podgenai

Podgenai

Podgenai เป็นแอปพลิเคชั่น Python 3.12 เพื่อสร้างไฟล์ AudioBook/Podcast MP3 ที่ให้ข้อมูลในหัวข้อที่กำหนดโดยใช้ GPT-4 LLM ระยะเวลาเป้าหมายของไฟล์ที่สร้างขึ้นคือหนึ่งชั่วโมงแม้ว่าระยะเวลาที่สร้างจะแตกต่างกันไป จำเป็นต้องมีคีย์ OpenAI API ที่ได้รับทุน

ลิงค์

คำบรรยายภาพ	การเชื่อมโยง
repo	https://github.com/impredicative/podgenai
การเปลี่ยนแปลง	https://github.com/impredicative/podgenai/releases
บรรจุุภัณฑ์	https://pypi.org/project/podgenai
พอดคาสต์	https://podcasters.spotify.com/pod/podgenai
พอดคาสต์ RSS	https://anchor.fm/s/f4868644/podcast/rss

เข้าใกล้

ใช้รุ่น gpt-4o และ tts-1 สำหรับหัวข้อที่กำหนดวิธีการอ้างอิงระดับสูงคือ:

• หัวข้อย่อยที่ใช้งานได้แสดงไว้โดยใช้ LLM หากไม่เป็นที่รู้จักของหัวข้อ LLM กระบวนการจะถูกยกเลิก
• เสียงถูกเลือกโดยใช้ LLM จากสี่ตัวเลือก
• พร้อมกันสำหรับแต่ละหัวข้อย่อยข้อความและคำพูดที่สอดคล้องกันถูกสร้างขึ้นโดยใช้ LLM และ TTS ตามลำดับ
• ไฟล์คำพูดถูกต่อกันโดยใช้ ffmpeg

แม้ว่าบางครั้งอาจมีการทำซ้ำความหมายของเนื้อหาในหัวข้อย่อย แต่สิ่งนี้ไม่ได้ตั้งใจ "ปรับให้เหมาะสม" โดยเจตนาเพราะการทำซ้ำจุดสำคัญนี้สามารถช่วยในการเรียนรู้และท่องจำ ในการดำน้ำลึกลงไปในหัวข้อย่อยโดยเฉพาะเราสามารถลองสร้างไฟล์ใหม่ได้

ตัวอย่าง

ไฟล์ MP3 ที่สร้างขึ้นเหล่านี้มีให้ดาวน์โหลด ผลเหล่านี้ยังเป็นชุดทดสอบด้วยตนเองน้อยที่สุดโดยมีวัตถุประสงค์เฉพาะของแต่ละตัวอย่างที่ระบุไว้ เพื่อเป็นการเตือนความจำเสียงถูกเลือกโดย LLM

นอกจากนี้ยังมีพอดคาสต์ที่เกี่ยวข้อง (RSS) ซึ่งตอนในหัวข้อเพิ่มเติมอาจโพสต์ด้วยตนเองเมื่อเวลาผ่านไป

แนะนำให้ใช้ความเร็วในการเล่นที่ 1.05X สำหรับหัวข้อที่ไม่ใช่ด้านเทคนิค 1.0x สำหรับหัวข้อทางเทคนิคและ 0.95x สำหรับหัวข้อภาษาต่างประเทศ

เสียง	ชื่อ	วัตถุประสงค์
ค่าเริ่มต้น	pytorch	การสร้างเนื้อหาทางเทคนิค
ค่าเริ่มต้น	pytorch ขั้นสูง	การสร้างเนื้อหาทางเทคนิคขั้นสูง
ค่าเริ่มต้น	เคล็ดลับการสัมภาษณ์งานวิศวกรซอฟต์แวร์	การเลือกเสียงเริ่มต้น
อารมณ์	นิวยอร์กซิตี้: ปัจจุบันและอนาคต	การสร้างเนื้อหาที่ไม่ใช่ด้านเทคนิค
อารมณ์	มีชีวิตที่ดี	การเลือกเสียงอารมณ์
ค่าเริ่มต้น	ข่าวกรองทั่วไป (AGI): แนวทางและอัลกอริทึม	การบังคับใช้รายการย่อยระดับย่อยแบบแบนแบบแบน
หญิง	ระบบไหลเวียนโลหิตของมนุษย์ (ไม่ติด)	การสนับสนุนหัวข้อโดยนัยสำหรับคำต่อท้ายที่ไม่ได้ย่อ
หญิง	บัฟฟี่ผู้สังหารแวมไพร์	การเลือกเสียงหญิง
ชาย	bitcoin สำหรับ nerds	การเลือกเสียงชาย

