GitHub Project

Spyken

Μετατροπή αρχείων DOCX & PDF σε ήχο MP3 και βίντεο MP4 με χρήση Edge TTS.

Spyken Screenshot

📖 Τεκμηρίωση (README)

Spyken 🎵🎬

Μετατροπή εγγράφων (.docx, .pdf) σε ομιλία (MP3) και συγχρονισμένο βίντεο παρουσίασης (MP4) με τεχνολογία Text-to-Speech.


🌟 Χαρακτηριστικά

  • 📄 Υποστηριζόμενες Μορφές Εγγράφων: Πλήρης υποστήριξη αρχείων Microsoft Word (.docx) και αρχείων Adobe Acrobat (.pdf).
  • 🎬 Δημιουργία Βίντεο Παρουσίασης (MP4): Παραγωγή βίντεο (1280×720) με οπτική προβολή των σελίδων PDF ή παραγράφων DOCX. Στα έγγραφα DOCX ενσωματώνεται διαδραστικό καρτούν avatar δασκάλου / δασκάλας (με αυτόματη εναλλαγή ανδρικού και γυναικείου avatar ανάλογα με τη φωνή που μιλάει), με δυναμική κίνηση ομιλίας συγχρονισμένη με την εκφώνηση και πράσινο φωσφορίζον φωτισμό κάθε λέξης.
  • 📺 Marquee Video: Παραγωγή οριζόντιου banner βίντεο (1920×108) με οριζόντια κυλιόμενο κείμενο και πράσινο φωσφορίζον highlight στην ενεργή λέξη, ιδανικό για tickers και επικαλύψεις βίντεο.
  • 🔊 Αυτόματη Εναλλαγή & Ισορροπημένος Ρυθμός Φωνών: Κάθε παράγραφος διαβάζεται εναλλάξ από ανδρική και γυναικεία φωνή, με ειδική ρύθμιση ταχύτητας για απόλυτα ισορροπημένο tempo και αρμονία μεταξύ των ομιλητών.
  • 🎙️ Ομαλή & Φυσική Ομιλία (Audio Post-Processing): Εξελιγμένη επεξεργασία ήχου (ισοστάθμιση EQ για ζεστή φωνή, αφαίρεση σκληρότητας/sibilance, micro-fades, κανονικοποίηση έντασης κατά EBU R128) και φυσικές ανάσες/παύσεις ανάμεσα στις παραγράφους για αψεγάδιαστη ροή.
  • 🧹 Έξυπνος Καθαρισμός & Ενοποίηση Κειμένου: Αυτόματη αφαίρεση emojis και μη αναγνώσιμων χαρακτήρων τόσο από την οπτική απόδοση (βίντεο) όσο και από την ηχητική εκφώνηση στα έγγραφα DOCX, καθώς και έξυπνη ενοποίηση του «ό'τι» σε ενιαία λέξη («ότι») για φυσική ανάγνωση και αλάνθαστο συγχρονισμό.
  • 🇬🇷 Ελληνικές Φωνές Υψηλής Ποιότητας: Χρήση των φυσικών νευρωνικών φωνών el-GR-NestorasNeural και el-GR-AthinaNeural.
  • 🇬🇧 Έξυπνη Ανίχνευση Γλώσσας: Αυτόματη αναγνώριση αγγλικού κειμένου και εναλλαγή σε αγγλικές φωνές (en-GB-RyanNeural / en-GB-SoniaNeural).
  • 🌟 Ακριβής Τονισμός Λέξεων & Tail Freeze Buffer: Συγχρονισμός σε επίπεδο λέξης (word-level timing) και ομαλό buffer παύσης στο τέλος του βίντεο για άνετη ανάγνωση της τελευταίας σελίδας.
  • 📦 Μαζική Επεξεργασία (Batch Processing): Ταυτόχρονη μετατροπή πολλαπλών αρχείων με ουρά επεξεργασίας.
  • 📊 Παρακολούθηση Προόδου σε Πραγματικό Χρόνο: Μπάρες προόδου και αναλυτική ενημέρωση κατάστασης ανά παράγραφο.
  • 🌙 Σύγχρονο Dark Mode Περιβάλλον: Καθαρό και εύχρηστο γραφικό περιβάλλον Material Design.
  • 🖥️ Εκτέλεση μέσω Γραμμής Εντολών (Headless CLI): Πλήρης υποστήριξη όλων των λειτουργιών της εφαρμογής (άμεση εκφώνηση κειμένου, εξαγωγή MP3, παραγωγή MP4 βίντεο παρουσίασης και Marquee banner) απευθείας από το τερματικό χωρίς γραφικό περιβάλλον.

