Frågor som dyker upp.

Ja. Yappy är öppen källkod med MIT-licens. Att kunna lyssna på det man läser är en tillgänglighetsfråga, och tillgänglighetsverktyg borde inte behöva be om kort. På datorn finns ingen betalversion och inga annonser. På iPhone bär provpapegojan tre dokument i taget på sin pinne, utan tidsgräns; vill du ha en oändlig pinne, ljudbokstryckeriet och bron till datorn, drar du upp den med Yappy Parlanchín, som prenumeration eller ett engångsköp på livstid. Utan konto och utan annonser, i alla fall.

Det finns ingen hake: det finns inga servrar att betala för. Syntesen körs på din apparat, så Yappy har ingen kostnad per användare. Det är upphovsmannens eget projekt, publicerat för att det ändå fanns och någon annan säkert kunde ha nytta av det.

Nej, det är meningen. Pinnen med tre dokument är provet, och den går inte ut och blir ingen debitering efter sju dagar. Om Yappy passar dig märker du det själv, utan att någon ställer en klocka framför dig.

Yappys kod har MIT-licens och ställer inga villkor. Röstmodellen, Supertonic 3, har en egen licens: en öppen licens av typen OpenRAIL-M, med användningsklausuler. Läs den på modellens sida innan du använder den kommersiellt, eftersom den delen inte beror på Yappy och vi inte kan lova något åt den.

Nej. Syntesen, transkriptionen och extraktionen av artiklar sker inne i din enhet. Det du delar med Yappy skickas ingenstans: det finns inga konton, inga kopior och ingen Yappy-server där det skulle kunna sparas. Det som däremot rör nätet är fyra konkreta saker, och alla fyra står med i integritetspolicyn.

Ja, det gör den, och det ska sägas utan omsvep. Mobilappen skickar anonym användningsstatistik: den är påslagen från fabrik och kan stängas av i bakrummet. Det som skickas är namnet på en händelse från en sluten lista (att appen öppnades, vilket steg i den inledande genomgången som visas, vilken plan som trycks på, om en uppläsning tar slut), ett slumpmässigt installations-ID, språket och versionen. Aldrig ditt namn, din e-postadress, texten du läser, titeln på ett dokument eller en länk, och ingen reklamidentifierare. Och den går inte till Google, inte till Firebase och inte till något analysföretag: den går till en Worker och en Cloudflare D1-databas som tillhör upphovsmannen själv. På datorn finns ingen statistik alls.

Det är en direkt koppling mellan dina två enheter, krypterad från ände till ände med QUIC via protokollet iroh. Parkopplingen görs genom att du riktar kameran mot en QR-kod som datorn visar, och nyckeln som då skapas kan du återkalla därifrån när som helst. Det finns ingen Yappy-server mittemellan, eftersom det inte finns någon Yappy-server.

Ja, för alltid. Efter den första nedladdningen av modellen, cirka 200 MB på mobilen och cirka 398 MB på datorn, kan du använda Yappy i flygplansläge: klistra in text, öppna dokument, syntetisera och exportera. Bara att dela nya adresser kräver nätverk, av uppenbara skäl. Ingen molnsynk heller: biblioteket bor på din enhet, och bron är det som mest liknar att flytta något från en maskin till en annan.

Supertonic 3, en öppen modell från Supertone på cirka 99 miljoner parametrar som ryms inom 398 MB på datorn och 200 MB på mobilen, och som syntetiserar snabbare än realtid på vilken bärbar dator från de senaste åren som helst. Den arbetar på teckennivå: därför finns manussättaren, som gör om siffror, förkortningar och symboler till ord innan rösten ser dem.

Tyska, arabiska, bulgariska, tjeckiska, koreanska, kroatiska, danska, slovakiska, slovenska, spanska, estniska, finska, franska, grekiska, hindi, ungerska, indonesiska, engelska, italienska, japanska, lettiska, litauiska, nederländska, polska, portugisiska, rumänska, ryska, svenska, turkiska, ukrainska och vietnamesiska. Trettioett. Och alla tio röster är flerspråkiga: samma röst läser dem alla utan att byta klang.

Yappy identifierar dokumentets språk och, stycke för stycke, varje dels språk: ett citat på engelska mitt i en essä på svenska läses på engelska, med samma röst, utan att du behöver röra något. Och om identifieringen tar fel ställer du in språket manuellt.

Skärmläsarna i systemet läser skärmen rakt av, med systemets prosodi och utan minne. Yappy förbereder texten innan den läses upp (städar artikeln, gör om siffror och förkortningar till ord, markerar pauserna), läser den med en naturlig röst, minns var du var, exporterar ljudböcker och fortsätter låta när skärmen är låst. De är släkt, med olika yrken, och kan användas samtidigt utan att trampa varandra på fötterna: Yappy ersätter inte en skärmläsare och har inga planer på det.

Webbartiklar (sidan städar upp sig själv), videor via sitt publicerade transkript, PDF, EPUB, Word, ODT, RTF, Markdown, vanlig text, .pptx, .xlsx, .csv och röstnoteringar. På mobilen går allt via delningsmenyn; på skrivbordet dessutom genom att dra in filer eller med kortkommandona. Och om du har pandoc installerat på datorn utökas listan till LaTeX, reStructuredText, Org och några till.

På datorn går de genom en lokal OCR innan de läses upp, och inte där heller lämnar något din dator. På iPhone: ännu inte. Är PDF:en ett foto av papperet hittar mobilen ingen text att läsa. Ett snett eller suddigt dokument ger vad vilken OCR som helst kan ge, men ett hyggligt läses upp i sin helhet.

Bara de du kan öppna. En EPUB utan skydd läses upp i sin helhet, med sina kapitel. Böcker med DRM från en butik går inte att läsa, varken här eller någon annanstans: det där låset tillhör inte Yappy, och vi tänker inte låtsas att vi har nyckeln.

I biblioteket själv: varje dokument har sin glöm-funktion, och med den försvinner också ljudet. De exporterade filerna (.m4b, .mp3, .wav) är dina och ligger kvar där du sparade dem; att radera eller flytta dem är en sak för Finder eller Filer.

Modellen läses in i minnet första gången. Därefter håller den sig varm och följande meningar kommer direkt. Har du precis installerat appen på datorn ingår också nedladdningen av röstmodellen i den första väntan.

Det finns ingen användarordlista för uttal, så den snabba vägen är att skriva ordet som det låter i redigeraren: modellen läser tecknen och lyder dig. Är det ett allmänt mönster (en förkortning, en akronym, en enhet), berätta om det i ärendena på GitHub: textnormaliserarens tabeller växer med den sortens fall.

Yappy tar den publicerade transkriptionen av videon, den transkriberar inte själva ljudet. Har videon ingen transkription finns det inget att läsa upp. Och är det din egen video och du har den som fil, dela filen: då transkriberar det lokala örat den faktiskt.

I ärendena på GitHub, eller per mejl till [email protected]. Med texten som felade, om du kan dela den, och ditt system går det fortare att fixa.