การตั้งค่า

การตั้งค่าทั่วไป

• ในไดเรกทอรีการทำงานให้สร้างไฟล์ชื่อ .env ด้วยตัวแปรสภาพแวดล้อมที่ต้องการ OPENAI_API_KEY=<your OpenAI API key> หรือตั้งค่าในวิธีที่แตกต่างกัน
• ยังเลือกตั้งค่าตัวแปรสภาพแวดล้อม PODGENAI_OPENAI_MAX_WORKERS=32 สำหรับการสร้างที่เร็วขึ้นโดยมีค่าเริ่มต้นเป็น 16
• ตรวจสอบให้แน่ใจว่ามี ffmpeg นี่เป็นไปโดยอัตโนมัติหากใช้คำจำกัดความของ DevContainer
• ดำเนินการตั้งค่าต่อผ่าน GitHub หรือ PYPI ดังต่อไปนี้

การตั้งค่าผ่าน GitHub โดยใช้ DevContainer

• ดำเนินการต่อจากขั้นตอนการตั้งค่าทั่วไป
• โคลนหรือดาวน์โหลด repo นี้
• สร้างและจัดเตรียม devcontainer ที่กำหนดไว้

การตั้งค่าผ่าน GitHub ด้วยตนเอง

• ดำเนินการต่อจากขั้นตอนการตั้งค่าทั่วไป
• โคลนหรือดาวน์โหลด repo นี้
• ตรวจสอบให้แน่ใจว่า rye การติดตั้งและมีอยู่แล้ว
• ในไดเรกทอรี repo ให้เรียกใช้ rye sync --no-lock

การตั้งค่าผ่าน PYPI

• ดำเนินการต่อจากขั้นตอนการตั้งค่าทั่วไป
• สร้างและเปิดใช้งาน Python 3.12 DevContainer หรือสภาพแวดล้อมเสมือนจริง
• ติดตั้งผ่าน PYPI: pip install -U podgenai

การใช้งาน

การใช้งานอาจเป็นแอปพลิเคชันบรรทัดคำสั่งหรือเป็นไลบรารี Python โดยค่าเริ่มต้นไฟล์ MP3 ที่สร้างขึ้นจะถูกเขียนไปยังไดเรกทอรีการทำงานปัจจุบัน ตั้งแต่ปี 2024 ค่าใช้จ่ายทั่วไปต่อรุ่นคือ 1 ถึง 2 USD โดยเฉพาะภายใต้ 0.10 USD ต่อหัวข้อย่อย เวลาใช้เวลาไม่ถึงสามนาที

เคล็ดลับการใช้งาน

• หากหัวข้อที่ร้องขอไม่สามารถสร้างหัวข้อย่อยได้เนื่องจากการปฏิเสธให้ลองอีกครั้งถึงสองสามครั้งเนื่องจากอาจประสบความสำเร็จในการพยายามหลายครั้ง หากไม่ได้ลองใช้คำใหม่บางทีอาจจะกว้างขึ้นหรือแคบลงหรือมีความเป็นจริงมากกว่า มีการพยายามมากถึงสองครั้งต่อการวิ่งแม้ว่าความพยายามครั้งแรกจะนำแคชดิสก์กลับมาใช้ใหม่อีกครั้งหากมี
• สำหรับรายการย่อยที่ครอบคลุมอีกต่อไปให้พิจารณาต่อท้ายคำต่อท้าย "(unabridged)" กับหัวข้อที่ร้องขอเช่น "pytorch (unabridged)"
• ในกรณีที่หัวข้อไม่สามารถพูดได้ในช่วงเริ่มต้นของพอดคาสต์ลบ ./work/<topic>/1.*.mp3 และสร้างผลลัพธ์ใหม่
• ในการเลือกสร้างภาพหน้าปกสำหรับหัวข้อของคุณสามารถใช้ GPT ที่กำหนดเองนี้ได้
• หากต้องการสร้างความพยายามในภาษาต่างประเทศให้ระบุชื่อในภาษาที่ต้องการพร้อมกับคำนำหน้าแบบวงเล็บของชื่อภาษาเช่น "México (Español)" หากคนรุ่นถูกปฏิเสธครั้งแรกลองอีกครั้ง อ้างถึงและใช้ตัวเลือก --no-markers

