Skip to content

Latest commit

 

History

1 Commit

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 

Repository files navigation

Neural Voice Batch Processor (v1.0.3-beta)

Uma ferramenta robusta em Python para síntese de voz neural (TTS) de alto desempenho, projetada para processamento em lote de textos densos e complexos (estudos teológicos, documentos históricos e documentação técnica) com execução 100% offline.

🛠 Arquitetura e Diferenciais Técnicos

Este projeto foi desenvolvido para resolver problemas comuns de codificação e integração de ferramentas externas no Windows:

  • Isolamento de Ambiente: Implementado via venv para garantir a integridade das dependências.
  • Bypass de Encoding: Manipulação nativa de streams UTF-8 em Python para evitar corrupção de fonemas e acentuação no motor Piper.
  • Orquestração de Binários: Integração via subprocess com os motores Piper TTS (Síntese) e FFmpeg (Transcodificação de áudio).
  • Processamento Condicional: Lógica de esteira (Pipeline) que identifica novos arquivos, processa e gerencia o status de conclusão para evitar redundância.

🚀 Tecnologias Utilizadas

  • Python 3.13
  • Piper TTS: Motor neural para síntese de voz humana de baixa latência.
  • FFmpeg: Para compressão e conversão de áudio (WAV -> MP3).
  • Subprocess & OS: Para automação de sistema e manipulação de fluxos de dados.

📂 Estrutura do Projeto

  • /input_textos: Pasta de entrada para arquivos .txt.
  • /output_audios: Destino dos arquivos .mp3 finalizados.
  • main.py: Core da aplicação e orquestrador do processo.

📈 Roadmap

  • v1.0.0: Implementação do motor de síntese.
  • v1.0.3: Processamento em lote e tratamento de encoding UTF-8.
  • v1.1.0: Implementação de Watchdog (monitoramento de eventos de pasta em tempo real).

Desenvolvido por Rodrigo Desenvolvedor Back-end e Arquiteto de Sistemas

About

Conversor de texto para áudio neural offline. Otimizado para processamento de textos longos com alta performance.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Contributors

Languages