Kérdések, amelyek érkeznek.

Igen. A Yappy nyílt forráskódú, MIT-licenc alatt. Az, hogy valaki meghallgathassa, amit olvas, akadálymentesítés kérdése, az akadálymentesítő eszközöknek pedig nem kellene bankkártyát kérniük. A számítógépen nincs fizetős változat és nincs reklám. Az iPhone-on a próbapapagáj egyszerre három dokumentumot tart az ülőkáján, időkorlát nélkül; ha feneketlen ülőkát, hangoskönyv-nyomdát és hidat a számítógéphez szeretnél, a Yappy Parlanchínnal húzod fel: előfizetéssel vagy egyetlen, élethosszig szóló fizetéssel. Fiók nélkül és reklám nélkül, minden esetben.

Nincs trükk: nincs kiszolgáló, amit fizetni kell. A felolvasás a te készülékeden fut, így a Yappynak nincsenek felhasználónkénti költségei. Ez a szerző magánprojektje, amelyet azért adott ki, mert már egyszer elkészült, és másnak is hasznára válhat.

Nem, ez szándékos. A három dokumentumos ülőka maga a próba, és nem jár le, hét nap múlva sem lesz belőle számla. Ha a Yappy hasznára van, azt úgyis észreveszed, anélkül, hogy bárki visszaszámlálót tartana a szemed előtt.

A Yappy kódja MIT-licenc, feltételeket nem szab. A hangmodellnek, a Supertonic 3-nak, saját licence van: egy OpenRAIL-M típusú nyílt licenc, használati záradékokkal. Nézd meg a modell oldalán, mielőtt üzleti célra használnád, mert ez a rész nem a Yappytól függ, és nem ígérhetünk helyette semmit.

Nem. A beszédszintézis, az átírás és a cikkek kinyerése az eszközödön zajlik. Amit a Yappyval megosztasz, az nem megy sehova: nincsenek fiókok, nincsenek másolatok, és olyan Yappy-szerver sem létezik, ahol el lehetne tárolni. Amit tényleg érint a hálózat, az négy konkrét dolog, és mind a négy le van írva az adatkezelési tájékoztatóban.

Igen, gyűjt, és ezt érdemes egyenesen kimondani. A mobilos app névtelen használati statisztikákat küld: gyárilag be van kapcsolva, a beállítások mélyén viszont ki lehet kapcsolni. Ami utazik: egy zárt listáról vett eseménynév (megnyílt az app, a bevezető kör melyik lépésénél tartasz, melyik csomaghoz nyúltál hozzá, befejeződött-e egy felolvasás), egy véletlenszerű telepítési azonosító, a nyelv és a verzió. Nem a neved, nem az e-mail-címed, nem az a szöveg, amit olvasol, nem egy dokumentum címe, nem egy link – és reklámazonosító egyetlen egy sem. És nem a Googlehöz mennek, sem a Firebasehez, sem elemzőcégekhez: a szerző saját Cloudflare-Workerébe és D1-adatbázisába íródnak. Az asztali gépen nincs statisztika, egyik fajtája sem.

Két eszközöd közötti egyenes kapcsolat, QUIC-kal végponttól végpontig titkosítva, az iroh protokolljával. A párosítás úgy megy, hogy a telefonod kameráját a gép által mutatott QR-kódra irányítod; a keletkező kulcsot onnan bármikor visszavonhatod. Yappy-szerver nem ül középen, mert Yappy-szerver nincs is.

Igen, örökre. Az első modellletöltés után – mobilon kb. 200 MB, gépen kb. 398 MB – repülőgépes üzemmódban is megy minden: szöveget illesztesz be, dokumentumot nyitsz meg, felolvasást készítesz, exportálsz. Csak az új címek megosztása kér hálózatot, nyilvánvaló okból. Felhőszinkron sincs: a könyvtárad az eszközödön lakik, és a híd a legközelebbi dolog ahhoz, hogy valamit egyik gépről a másikra vigyünk.

Supertonic 3: a Supertone nyílt modellje, mintegy 99 millió paraméterrel. Gépen 398 MB, mobilon 200 MB, és az elmúlt évek bármelyik laptopján valós időnél gyorsabban szintetizál. Karakterszinten dolgozik: ezért létezik a normalizáló, amely a számokat, a mozaikszavakat és a szimbólumokat szavakká alakít, mielőtt a hang meglátná őket.

