iOS应用程序！
我的一个朋友已经沉迷于过去三个月的开发了一个令人真正Impressive的东西。他是那些“深度工程”的类型，不在Reddit注册账户，但由于我一直在测试他的程序，并且在真正为长途通勤节省了我的自我，所以我告诉他我会在这里分享它，希望从社区获得一些反馈。
它被称为LoudReader。它是一款Neural TTS (Text-to-Speech）应用，完全在你的iPhone上运行—没有账号，设备上没有数据离开，和一个月的定价。
他自己的说法：
目标：Airplane 模式下“Kindle for Ears”
我不想上传我的图书馆到第三方云或使用移动数据进行语音合成，以及我经常无法在飞机上播放我的播客，所以我在周末上班时让 Kokoro TTS 运行本地。
这种方式可以让它在 essay，文章和书中发出高质量的神经语言。安装后，您可以完全断网。
为什么它比我想的困难：
展示一个模型可以读出一句句子，是一个demo；做一个产品是一个工程上的研磨。
- 流式传输的斗争：Kokoro不本机流式传输。对于阅读应用程序，等待一个小组段后播放前的等待就不行了。因此，我建立了一个自定义的层，分割了“Goldilocks”窗口——长度足以自然吐槽短得足以启动播放几乎立即。
- “Cruise 模式”策略：为了节省电池，我建立了一种前向呈现未来的部分，而智能手机充电时。在屏幕关闭时，您可以切换重型神经引擎为轻量级硬件解析AAC播放器。
- CoreML & 神经引擎：我发现强制实现
.cpuAndNeuralEngine实际上比.cpuAndGPU慢，很可能是分区开支。这里的CoreML专家如果有一个有原则的解释，我将欢迎您。 - iPhone 12 mini 神秘现象：在旧硬件和模拟器上，延伸性会有破裂的音调，尽管它完美地在我的14 Pro上工作。作为修复，我将 KittenTTS 别名为更轻的替代方案。
内部内容：
- EPUB/PDF 导入：（尽管 PDF 仍然是我的劲敌，关于这个话题的更多详细信息见下文）。
- Project Gutenberg：直接浏览和下载经典选项。
- Saved Articles 缓冲队列：很适合追上长篇大论的网站内容。
- 开源fallback：我开放源码的.iOS 端口，所以其他人都有时可以看到，在没有额外负担下跑一款神经模型的方法：github.com/pepinu/KittenTTS-iOS
我需要您的帮助：
- PDF 解析器：学术论文以及两列layout和方程式仍然有混乱。有人在此处推送了一款可以在本机设备上解析复杂布局的PDF解析器吗？
- UI/UX 反馈：由技能的后端/机器学习工作者，我有第一次设计的用户界面。想要知道您对工作流的看法。
我在还没有在我的iPhone上得到这个移动优化之前，大部分时间上车都把MacBook放在挎背上，我在车里为你的 MacBook。它非常不便，但是使我牢记完成。
我将在以下评论（通过我的朋友）回答所有技术问题！
评论 (0)