Podcastfy: conteúdo de várias fontes para ferramenta de conversação de áudio multilíngue, uma alternativa de código aberto aos recursos de podcasting do NotebookLM

Introdução geral

O Podcastfy é um pacote de software Python de código aberto que usa a tecnologia GenAI (Generative Artificial Intelligence) para converter conteúdo da Web, arquivos PDF, texto, imagens, vídeos do YouTube e muitas outras fontes em diálogos de áudio multilíngues envolventes. Diferentemente das ferramentas tradicionais baseadas em UI, o Podcastfy se concentra na geração programática e personalizada para usuários que precisam de geração de conteúdo de áudio personalizado e em escala.

Interface de demonstração: https://huggingface.co/spaces/thatupiso/Podcastfy.ai_demo

Lista de funções

• Converta conteúdo de várias fontes (por exemplo, páginas da Web, PDFs, texto, vídeos do YouTube, imagens) em diálogos de áudio em vários idiomas
• Suporte para transcrição personalizada e geração de áudio (por exemplo, estilo, idioma, estrutura, duração)
• Criação de podcasts a partir de transcrições pré-existentes ou editadas
• Suporte para modelagem avançada de conversão de texto em fala (por exemplo, OpenAI, ElevenLabs e Edge)
• Oferece suporte à execução de LLMs locais para gerar transcrições (melhora a privacidade e o controle)
• Integração perfeita da CLI e do pacote Python para automação do fluxo de trabalho
• Suporte multilíngue para criação de conteúdo global (experimental)

Usando a Ajuda

Processo de instalação

1. Certifique-se de que você tenha o Python 3.7 ou superior instalado.
2. Instale o Podcastfy usando o pip:

   pip install podcastfy
   

3. Instale os pacotes de dependência necessários:

   pip install -r requirements.txt
   

Processo de uso

1. Uso básico::
   • Importe o pacote Podcastfy:

     import podcastfy
     

   • Carregar conteúdo e gerar áudio:

     content = podcastfy.load_content('path/to/your/content')
     audio = podcastfy.generate_audio(content, language='en')
     podcastfy.save_audio(audio, 'output/path')
     

2. Geração personalizada::
   • Personalize os parâmetros de transcrição e geração de áudio:

     audio = podcastfy.generate_audio(content, language='en', style='conversational', length='short')
     

3. Suporte a vários idiomas::
   • Gerar áudio multilíngue:

     audio_fr = podcastfy.generate_audio(content, language='fr')
     audio_pt = podcastfy.generate_audio(content, language='pt-BR')
     

4. Recursos avançados::
   • Gerar transcrições usando LLMs nativos:

     transcript = podcastfy.generate_transcript(content, use_local_llm=True)
     audio = podcastfy.generate_audio(transcript)
     

5. Fluxo de trabalho automatizado::
   • Use a ferramenta CLI:

     podcastfy --input path/to/content --output path/to/output --language en
     

Procedimento de operação detalhado

1. Carregando conteúdo::
   • Oferece suporte a várias fontes de conteúdo, incluindo páginas da Web, PDFs, textos, vídeos do YouTube e imagens. Use load_content para carregar o conteúdo.
   • Exemplo:

     content = podcastfy.load_content('https://example.com')
     

2. Gerar áudio::
   • fazer uso de generate_audio para gerar áudio. Parâmetros como idioma, estilo, duração etc. podem ser especificados.
   • Exemplo:

     audio = podcastfy.generate_audio(content, language='en', style='narrative', length='long')
     

3. Salvar áudio::
   • fazer uso de save_audio para salvar o arquivo de áudio gerado.
   • Exemplo:

     podcastfy.save_audio(audio, 'output/audio.mp3')
     

4. Transcrição personalizada::
   • fazer uso de generate_transcript para gerar transcrições personalizadas. Opcionalmente, os LLMs locais podem ser usados para aumentar a privacidade e o controle.
   • Exemplo:

     transcript = podcastfy.generate_transcript(content, use_local_llm=True)
     

5. Suporte a vários idiomas::
   • Suporte para geração de áudio multilíngue para criação de conteúdo global.
   • Exemplo:

     audio_fr = podcastfy.generate_audio(content, language='fr')
     audio_pt = podcastfy.generate_audio(content, language='pt-BR')
     

Com essas etapas, os usuários podem converter facilmente o conteúdo de várias fontes em diálogo de áudio multilíngue para criar conteúdo de podcast personalizado e envolvente.