Jautājumi, kas nāk paši.

Jā. Yappy ir atvērtais kods ar MIT licenci. Varēt noklausīties to, ko lasi, ir pieejamības jautājums, un pieejamības rīkiem nevajadzētu prasīt maksājuma karti. Datorā nav maksas versijas un nav reklāmu. Mobilajā (iPhone, iPad un Android) izmēģinājuma papagailis savā plauktā tur trīs dokumentus vienlaikus, bez laika ierobežojuma; ja gribas plaukts bez dibena, audiogrāmatu drukas darbnīca un tilts ar datoru, uztopat viņam atsperi ar Yappy Parlanchín — abonentā vai ar vienu mūža maksājumu. Jebkurā gadījumā bez konta un bez reklāmām.

Āķa nav: nav arī serveru, par kuriem maksāt. Sintēze notiek tavā ierīcē, tāpēc Yappy nav izmaksu par lietotāju. Tas ir autora personīgais projekts — publicēts tāpēc, ka jau pastāvēja un vēl kādam varētu noderēt.

Nē, un tas ir tīši. Zars ar trim dokumentiem ir pats izmēģinājums: tas neizbeidzas un pēc septiņām dienām nepārvēršas par rēķinu. Ja Yappy noder, to sapratīsi pats — neviens tev acu priekšā pulksteņa neliks.

Yappy kods ir MIT un nekādus nosacījumus neuzliek. Balss modelim Supertonic 3 ir sava licence: atvērta OpenRAIL-M tipa licence ar lietošanas nosacījumiem. Izlasi to modeļa lapā, pirms ķeries pie komercpielietojuma, jo šī daļa nav Yappy ziņā, un par to solīt neko nevaram.

Nē. Sintēze, transkripcija un rakstu izgūšana notiek tavā ierīcē. Nekas no tā, ko tu uztic Yappy, nekur netiek sūtīts: nav kontu, nav kopiju, un Yappy servera, kurā to varētu noglabāt, vienkārši nav. Tīklu tomēr aiztiek četras konkrētas lietas, un tās visas ir izstāstītas privātuma politikā.

Jā, tās vāc, un to vajag pateikt bez aplinkiem. Mobilā lietotne sūta anonīmas lietošanas statistikas: tā nāk ieslēgta no rūpnīcas un tiek izslēgta iestatījumos. Ceļo viena notikuma nosaukums no slēgta saraksta (ka lietotne atvērta, kurš ievada solis redzams, kurš plāns pieskariens, vai nolasīšana beidzas), daži tehniski dati bez satura (veidi, laiki un kļūdu kodi), nejaušs instalācijas identifikators, ierīces modelis, sistēmas versija, valoda un lietotnes versija. Nekad jūsu vārds, e-pasts, lasāmā teksts, dokumenta virsraksts vai saite, un neviens reklāmas identifikators. Un tie neiet ne uz Google, ne uz Firebase, ne uz nevienas analītikas kompānijas serveriem: tie iet uz paša autora Cloudflare Worker un D1 datubāzi. Datorā nekāda statistika nav.

Tā ir tiešs savienojums starp abām tavām ierīcēm, šifrēts no gala līdz galam ar QUIC, izmantojot iroh protokolu. Savienošanu pārī veic, vēršot kameru pret QR kodu, ko rāda tavs dators, un iegūto atslēgu no turienes var atsaukt jebkurā brīdī. Pa vidū nav neviena Yappy servera — jo Yappy serveru vispār nav.

Jā, uz visiem laikiem. Kad modelis pirmoreiz lejupielādēts — ap 200 MB telefonā, ap 398 MB datorā —, Yappy strādā arī lidmašīnas režīmā: var ielīmēt tekstu, atvērt dokumentus, sintezēt un eksportēt. Tīkls vajadzīgs tikai jaunu adrešu kopīgošanai, acīmredzamu iemeslu dēļ. Mākoņa sinhronizācijas arī nav: tava bibliotēka dzīvo tavā ierīcē, un tilts ir viss, kas vistuvāk pārlikšanai no vienas mašīnas uz otru.

Supertonic 3 — Supertone atvērtais modelis ar ap 99 miljoniem parametru, kas ietilpst 398 MB datorā un 200 MB telefonā un sintezē ātrāk par reālo laiku jebkurā pēdējo gadu klēpjdatorā. Tas strādā zīmju līmenī: tāpēc arī pastāv skriptotājs, kas skaitļus, saīsnes un simbolus pārvērš vārdos, pirms balss tos ierauga.

