MUCKYWORX // PROJECT
Audiobook Factory
PROJECT

Audiobook Factory

क्या होता है जब आपको किसी भी तरह एक ऑडियोबुक चाहिए हो, लेकिन Pocket FM बहुत ज़्यादा महंगा हो?

बदकिस्मती से मुझे Vampiresystem से प्यार हो गया। ज़ाहिर है, Pocket FM ने मुझे Vampiresystem के ज़रिए अपनी जाल में फँसाया और मैं कहानी में पूरी तरह डूब गया। फिर एक समय ऐसा आया जब फ्री चैप्टर्स खत्म हो गए और Pocket FM ने पैसे माँगने शुरू कर दिए। फिर पहला लॉक-ऑफर आया, जिसमें मैं फँस गया। फिर दूसरा लॉक-ऑफर आया, जो काफी चालाकी भरा था। तीसरी बार मैंने ब्रेक लगाया और कहा: "अब बस।" क्योंकि उनके हिसाब से, मैं लगभग दस मिनट के एक चैप्टर के लिए करीब एक यूरो दे रहा था।

तो मैंने सोचा – यह ऐसे नहीं चल सकता। मैंने इसकी शुरुआत इस बात से की कि मैंने इसका अंग्रेजी ओरिजिनल वर्शन हासिल कर लिया, क्योंकि जर्मन वर्शन नहीं मिल रहा था। और फिर मैंने अपने लोकल AI की मदद से इस 2,517 चैप्टर्स वाले मास्टरपीस का अनुवाद किया। अनुवाद के बाद, मैंने इस पूरे मज़ेदार काम को अलग-अलग हिस्सों में बाँटा, स्पीकर्स के हिसाब से सॉर्ट किया और AI से यह तय करवाया कि कौन सा स्पीकर कौन है, कौन से इमोशन्स जुड़े हैं और इसी तरह। और कब कौन सा ऑडियो साउंड इफेक्ट आएगा? इसके लिए AI के कई राउंड्स लगे और इसमें काफी समय लगा।

मैंने इससे अलग-अलग CSV फाइलें बनाईं और फिर नॉर्मल वॉयस-ओवर के लिए उन्हें फिर से स्प्लिट किया, ताकि वे टोकन लिमिट के अंदर रहें। फिर मैंने साउंड इफेक्ट्स और एम्बिएंट साउंड्स जोड़े और उससे तीन से चार ऑडियो लेयर्स बनवाईं। और हाँ, फिर उस पूरे मज़े को वॉयस-ओवर किया और सब कुछ वापस जोड़ दिया, ताकि अंत में मुझे प्रति चैप्टर एक MP3 फाइल मिल सके।

मैंने एक बार फिर इस पूरी प्रक्रिया को एक पाइपलाइन में डाल दिया। इसका मतलब है कि अब मैं बस सामने से तैयार, ट्रांसलेटेड CSV फाइलें डालता हूँ और Audiobook Factory सब कुछ प्रोसेस कर लेता है। यह कुल सात Qwen3-TTS वर्कर्स का इस्तेमाल करता है। मैं इसके लिए 1.7B मॉडल का उपयोग कर रहा हूँ और अब मुझे मेरी ऑडियोबुक मिल रही है। मुझे औसतन 10 मिनट के चैप्टर के लिए 3.5 से 4 मिनट लगते हैं। मुझे लगता है कि इस दिशा में यह एक अच्छी थ्रूपुट है। वैसे, सिर्फ ऑडियो जनरेशन की स्पीड 1 से 3 है – यानी एक मिनट का काम, और तीन मिनट का ऑडियो आउटपुट।

फिलहाल मैं 2,517 में से लगभग 800 एपिसोड्स तक पहुँच गया हूँ। और अब अगर हिसाब लगाया जाए: अगर Pocket FM प्रति एपिसोड लगभग एक यूरो चाहता है, तो मैंने यहाँ थोड़ी सी मेहनत करके 2,500 यूरो बचा लिए हैं। दूसरे शब्दों में: इससे मुझे वह कंप्यूटर मिल गया जो यहाँ सारा काम कर रहा है, और अब मैं इस पूरे तामझाम के लिए सिर्फ थोड़ा सा बिजली का बिल भरता हूँ।

अरे हाँ, और मेरा पसंदीदा पोस्टस्क्रिप्ट: इसके लिए भी मैंने हमेशा की तरह अपने सर्वर पर अपने खुद के सिस्टम में एक सिंपल ऑडियो प्लेयर बनाया है, जिसे मैं अपने Tailscale नेटवर्क के ज़रिए कहीं से भी एक्सेस कर सकता हूँ। मैं हाल ही में रात में ट्रक ड्राइवर बन गया हूँ और अब मुझे वहाँ सुनने के लिए कुछ ढंग का मिल जाता है।