Niestety, zakochałem się w "Vampire System". Oczywiście dałem się skutecznie wciągnąć przez stronę Pocket FM i totalnie wsiąkłem w tę historię. W pewnym momencie darmowe rozdziały się skończyły i Pocket FM chciało pieniędzy. Pojawiła się pierwsza oferta typu "lock", na którą się nabrałem. Potem była druga, już całkiem podstępna. Przy trzeciej zaciągnąłem hamulec ręczny i powiedziałem: „Nie ma mowy”. Bo teoretycznie, według ich wyliczeń, wychodziło mi około jednego euro za rozdział trwający mniej więcej dziesięć minut.
Więc zająłem się tym – tak to nie może trwać. Zacząłem od tego, że udało mi się zdobyć angielski oryginał, bo niemieckiej wersji nie dało się dostać. Następnie to arcydzieło liczące 2517 rozdziałów przetłumaczyłem za pomocą mojej lokalnej AI. Po tłumaczeniu rozebrałem całą tę zabawę na części, posortowałem lektorów i kazałem AI określić, kto jest którym lektorem, jakie emocje do tego pasują i tak dalej. No i kiedy dodać dany efekt dźwiękowy? To wymagało kilku przejść przez AI i zajęło sporo czasu.
Stworzyłem z tego oddzielne pliki CSV, a następnie podzieliłem je ponownie na potrzeby właściwego udźwiękowienia, tak aby mieściły się w limicie tokenów. Dodałem efekty dźwiękowe i dźwięki otoczenia (ambient), tworząc z tego trzy do czterech warstw audio. I tak, potem trzeba to wszystko wygenerować i złożyć z powrotem ze wszystkimi dodatkami, żeby na koniec otrzymać plik MP3 dla każdego rozdziału.
Oczywiście znowu wlałem to w pipeline. Oznacza to, że wrzucam z przodu tylko gotowe, przetłumaczone pliki CSV, a Audiobook Factory przelicza wszystko automatycznie. System wykorzystuje łącznie siedmiu workerów Qwen3-TTS. Używam do tego modelu 1.7B i w ten sposób dostaję swojego audiobooka. Średnio potrzebuję od 3,5 do 4 minut na 10-minutowy rozdział. Uważam, że to przyzwoita przepustowość. Co ciekawe, samo generowanie audio odbywa się w stosunku 1 do 3 – czyli minuta pracy daje trzy minuty gotowego audio.
Obecnie jestem na poziomie prawie 800 odcinków z 2517. A teraz przeliczmy to: jeśli Pocket FM chce około jednego euro za odcinek, to dzięki tej odrobinie pracy zaoszczędziłem 2500 euro. Innymi słowy: za tę kwotę kupiłem komputer, który wykonuje całą tę robotę, więc teraz płacę tylko trochę za prąd za cały ten zamysł.
Ach, i już mój ukochany dopisek: jak zwykle zbudowałem w moim własnym systemie na serwerze prosty odtwarzacz audio, do którego mam dostęp w trasie przez moją sieć Tailscale. Ostatnio pracuję w nocy jako kierowca ciężarówki i dzięki temu mam co porządnie posłuchać.
Gallery




