Ερωτήσεις που έρχονται.

Ναι. Το Yappy είναι ανοιχτού κώδικα, με άδεια MIT. Το να μπορείς να ακούς όσα διαβάζεις είναι ζήτημα προσβασιμότητας, και τα εργαλεία προσβασιμότητας δεν θα έπρεπε να ζητούν κάρτα. Στον υπολογιστή δεν υπάρχει πληρωμένη έκδοση ούτε διαφημίσεις. Στο iPhone, ο παπαγάλος της δοκιμής κρατάει τρία έγγραφα ταυτόχρονα πάνω στην κλωτσιά του, χωρίς όριο χρόνου. Αν θες κλωτσιά χωρίς πάτο, το τυπογραφείο ηχοβιβλίων και τη γέφυρα με τον υπολογιστή, κουρδίζεις με το Yappy Parlanchín: συνδρομή ή ένα εφάπαξ ποσό εφ' όρου ζωής. Χωρίς λογαριασμό και χωρίς διαφημίσεις, πάντως.

Δεν υπάρχει παγίδα: δεν υπάρχουν διακομιστές να πληρώσεις. Η σύνθεση τρέχει στη συσκευή σου, οπότε το Yappy δεν έχει κόστος ανά χρήστη. Είναι προσωπικό εγχείρημα του δημιουργού του: δημοσιεύτηκε επειδή υπήρχε ήδη και θα φαινόταν χρήσιμο και σε άλλον.

Όχι, επίτηδες. Η κλωτσιά με τα τρία έγγραφα είναι η δοκιμή, και δεν λήγει ούτε γίνεται χρέωση στις επτά μέρες. Αν το Yappy σε εξυπηρετεί, θα το καταλάβεις μόνος σου, χωρίς κανείς να σε χρονομετρά.

Ο κώδικας του Yappy είναι MIT και δεν σου βάζει όρους. Το μοντέλο φωνής, το Supertonic 3, έχει τη δική του άδεια: μια ανοιχτή άδεια τύπου OpenRAIL-M, με ρήτρες χρήσης. Διάβασέ τη στη σελίδα του μοντέλου πριν από εμπορική χρήση, γιατί εκείνο το κομμάτι δεν εξαρτάται από το Yappy και δεν μπορούμε να δεσμευτούμε εκ μέρους του.

Όχι. Η σύνθεση, η μεταγραφή και η εξαγωγή άρθρων γίνονται μέσα στη συσκευή σου. Ό,τι μοιράζεσαι με το Yappy δεν στέλνεται πουθενά: δεν υπάρχουν λογαριασμοί, δεν υπάρχουν αντίγραφα και δεν υπάρχει κανένας διακομιστής του Yappy όπου θα μπορούσαν να αποθηκευτούν. Στο δίκτυο φτάνουν μόνο τέσσερα συγκεκριμένα πράγματα, και τα τέσσερα περιγράφονται αναλυτικά στην πολιτική απορρήτου.

Ναι, τα συλλέγει, και καλύτερα να το πούμε ευθέως. Η εφαρμογή του κινητού στέλνει ανώνυμα στατιστικά χρήσης: έρχονται ενεργά από το εργοστάσιο και σβήνουν στο παρασκήνιο. Αυτό που ταξιδεύει είναι το όνομα ενός συμβάντος από κλειστή λίστα (άνοιξε η εφαρμογή, ποιο βήμα της αρχικής ξενάγησης βλέπεις, ποιο πακέτο πατάς, αν τελειώνει μια ανάγνωση), ένα τυχαίο αναγνωριστικό της εγκατάστασης, η γλώσσα και η έκδοση. Ποτέ το όνομά σου, το email σου, το κείμενο που διαβάζεις, ο τίτλος ενός εγγράφου ή ένας σύνδεσμος, και κανένα διαφημιστικό αναγνωριστικό. Και δεν πηγαίνουν σε Google, ούτε σε Firebase, ούτε σε καμία εταιρεία ανάλυσης: πηγαίνουν σε ένα Worker και σε μια βάση δεδομένων D1 του Cloudflare, του ίδιου του δημιουργού. Στον υπολογιστή δεν υπάρχουν στατιστικά καμιάς μορφής.

Είναι μια απευθείας σύνδεση ανάμεσα στις δύο συσκευές σου, κρυπτογραφημένη από άκρη σε άκρη με QUIC, μέσω του πρωτοκόλλου iroh. Η σύζευξη γίνεται στρέφοντας την κάμερα σε έναν κωδικό QR που δείχνει ο υπολογιστής σου, και το κλειδί που προκύπτει μπορείς να ανακαλέσεις από εκεί όποτε θέλεις. Δεν υπάρχει διακομιστής του Yappy στη μέση, γιατί δεν υπάρχει κανένας διακομιστής του Yappy.

Ναι, για πάντα. Μετά την αρχική λήψη του μοντέλου, περίπου 200 MB στο κινητό και περίπου 398 MB στον υπολογιστή, μπορείς να χρησιμοποιείς το Yappy σε λειτουργία πτήσης: επικόλληση κειμένου, άνοιγμα εγγράφων, σύνθεση και εξαγωγή. Μόνο το μοίρασμα νέων διευθύνσεων θέλει δίκτυο, για προφανείς λόγους. Δεν υπάρχει ούτε συγχρονισμός στο σύννεφο: η βιβλιοθήκη σου ζει στη συσκευή σου, και η γέφυρα είναι ό,τι πιο κοντά στο να περάσεις κάτι από τη μια μηχανή στην άλλη.

Supertonic 3, ένα ανοιχτό μοντέλο της Supertone με περίπου 99 εκατομμύρια παραμέτρους, που χωράει σε 398 MB στον υπολογιστή και σε 200 MB στο κινητό, και συνθέτει γρηγορότερα από τον πραγματικό χρόνο σε κάθε φορητό υπολογιστή των τελευταίων ετών. Δουλεύει σε επίπεδο χαρακτήρα: γι' αυτό υπάρχει ο σεναριογράφος, που μετατρέπει αριθμούς, ακρωνύμια και σύμβολα σε λέξεις πριν τα δει η φωνή.

Γερμανικά, Αραβικά, Βουλγαρικά, Τσεχικά, Κορεατικά, Κροατικά, Δανικά, Σλοβακικά, Σλοβενικά, Ισπανικά, Εσθονικά, Φινλανδικά, Γαλλικά, Ελληνικά, Χίντι, Ουγγρικά, Ινδονησιακά, Αγγλικά, Ιταλικά, Ιαπωνικά, Λετονικά, Λιθουανικά, Ολλανδικά, Πολωνικά, Πορτογαλικά, Ρουμανικά, Ρωσικά, Σουηδικά, Τουρκικά, Ουκρανικά και Βιετναμέζικα. Τριάντα μία. Και οι δέκα φωνές είναι πολύγλωσσες: η ίδια φωνή τα διαβάζει όλα χωρίς να αλλάζει χροιά.

Το Yappy εντοπίζει τη γλώσσα του εγγράφου και, παράγραφο προς παράγραφο, τη γλώσσα κάθε κομματιού: ένα απόσπασμα στα Αγγλικά μέσα σε ένα δοκίμιο στα Ισπανικά διαβάζεται στα Αγγλικά, με την ίδια φωνή, χωρίς να πειράξεις τίποτα. Κι αν ο εντοπισμός κάνει λάθος, μπορείς να ορίσεις τη γλώσσα με το χέρι.

Οι αναγνώστες του συστήματος διαβάζουν την οθόνη όπως είναι, με την προσωδία του συστήματος και χωρίς μνήμη. Το Yappy ετοιμάζει το κείμενο πριν το πει (καθαρίζει το άρθρο, μετατρέπει αριθμούς και ακρωνύμια σε λέξεις, σημειώνει τις παύσεις), το διαβάζει με φυσική φωνή, θυμάται πού είχες μείνει, εξάγει ηχητικά βιβλία και συνεχίζει να παίζει με κλειδωμένη οθόνη. Είναι συγγενικά εργαλεία, το καθένα με άλλη δουλειά, και χρησιμοποιούνται μαζί χωρίς να εμποδίζονται: το Yappy δεν αντικαθιστά έναν αναγνώστη οθόνης ούτε ισχυρίζεται ότι το κάνει.