📖 Οδηγίες Χρήσης

Γραφικό Περιβάλλον (GUI)

  1. Επιλογή Αρχείων: Πατήστε το κουμπί «Επιλογή Αρχείων (.docx, .pdf)» για να προσθέσετε τα έγγραφα που επιθυμείτε.
  2. Επιλογή Τύπου Μετατροπής:
  3. «Μετατροπή σε MP3»: Για εξαγωγή αρχείων ήχου με εναλλαγή φωνών ανά παράγραφο.
  4. «Μετατροπή σε MP4»: Για δημιουργία βίντεο πλήρους σελίδας με συγχρονισμένο φωτισμό λέξεων.
  5. «Marquee Video»: Για δημιουργία οριζόντιου κυλιόμενου banner βίντεο.
  6. Αποθήκευση: Τα παραγόμενα αρχεία αποθηκεύονται αυτόματα στον ίδιο φάκελο με τα αρχικά σας έγγραφα (.mp3, .mp4, _marquee.mp4).
  7. Καθαρισμός: Πατήστε «Καθαρισμός Λίστας» για να αδειάσετε την τρέχουσα ουρά αρχείων.

Γραμμή Εντολών (CLI)

Η εφαρμογή υποστηρίζει όλες τις λειτουργίες της απευθείας από τη γραμμή εντολών:

  • Άμεση εκφώνηση κειμένου από τα ηχεία (χωρίς GUI):
    cmd
    Spyken.exe "Καλημέρα, καλή εβδομάδα και καλό μήνα."
    Spyken.exe "Welcome to Spyken text to speech presentation."
    Spyken.exe -s "Κείμενο προς ανάγνωση" --voice male --rate +10%

  • Μετατροπή εγγράφου (.docx, .pdf) σε αρχείο ήχου MP3:
    cmd
    Spyken.exe -a document.docx
    Spyken.exe --audio document.pdf -o "podcast.mp3"

  • Μετατροπή εγγράφου σε βίντεο παρουσίασης MP4 (με δάσκαλο avatar):
    cmd
    Spyken.exe -v document.docx
    Spyken.exe --video presentation.docx -o output.mp4

  • Μετατροπή εγγράφου σε οριζόντιο Marquee Banner MP4 (1920×108):
    cmd
    Spyken.exe -m document.docx
    Spyken.exe --marquee news.pdf -o ticker.mp4

  • Μετατροπή απευθείας κειμένου σε αρχείο ήχου ή βίντεο:
    cmd
    Spyken.exe -a -t "Κείμενο προς αποθήκευση σε ήχο" -o speech.mp3
    Spyken.exe -v -t "Κείμενο για δημιουργία βίντεο" -o video.mp4

  • Μαζική μετατροπή πολλαπλών αρχείων:
    cmd
    Spyken.exe -a file1.docx file2.pdf
    Spyken.exe -v *.docx


📄 Άδεια Χρήσης

Το έργο διατίθεται υπό την άδεια χρήσης MIT License.

🚀 Εκδόσεις & Releases

🏷️ v1.7.1
Published: 18 Oct 2026, 19:51

🌟 Spyken v1.7.1 - Ψηφιακός Εκφωνητής

🚀 Νέες Βελτιώσεις & Διορθώσεις

  • Εξάλειψη Κατάρρευσης Μνήμης (Memory Exhaustion / 2.64 MiB Allocation Fix):
  • Εφαρμόστηκε bounded sliding-window frame cache (MAX_CACHE = 6 για DOCX, MAX_CACHE = 8 για PDF/Marquee) με αυτόματη διαγραφή των παλαιότερων καρέ και εκκαθάριση στα διαστήματα παύσης.
  • Η κατανάλωση μνήμης RAM μειώθηκε κατά 99,4% (από 20+ GB σε μόλις ~150 MB), εξαλείφοντας οριστικά το σφάλμα Unable to allocate 2.64 MiB σε μεγάλα έγγραφα (50-70+ παραγράφων).
  • Εξασφάλιση Συγχρονισμένου Τονισμού Λέξεων Τελευταίας Παραγράφου (Trailing Word Interpolation):
  • Προστέθηκε αυτόματος αλγόριθμος παρεμβολής χρονισμών (align_word_timings_to_text) που διασφαλίζει ότι ακόμα και αν παραληφθούν οριακά λέξεις/παρενθέσεις στο τέλος μιας πρότασης από το Edge-TTS, όλες οι λέξεις μέχρι και την τελευταία τονίζονται με πράσινο φωτισμό.
  • Η τελευταία λέξη παραμένει φωτισμένη μέχρι το τέλος της εκφώνησης πριν από την εκκίνηση του freeze buffer.
  • Αξιόπιστη Αναφορά Κατάστασης & Σφαλμάτων στο UI:
  • Το γραφικό περιβάλλον και το avatar ενημερώνουν με ακρίβεια σε περίπτωση σφάλματος μετατροπής, αποτρέποντας παραπλανητικά μηνύματα ολοκλήρωσης.
  • Προληπτική Εκκαθάριση Μνήμης (Garbage Collector):
  • Ενσωματώθηκε gc.collect() σε κάθε παράγραφο και πριν από την τελική εγγραφή του βίντεο.
Assets: