглядит как «CLI ничего не напечатал».

Рядом

github.com/ilyautov, лаборатория AI Frontier.