Роботы наступают: как Speechki помогли быстро расширить каталог аудиокниг Alpina Digital

Как автоматизировать создание аудиокниг, сократив время и расходы на производство

Онлайн-платформа Speechki, превращающая текст в аудиокнигу с помощью нейронных голосов, появилась в 2019 году. Сооснователи компании не нашли интересующие их произведения в аудиоформате и решили применить собственные знания на практике. С тех пор с помощью технологии Text-to-Speech мы озвучили более 800 произведений. Историю становления стартапа и принципы работы сервиса вы можете прочесть в обзорной статье в нашем блоге на VC.RU.

Speechki и корпоративная библиотека Alpina Digital начали сотрудничать в 2020 году. На момент публикации статьи мы записали для них под сотню аудиокниг. В их числе научпоп, книги о бизнесе и другая нон-фикшн литература.

Мы сумели выстроить комфортный процесс работы, чтобы быстро передавать готовые аудиокниги в производство и представлять их на фокус-группах. «Синтетические дикторы» выдают качественный контент, чему способствует самообучение после каждой записанной книги. Именно этот уровень качества, который повышается с каждым днём, нравится издательствам. К тому же они уверены, что диктор не столкнётся с типичными человеческими проблемами: болезни, опоздания и тяжёлые жизненные ситуации.

Несмотря на положительные качества диктора-робота, Speechki совершенно не пытаются каким-либо образом сместить с рынка профессиональных живых чтецов. По нашему мнению, есть значительный пласт произведений, которые должны быть записаны человеком (в том числе и самим автором). Но современные реалии аудиорынка таковы, что лишь 4,5% от всех публикующихся за год книг получают аудиоверсию. Именно для оставшихся 95,5% мы предлагаем свои услуги, помогая слушателям получать нужный контент в удобном формате, а издательствам расширять каталоги аудиокниг быстрее и финансово выгоднее.

Получая готовый текст, Speechki формируют ряд запросов к «движку» синтеза речи. В параметрах клиент самостоятельно может выбрать язык книги, понравившийся голос и скорость воспроизведения. После этого отправляется запрос на озвучивание, получая в ответ готовый аудиофайл в формате LPCM. Далее мы конвертируем файл в запрашиваемый клиентом формат и проводим постпродакшн-обработку через эквалайзер, звуковые эффекты, компрессию и т.д. Вот так получается почти готовая аудиокнига. Остаётся её только «причесать».

Ниже вы можете прослушать семпл аудиокниги «Лидерство Мацуситы: Уроки выдающегося предпринимателя ХХ века» Джона П. Коттера, которую мы озвучили для Alpina Digital.

На данный момент на постпродакшн одной восьмичасовой книги мы тратим 10-12 часов. За это время наши редакторы отслушивают книгу полностью и исправляют речевые неточности. По словам нашего главного редактора, чаще всего ИИ ошибается в ударениях. Но главный плюс нейродиктора в его самообучаемости. Для того, чтобы он больше не допускал орфоэпических ошибок, мы создали словарь фонем, и впоследствии закрепляем заданное произношение ко всем дальнейшим озвученным книгам.

Часто в произведениях встречаются омографы (то есть слова, которые совпадают в написании, но различаются в произношении). Для таких случаев у нас есть специальный словарь, который запоминает комбинации слов, рядом с которыми могут стоять омографы. А инструмент массовой замены позволяет применить исправления по всей книге, и это значительно сокращает время работы с аудиопроизведением.

Цикл создания аудиокниги, записанной при помощи ИИ, куда проще, чем тот, с которым сталкиваются при создании классической аудиокниги. Но и наша работа не так легка, как кажется. Правда, все сложности мы перекладываем на плечи софта и искусственного интеллекта, поставляя клиентам готовый продукт, который не вызывает у них сложностей и головной боли.

Спасибо, что дочитали наш кейс до конца! Интересующие вас вопросы вы можете оставить в комментариях, а мы постараемся подробно на них ответить.