Doc-To-Dialogue

מה זה

אתם מעלים קובץ PDF ובוחרים שפה מתוך שתי אפשרויות בלבד: אנגלית או ספרדית. בצד השני מקבלים נגן עם קובץ אודיו של שיחה שנוצרה מתוך הטקסט. בעמוד יש גם אזור דוגמאות שמציג שמות של דוחות, תמונה וקובץ שמע מוכן להאזנה כדי שתשמעו איך זה נשמע לפני שאתם מעלים קובץ משלכם.

מאחורי הקלעים רץ הקוד שמשתמש במודל gemini-1.5-flash של גוגל יחד עם שילוב של ספריות OpenAI ו־pydub לעיבוד הקול והסאונד. המודל מנתח את המסמך, מייצר תסריט של דיאלוג ומרכיב אותו לקובץ שמע אחד באמצעות פעולות אסינכרוניות בקוד.

מתאים ל

• האזנה לדוחות באנגלית

  המרת מחקר או דו"ח עסקי ב־PDF לפורמט של ראיון קולי להאזנה ברכב או בהליכה.

• לימוד חומרים בספרדית

  העלאת מסמך לימודי ובחירה בספרדית לקבלת שיחה מדוברת לתרגול השפה והבנת הנקרא.

• בדיקת איכות התסריט

  בחינה מהירה בעזרת הדוגמאות בעמוד של האופן שבו המודל מפרק מסמך יבש לדיאלוג.

איפה זה נופל

אין תמיכה בעברית, רק באנגלית ובספרדית. בנוסף, הממשק מקבל קובצי PDF בלבד ולא תומך בפורמטים כמו וורד או טקסט פשוט. מעבר לזה, הקוד נעזר במודלים של גוגל ו־OpenAI דרך שרת מרוחק, כך שכל המסמך שלכם יוצא החוצה לספקי צד שלישי.

איך משתמשים

גוררים קובץ PDF לתיבת ההעלאה, בוחרים שפה ולוחצים על Generate Interview. אין צורך בהרשמה או בהזנת מפתח אישי כדי להתחיל. היות והיישום רץ על מעבד בסיסי חינמי ללא מאיץ גרפי ייעודי, יצירת האודיו ופנייה למודלים החיצוניים לוקחות זמן, במיוחד אם מדובר במסמך ארוך.

הרישיון

הקוד מפורסם תחת רישיון MIT שמאפשר שימוש חופשי, שינוי והפצה. עם זאת, התוכן שאתם מעלים עובר דרך שרתי החברות שמפעילות את המודלים, ולכן תנאי השימוש והפרטיות של גוגל ו־OpenAI חלים על החומרים שלכם.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