Άρθρα από ιστοσελίδες (η σελίδα καθαρίζει μόνη της), βίντεο μέσω της δημοσιευμένης μεταγραφής τους, PDF, EPUB, Word, ODT, RTF, Markdown, σκέτο κείμενο, .pptx, .xlsx, .csv και φωνητικές σημειώσεις. Στο κινητό, όλα μέσω του φύλλου κοινής χρήσης· στον υπολογιστή, επιπλέον, με μεταφορά και απόθεση ή με τις συντομεύσεις. Και αν έχεις εγκατεστημένο το pandoc στον υπολογιστή, η λίστα επεκτείνεται σε LaTeX, reStructuredText, Org και μερικά ακόμη.

Στον υπολογιστή περνούν από τοπικό OCR πριν διαβαστούν, κι ούτε εκεί βγαίνει τίποτα από το μηχάνημά σου. Στο iPhone, ακόμη όχι: αν το PDF είναι φωτογραφία του χαρτιού, το κινητό δεν βρίσκει κείμενο να διαβάσει. Ένα στραβό ή θολό σκανάρισμα θα δώσει ό,τι μπορεί να δώσει κάθε OCR· ένα σωστό διαβάζεται ολόκληρο.

Μόνο όσα μπορείς να ανοίξεις. Ένα EPUB χωρίς προστασία διαβάζεται ολόκληρο, με τα κεφάλαιά του. Τα βιβλία με DRM από βιβλιοπωλείο δεν γίνεται να διαβαστούν, ούτε εδώ ούτε πουθενά: αυτή η κλειδαριά δεν είναι της Yappy και δεν θα προσποιηθούμε ότι έχουμε το κλειδί.

Από την ίδια τη βιβλιοθήκη: κάθε έγγραφο έχει την επιλογή «ξεχάσε το», και μαζί της φεύγει και ο ήχος του. Όσα αρχεία έχεις εξαγάγει (.m4b, .mp3, .wav) είναι δικά σου και μένουν εκεί που τα αποθήκευσες· να τα σβήσεις ή να τα μετακινήσεις είναι δουλειά του Finder ή των Αρχείων.

Το μοντέλο φορτώνεται στη μνήμη την πρώτη φορά. Μετά μένει ζεστό και οι επόμενες προτάσεις βγαίνουν στη στιμμή. Αν μόλις εγκατέστησες την εφαρμογή στον υπολογιστή, η πρώτη αναμονή περιλαμβάνει και τη λήψη του μοντέλου φωνής.

Δεν υπάρχει λεξικό προφοράς του χρήστη, οπότε ο γρήγορος δρόμος είναι να γράψεις τη λέξη όπως ακούγεται, μέσα στον επεξεργαστή: το μοντέλο διαβάζει χαρακτήρες και θα σε ακούσει. Αν είναι γενικό μοτίβο (μια συντομογραφία, ένα αρκτικόλεξο, μια μονάδα μέτρησης), πες το στα issues του GitHub: οι πίνακες του κανονικοποιητή κειμένου μεγαλώνουν με τέτοιες περιπτώσεις.

Η Yappy κρατά τη δημοσιευμένη μεταγραφή του βίντεο, δεν μεταγράφει τον ήχο του. Αν το βίντεο δεν έχει μεταγραφή, δεν υπάρχει τίποτα να διαβάσει. Κι αν το βίντεο είναι δικό σου και το έχεις σε αρχείο, μοιράσου το αρχείο: τότε το μεταγράφει το τοπικό αφτί.

Στα issues του GitHub ή γράφοντας στο [email protected]. Με το κείμενο που κόλλαγε, αν μπορείς να το μοιραστείς, και με το σύστημά σου, διορθώνεται πιο γρήγορα.