MUCKYWORX // PROJECT
Audiobook Factory
PROJECT

Audiobook Factory

O que acontece quando você quer desesperadamente um audiobook, mas o Pocket FM é caro demais?

Infelizmente, eu me apaixonei pelo Vampiresystem. Fui, obviamente, fisgado pelo site Pocket FM com o Vampiresystem e entrei de cabeça na história. E então, em algum momento, os capítulos gratuitos acabaram e o Pocket FM quis dinheiro. Veio a primeira oferta de "lock", na qual eu caí. Depois veio uma segunda oferta, que já era bem traiçoeira. Na terceira vez, eu pisei no freio e disse: "Agora chega". Porque, teoricamente, eu estava pagando cerca de um euro por um capítulo de aproximadamente dez minutos, segundo os cálculos deles.

Então eu resolvi a situação – não dava para continuar assim. Comecei conseguindo o original em inglês, já que a versão em alemão não estava disponível. E então, traduzi essa obra-prima de 2.517 capítulos com a ajuda da minha IA local. Após a tradução, desmontei tudo, organizei por narradores e deixei a IA determinar quem era cada personagem, quais emoções correspondiam e assim por diante. E onde entra cada efeito sonoro? Isso exigiu várias passagens da IA e levou um bom tempo.

Criei arquivos CSV individuais e os dividi novamente para a narração normal, garantindo que ficassem dentro do limite de tokens. Depois, adicionei os efeitos sonoros e sons ambientes, criando de três a quatro camadas de áudio. E sim, narrei tudo e montei novamente com todos os detalhes, para que, ao final, eu tivesse um MP3 por capítulo.

Mais uma vez, transformei tudo isso em uma pipeline. Ou seja, agora eu só jogo os arquivos CSV traduzidos e finalizados na entrada, e a Audio Book Factory processa tudo. Ela utiliza no total sete workers de Qwen3-TTS. Estou usando o modelo 1.7B para isso e agora recebo praticamente o meu audiobook pronto. Levo, em média, de 3,5 a 4 minutos por capítulo de 10 minutos. Acho que é um rendimento bem decente. A propósito, a geração de áudio em si tem uma velocidade de 1 para 3 – ou seja, um minuto de trabalho gera três minutos de áudio.

No momento, estou em quase 800 episódios de 2.517. E fazendo as contas: se o Pocket FM quer cerca de um euro por episódio, economizei 2.500 euros com esse trabalhinho aqui. Em outras palavras: com isso, paguei o computador que está fazendo todo o trabalho, e agora só pago um pouco de luz por toda a operação.

Ah, e aqui vai meu querido adendo de sempre: para isso também construí, como de costume, um player de áudio simples no meu próprio sistema no servidor, que posso acessar remotamente via minha rede Tailscale. Recentemente virei motorista de caminhão noturno, então agora tenho algo decente para ouvir nos ouvidos.