Vācu, arābu, bulgāru, čehu, korejiešu, horvātu, dāņu, slovāku, slovēņu, spāņu, igauņu, somu, franču, grieķu, hindi, ungāru, indonēziešu, angļu, itāļu, japāņu, latviešu, lietuviešu, nīderlandiešu, poļu, portugāļu, rumāņu, krievu, zviedru, turku, ukraiņu un vjetnamiešu. Trīsdesmit viena. Un visas desmit balsis ir poliglotas: tā pati balss lasa tās visas, nemainot tembru.

Yappy atpazīst dokumenta valodu un — rindkopu pa rindkopai — arī katra gabala valodu: angļu citāts spāņu esē skan angļu valodā, ar to pašu balsi, un tev nekas nav jādara. Ja atpazīšana kļūdās, valodu var iestatīt arī ar roku.

Sistēmas lasītāji nolasa ekrānu tādu, kāds tas ir — ar sistēmas prozodiju un bez atmiņas. Yappy tekstu sagatavo pirms izrunāšanas (iztīra rakstu, pārvērš skaitļus un saīsnes vārdos, atzīmē pauzes), lasa to ar dabisku balsi, atceras, kur tu palici, eksportē audiogrāmatas un turpina skanēt arī ar bloķētu ekrānu. Tie ir brālēni ar dažādiem amatiem, un tos var lietot vienlaikus, netraucējot viens otru: Yappy neaizvieto ekrāna lasītāju un arī to nesola.

Tīmekļa raksti (lapa iztīrās pati), video ar to publicēto transkripciju, PDF, EPUB, Word, ODT, RTF, Markdown, vienkāršs teksts, .pptx, .xlsx, .csv un balss piezīmes. Telefonā viss notiek caur kopīgošanas izvēlni; datorā vēl arī ievelkot failu vai ar īsceļiem. Un ja datorā ir uzstādīts pandoc, sarakstam pievienojas LaTeX, reStructuredText, Org un vēl daži.

Tie iet caur lokālu OCR pirms nolasīšanas, datorā, iPhone un Android, un arī tur nekas neatstāj ierīci. Tas ir bez maksas visur: OCR nav abonementa daļa. Tas ir domāts drukātiem latīņu alfabēta burtiem; citas rakstības atpazīst tikai iPhone, iPad un Mac, ar Apple atpazinēju. Šķībs vai neskaidrs skenējums dos to, ko jebkurš OCR var dot, bet sakarīgs nolasās pilnībā.

Tikai tās, kuras vari atvērt. EPUB bez aizsardzības nolasās pilnībā, ar visām nodaļām. Veikala grāmatas ar DRM nolasīt nevar — ne šeit, ne nekur citur: šī slēdzene nav no Yappy, un mēs netēlosim, ka mums ir atslēga.

Pašā bibliotēkā: katram dokumentam ir sava darbība „Aizmirst”, un līdz ar to pazūd arī tā audio. Eksportētie faili (.m4b, .mp3, .wav) ir tavi un dzīvo tur, kur tos saglabāji; dzēst vai pārvietot tos ir Finder vai Files darīšana.

Pirmajā reizē modelis tiek ielādēts atmiņā. Pēc tam tas ir silts, un nākamie teikumi skan uzreiz. Ja lietotni datorā tikko uzinstalēji, pirmajā reizē vēl jāgaida arī balss modeļa lejupielāde.

Lietotāja izrunas vārdnīcas nav, tāpēc ātrākais ceļs ir uzrakstīt vārdu redaktorā, kā tas izskan: modelis lasa burtus un tev paklausīs. Ja tā ir vispārēja likumsakarība (saīsinājums, akronīms, mērvienība), stāsti par to GitHub problēmās: izrunas tabulas aug ar šādiem gadījumiem.

Yappy paļaujas uz videoklipa publicēto transkripciju, nevis pats pārraksta tā audio. Ja šim klipam transkripcijas nav, tad nav arī ko nolasīt. Un ja video ir tavs un tev tas ir failā, dalies ar failu: tad to pārraksta lokālā dzirde.

Stāsti GitHub problēmās vai raksti uz [email protected]. Ja vari kopīgot tekstu, kurā kļūda atklājās, un pateikt savu sistēmu, tā tiek salabota ātrāk.