Słuchanie (zamiana tekstu na mowę)

Athena potrafi czytać na głos to, na co patrzysz. Domyślnie używa wbudowanego silnika mowy telefonu — bez pobierania modeli, bez sieci, bez kosztów. Poniższe alternatywy mają znaczenie tylko wtedy, gdy ten silnik nie działa na Twoim urządzeniu.

Pierwsze kroki

1. Otwórz pozycję, wyświetl pasek narzędzi i dotknij „Słuchaj”.

2. Ustaw szybkość, wybierz głos i ustaw wyłącznik czasowy, jeśli odtwarzanie ma zatrzymać się samo.

3. W plikach EPUB czytane zdanie jest podświetlane, a strona przewija się razem z nim. Pliki PDF są czytane na głos bez podświetlenia na stronie.

4. Odtwarzanie trwa przy wyłączonym ekranie i gdy Athena działa w tle. Ekran blokady i panel powiadomień pokazują okładkę i rozdział oraz przyciski wstrzymania i przewijania o zdanie wstecz lub naprzód.

Jeśli nie działa: uruchom autotest mowy

Niektóre telefony z Androidem — zwłaszcza modele, w których producent zmodyfikował systemową warstwę mowy — mają uszkodzony silnik mowy. Przejdź do Ustawienia → Słuchanie → Autotest mowy. Athena naprawdę odtworzy zdanie testowe i zapyta, czy je słychać: kontrole programowe są zawodne właśnie na takich urządzeniach, więc ostatecznym sędzią jest Twój słuch.

Następnie autotest proponuje ukierunkowane naprawy, zaczynając od najtańszych:

1. Zmień silnik w Athena. Jeśli na telefonie jest zainstalowany więcej niż jeden silnik mowy, wystarczy przełączyć — nic nie trzeba pobierać. Zmiana działa tylko w Athena i nie zmienia domyślnego ustawienia systemu.

2. Pobierz brakujące dane głosowe. Autotest może przenieść Cię prosto do systemowego instalatora danych głosowych.

3. Otwórz systemowe ustawienia mowy, aby sprawdzić silnik domyślny i pakiety językowe.

4. Skonfiguruj głosy w chmurze (zob. niżej).

5. Jeśli nic z tego nie pomaga, możesz poszukać w sklepie z aplikacjami zewnętrznego silnika mowy (na przykład MultiTTS) i zainstalować go jako silnik systemowy. Athena nie udostępnia linku do pobrania i nie ponosi odpowiedzialności za źródło ani bezpieczeństwo aplikacji zewnętrznych; proszę ocenić to samodzielnie.

Głosy w chmurze: użyj własnego klucza API

To opcjonalna funkcja zaawansowana, która wypełnia luki, których nie pokrywa silnik systemowy — w urządzeniach lub językach. Nigdy nie jest ustawiana jako domyślna, a Athena automatycznie wraca do silnika systemowego, jeśli synteza się nie powiedzie lub zabraknie połączenia — podstawowe słuchanie zawsze działa offline.

Obsługiwani są dwaj dostawcy. W Ustawienia → Słuchanie → Głosy w chmurze wpisujesz tylko własny klucz API:

- Volcano Engine (Doubao): dostępny bezpośrednio z Chin kontynentalnych bez dodatkowej konfiguracji sieci. Wbudowany jest pełny oficjalny katalog głosów 2.0 obejmujący 16 języków.

- Microsoft Azure Speech: dla reszty świata. Lista głosów jest pobierana za pomocą Twojego klucza z pełnego oficjalnego katalogu, obejmującego setki języków. Oprócz klucza trzeba wpisać region wybrany przy tworzeniu zasobu (na przykład eastasia).

O głosach i językach: prezentujemy wszystko, co oferują obaj dostawcy, pogrupowane według języka i z możliwością wyszukiwania. Wybierz głos w języku czytanego tekstu — nie ma to związku z tym, jakie języki obsługuje interfejs Athena. Zanim się zarejestrujesz lub zapłacisz, sprawdź w oficjalnej dokumentacji poniżej, czy Twój język znajduje się na liście danego dostawcy. Warto z góry znać jedną zasadę Azure: jeśli język głosu nie zgadza się z tekstem, nic nie jest wypowiadane, ale żądanie i tak jest rozliczane. Wybór niewłaściwego głosu nie powoduje błędu — po prostu dostajesz ciszę i opłatę.

O kosztach: płacisz bezpośrednio dostawcy. Athena niczego nie pobiera, nie dolicza marży i nie ustala limitu. Pamiętaj, że obaj rozliczają się inaczej — Azure oficjalnie liczy każdy znak chiński jako dwa znaki, więc tekst chiński kosztuje dwukrotnie więcej niż podana stawka, a Volcano liczy jeden znak chiński jako jeden. Liczba znaków zsyntezowanych w bieżącej sesji jest pokazana w aplikacji, aby można to było uzgodnić.

O bezpieczeństwie: Twój klucz API pozostaje wyłącznie na tym urządzeniu. Nigdy nie jest synchronizowany ani przesyłany na serwery Athena. Kosztem jest konieczność ponownego wpisania go na nowym urządzeniu; zyskiem — to, że nigdy nie przechowujemy Twoich danych uwierzytelniających do płatności u zewnętrznych dostawców. Jest też wyłączony z kopii zapasowej systemu i z przenoszenia między urządzeniami, więc nie może wyciec przez kopię w chmurze.

Rozwiązywanie problemów

„resource not granted” (Volcano): klucz jest prawidłowy, ale usługa nie jest włączona albo wybrany głos nie został zakupiony w konsoli. Załatw to w zarządzaniu usługami w konsoli Volcano. Prawidłowy klucz i działająca synteza to dwie różne rzeczy.

Błąd regionu Azure: region musi dokładnie zgadzać się z tym, który wybrano przy tworzeniu zasobu Speech. Dla zasobów Azure China (21Vianet) użyj nazwy regionu chińskiego, np. chinaeast2.

Azure w ogóle nie odtwarza dźwięku: najprawdopodobniej język głosu nie zgadza się z tekstem. W takim przypadku Azure milczy, ale mimo to rozlicza żądanie, więc przełącz się na pasujący głos.

Suwak szybkości nic nie robi: obaj dostawcy obsługują zmianę szybkości. Jeśli nic się nie zmienia, najpierw upewnij się, że głosy w chmurze są faktycznie używane — Athena po cichu wraca do silnika systemowego, gdy jesteś offline.

Pierwsze zdanie chwilę trwa: synteza w chmurze wymaga jednej wymiany przez sieć. Kolejne zdania są pobierane z wyprzedzeniem, więc odtwarzanie staje się ciągłe.

Dokumentacja oficjalna

Synteza mowy Doubao w Volcano Engine (lista głosów i rozliczenia): https://www.volcengine.com/docs/6561/1257544

Microsoft Azure Speech (obsługa języków i głosów): https://learn.microsoft.com/azure/ai-services/speech-service/language-support