การใช้เป็นแอปพลิเคชัน

ความช่วยเหลือในการใช้งานถูกคัดลอกด้านล่าง:

 $ python -m podgenai -h
Usage: python -m podgenai [OPTIONS]

  Generate and write an audiobook podcast mp3 file for the given topic to the given output file path.

Options:
  -t, --topic TEXT                Topic. If not given, the user is prompted for it.
  -p, --path PATH                 Output file or directory path. If an intended file path, it must have an ".mp3"
                                  suffix. If a directory, it must exist, and the file name is auto-determined. If not
                                  given, the output file is written to the current working directory with an auto-
                                  determined file name.
  -s, --max-sections INTEGER RANGE
                                  Maximum number of sections, between 3 and 100. If not given, it is unrestricted.
                                  [3<=x<=100]
  -m, --markers / -nm, --no-markers
                                  Include markers at the start or end of sections in the generated audio. If
                                  `--markers`, markers are included, and this is the default. If `--no-markers`,
                                  markers are excluded, as can be appropriate for foreign-language generation.
  -c, --confirm / -nc, --no-confirm
                                  Confirm before full-text and speech generation. If `--confirm`, a confirmation is
                                  interactively sought as each step of the workflow progresses, and this is the
                                  default. If `--no-confirm`, the full-text and speech are generated without
                                  confirmations.
  -h, --help                      Show this message and exit.

ตัวอย่างการใช้งาน:

 $ python -m podgenai -t "My favorite topic"

$ python -m podgenai -t "My favorite topic" -p ~/Downloads/

$ python -m podgenai -t "My favorite topic" -p ~/Downloads/topic.mp3 -nc

$ python -m podgenai -t "L'histoire de Napoléon Bonaparte (français)" -nm

การใช้เป็นห้องสมุด

 >> > from podgenai import generate_media
>> > import inspect

>> > print ( inspect . signature ( generate_media ))
( topic : str , * , output_path : Optional [ pathlib . Path ] = None , max_sections : Optional [ int ] = None , markers : bool = True , confirm : bool = False ) - > pathlib . Path

>> > print ( inspect . getdoc ( generate_media ))

 Return the output path after generating and writing an audiobook podcast to file for the given topic.

Params:
* `topic`: Topic.
* `path`: Output file or directory path.
    If an intended file path, it must have an ".mp3" suffix. If a directory, it must exist, and the file name is auto-determined.
    If not given, the output file is written to the repo directory with an auto-determined file name.
* `max_sections`: Maximum number of sections to generate. It is between 3 and 100. It is unrestricted if not given.
* `markers`: Include markers at the start or end of sections in the generated audio.
    If true, markers are included. If false, markers are excluded, as can be appropriate for foreign-language generation. Its default is true.
* `confirm`: Confirm before full-text and speech generation.
    If true, a confirmation is interactively sought after generating and printing the list of subtopics, before generating the full-text, and also before generating the speech. Its default is false.

If failed, a subclass of the `podgenai.exceptions.Error` exception is raised.

แคช

เซ็กเมนต์ข้อความและคำพูดถูกแคชในท้องถิ่นบนดิสก์ในไดเรกทอรี . ./work/<topic> พวกเขาสามารถลบด้วยตนเองได้ การลบนี้ไม่ได้เป็นไปโดยอัตโนมัติ นอกจากนี้ยังจำเป็นต้องลบไฟล์แคชที่เกี่ยวข้องอย่างน้อยหนึ่งไฟล์หรือมากกว่าหากจะต้องผ่านแคช

