https://vt.tiktok.com/ZSgthMsgH

часть первая Захотелось, чтобы анекдоты про Штирлица читал тот самый голос из «Семнадцати мгновений весны». Всё крутится локально на маке, без облака. Голос. Клонирует его VoiceStudio на движке OmniVoice. Ему хватает одного чистого куска на 8–15 секунд и точного текста к нему. Сначала думал взять знаменитое «Истинный ариец, характер нордический», но в первой серии этой сцены не оказалось. Зато на 56:06 нашлось: «Штирлиц приехал к себе домой, когда только-только начало темнеть…» Ровно 13 секунд, только диктор. Музыку из-под голоса убрал demucs, дальше фильтры и нормализация громкости. Текст для образца записал руками: модель учится по нему ритму, а автоматическая расшифровка ошибается. Ударения. Модель на них плывёт, «кАчки» вместо «качкИ» убивает весь анекдот. Ударения ставятся по трём уровням: заглавная буква прямо в тексте, затем свой словарь stress.txt для сленга и фамилий, затем нейросеть RUAccent, которая отличает «замо́к» от «за́мка» по контексту. На слух выяснилось, что над «е» знак ставить нельзя: модель начинает говорить «хотЭл». Дубли. Каждый анекдот генерируется в трёх вариантах. Каждый вариант распознаёт Parakeet и сравнивает с исходным текстом. Отдельно штрафуется «Штирлец» и «Штерлец», модель любит так оговариваться. Побеждает самый точный дубль. Пауза перед панчлайном. Многоточия модель игнорирует, поэтому паузу вставляет монтаж: скрипт находит самую тихую точку и добавляет тишину. В конце файла добавляется ещё немного тишины, чтобы плеер не съедал последнее слово. В итоге всего одна команда: anekdot "Штирлиц стрелял вслепую. Слепая испугалась и побежала скачками, | но качки быстро отстали."

Балуюсь тут