Źródła książek i czyszczenie

flowchart LR
  A[Import książki] --> B[Ekstrakcja tekstu]
  B --> C[Przegląd czyszczenia]
  C --> D[Wybór oczyszczonego źródła]
  D --> E[Przygotowanie mowy]

Formaty wejściowe

Obsługiwane są TXT, PDF, EPUB, DOCX, MOBI i wklejony tekst. Konwersja DOCX i MOBI wymaga Calibre. Dobry EPUB lub zwykły tekst może być łatwiejszy do przygotowania niż PDF ze skanów.

Ekstrakcja PDF ma opcje OCR dla stron bez użytecznego tekstu. Sprawdź kolumny, wyrazy podzielone na końcu wiersza, numery stron, powtarzające się nagłówki, przypisy i tabele. Błędy OCR bywają pozornie wiarygodne, więc obejrzyj wydobyty tekst.

Co usunąć

Zachowaj nagłówki, które mają stać się rozdziałami. Zdecyduj, czy czytać przypisy, cytowania, spis treści i informacje wydawnicze. Sprawdź proponowane czyszczenie przed dalszą pracą; usuwaj powtarzające się elementy strony bez usuwania treści książki.

Czyszczenie jest oddzielne od podziału narracji i optymalizacji mowy. Tłumaczenie książki i korekta dokumentu nie są osobnymi etapami audiobooka w tej wersji. Jeśli ich potrzebujesz, przygotuj źródło poza tym procesem i zaimportuj je.

Sprawdź ekstrakcję przed czyszczeniem

Najpierw działa ekstrakcja deterministyczna, która zachowuje podstawową wersję wyodrębnionego tekstu. Opcjonalne czyszczenie z modelem pracuje na tym wyniku. Porównaj proponowane zmiany z wersją podstawową, jeśli brakuje strony, kolumny się mieszają lub nagłówki wyglądają nieprawidłowo.

W skanowanym PDF sprawdź język OCR i stronę z trudnym układem przed przetwarzaniem całej książki. W EPUB obejrzyj granicę rozdziału, przypis i fragment dialogu. Konwersja do zwykłego tekstu nie zachowa wszystkich cech zaprojektowanej strony.

Ustal, co ma zostać przeczytane

• Zachowaj nagłówki rozdziałów, które chcesz usłyszeć i wykorzystać do nawigacji.
• Usuń powtarzające się elementy stron po sprawdzeniu, że rzeczywiście nimi są.
• Zdecyduj, czy przypisy i cytowania mają być odczytane, zachowane jako zwykły tekst czy pominięte.
• Sprawdź strony wstępne i spis treści oddzielnie od głównego tekstu.
• Zachowaj rozróżnienie między podstawową ekstrakcją a wybranym wynikiem czyszczenia.

Po czyszczeniu wybierz oczyszczone źródło przed przygotowaniem planu mowy. Jeżeli później wybierzesz inną wersję źródła, sprawdź zgodność przygotowanych fragmentów i wygenerowanego audio przed ich ponownym użyciem.

Zobacz import i czyszczenie książki.