คำเตือน

_{ซอฟต์แวร์นี้มีให้ "ตามสภาพ" โดยไม่มีการรับประกันใด ๆ ไม่ว่าโดยชัดแจ้งหรือโดยนัยรวมถึง แต่ไม่ จำกัด เฉพาะการรับประกันความสามารถในการค้าการออกกำลังกายเพื่อวัตถุประสงค์เฉพาะและการไม่เข้าร่วม ไม่ว่าในกรณีใดผู้เขียนหรือผู้ถือลิขสิทธิ์จะต้องรับผิดชอบต่อการเรียกร้องความเสียหายหรือความรับผิดอื่น ๆ ไม่ว่าจะเป็นการกระทำของสัญญาการละเมิดหรืออื่น ๆ ที่เกิดขึ้นจากหรือเกี่ยวข้องกับซอฟต์แวร์หรือการใช้งานหรือการติดต่ออื่น ๆ ในซอฟต์แวร์}

_{ผู้ใช้ควรทราบว่าทั้งข้อความและเสียงของไฟล์ที่สร้างขึ้นนั้นผลิตโดยปัญญาประดิษฐ์ (AI) ตามอินพุตที่ให้ไว้และข้อมูลที่มีให้กับโมเดล AI ในช่วงเวลาแห่งการสร้าง ดังนั้นความไม่ถูกต้องข้อผิดพลาดหรือเนื้อหาที่ไม่ได้ตั้งใจอาจเกิดขึ้น ผู้ใช้ควรใช้ความระมัดระวังและตรวจสอบความถูกต้องและความเหมาะสมของเนื้อหาที่สร้างขึ้นก่อนการใช้งานหรือการพึ่งพา}

_{คุณต้องรับผิดชอบค่าใช้จ่ายที่เกี่ยวข้องกับการใช้ OpenAI API ตามที่ซอฟต์แวร์กำหนดและคุณต้องปฏิบัติตามข้อกำหนดในการให้บริการ OpenAI API ฟังก์ชั่นของซอฟต์แวร์ขึ้นอยู่กับความพร้อมใช้งานและฟังก์ชั่นของบริการและซอฟต์แวร์ภายนอกรวมถึง แต่ไม่ จำกัด เฉพาะ OpenAI API และ FFMPEG ซึ่งผู้เขียนไม่มีการควบคุม}

_{การใช้คีย์ OpenAI API และเนื้อหาใด ๆ ที่สร้างขึ้นจะต้องปฏิบัติตามกฎหมายและข้อบังคับที่เกี่ยวข้องทั้งหมดรวมถึงกฎหมายลิขสิทธิ์และข้อกำหนดในการให้บริการของแพลตฟอร์ม OpenAI คุณมีความรับผิดชอบเพียงอย่างเดียวในการรับรองว่าการใช้ซอฟต์แวร์และเนื้อหาที่สร้างขึ้นใด ๆ ของคุณสอดคล้องกับข้อกำหนดในการให้บริการของ OpenAI และกฎหมายและข้อบังคับอื่น ๆ ที่เกี่ยวข้อง}

_{ซอฟต์แวร์นี้ได้รับใบอนุญาตภายใต้ใบอนุญาตสาธารณะ GNU Lesser General Public (LGPL) ซึ่งช่วยให้การใช้งานส่วนตัวและเชิงพาณิชย์การดัดแปลงและการกระจายอยู่ภายใต้ข้อกำหนดและเงื่อนไขที่กำหนดไว้ใน LGPL คุณควรได้รับสำเนาใบอนุญาตสาธารณะ GNU Lesser ทั่วไปพร้อมกับโปรแกรมนี้ ถ้าไม่ดู http://www.gnu.org/licenses/}

_{ผู้เขียนไม่เรียกร้องความเป็นเจ้าของเนื้อหาใด ๆ ที่สร้างขึ้นโดยใช้ซอฟต์แวร์นี้ ความรับผิดชอบในการใช้เนื้อหาใด ๆ ที่สร้างขึ้นกับผู้ใช้ ผู้ใช้ควรใช้ความระมัดระวังและตรวจสอบสถานะเพื่อให้แน่ใจว่าเนื้อหาที่สร้างขึ้นไม่ได้ละเมิดสิทธิ์ของบุคคลที่สาม}

_{ข้อจำกัดความรับผิดชอบนี้อาจมีการเปลี่ยนแปลงโดยไม่ต้องแจ้งให้ทราบล่วงหน้า เป็นความรับผิดชอบของคุณในการตรวจสอบการอัปเดตเป็นระยะ}