Német, arab, bolgár, cseh, koreai, horvát, dán, szlovák, szlovén, spanyol, észt, finn, francia, görög, hindi, magyar, indonéz, angol, olasz, japán, lett, litván, holland, lengyel, portugál, román, orosz, svéd, török, ukrán és vietnámi. Harmincegy. És a tíz hang mind poliglott: ugyanaz a hang mindet felolvassa, hangszínváltás nélkül.

A Yappy felismeri a dokumentum nyelvét, és bekezdésenként az egyes darabokét is: egy magyar esszébe ágyazott angol idézet angolul szólal meg, ugyanazon a hangon, anélkül, hogy hozzányúlnál. Ha téved a felismerés, a nyelvet kézzel is beállíthatod.

A rendszer felolvasói úgy olvassák fel a képernyőt, ahogy épp van: a rendszer proszódiájával, emlékezet nélkül. A Yappy előkészíti a szöveget, mielőtt kimondaná (kitisztítja a cikket, kimondhatóvá teszi a számokat és a mozaikszavakat, megjelöli a szüneteket), aztán természetes hangon olvassa fel, emlékszik, hol tartottál, hangoskönyvet exportál, és zárt képernyő mellett is szól. Két rokon eszköz ez, más-más hivatással, és egyszerre is használhatók, útban nem állnak egymásnak: a Yappy nem helyettesíti a képernyőfelolvasót, és nem is akarja.

Webes cikkek (a lap magától megtisztul), videók a közzétett átiratukon át, PDF, EPUB, Word, ODT, RTF, Markdown, sima szöveg, .pptx, .xlsx, .csv és hangjegyzetek. Mobilon minden a megosztópanelen át; gépen ezen felül behúzással vagy billentyűparanccsal. És ha a gépen fent van a pandoc, a listához jön a LaTeX, a reStructuredText, az Org és még néhány társuk.

Asztali gépen a fájlok felolvasás előtt helyi OCR-en mennek át, és ott sem hagyja el semmi a gépet. iPhone-on ez még nincs meg: ha a PDF a papír fotója, a telefon nem talál szöveget, amit fel tudna olvasni. A ferde vagy elmosódott szkennelés annyit ad, amennyit bármelyik OCR tud, egy rendes szkennelés viszont elejétől a végéig olvasható.

Csak azokat, amiket meg tudsz nyitni. Egy védelem nélküli EPUB fejezeteivel együtt, elejétől a végéig felolvasható. A boltok DRM-es könyveit sem itt, sem máshol nem lehet felolvasni: az a zár nem a Yappyé, és nem fogjuk úgy tenni, mintha lenne kulcsunk hozzá.

Közvetlenül a könyvtárból: minden dokumentumnál ott a felejtés lehetősége, és vele együtt a hangja is eltűnik. Az exportált fájlok (.m4b, .mp3, .wav) a tiéid, és ott élnek, ahova mentetted őket; törlésük vagy mozgatásuk a Finder vagy a Fájlok dolga.

Az első alkalommal a modell betöltődik a memóriába. Utána bemelegszik, és a következő mondatok szinte rögtön jönnek. Ha most telepítetted az appot a gépre, az első várakozáshoz még a hangmodell letöltése is hozzátartozik.

Felhasználói kiejtési szótár nincs, így a leggyorsabb út: írd a szót a szerkesztőbe úgy, ahogy hangzik. A modell karaktereket olvas, és hallgat rád. Ha általános szabályról van szó (rövidítés, mozaikszó, mértékegység), írd meg a GitHub témái között: a felolvasó szabálytáblái ilyen esetekkel bővülnek.

A Yappy a videó közzétett átírását veszi át, a hangját nem írja át. Ha annak a videónak nincs átírása, nincs mit felolvasni. Ha viszont a videó a tiéd, és megvan fájlban, oszd meg a fájlt: azt a helyi fül tényleg átírja.

A GitHub témái között, vagy írd meg a [email protected] címre. Ha meg tudod osztani a hibás szöveget, és megírod a rendszered, hamarabb megjavítjuk.