OpenAI LATAM Audiobook Generator

Overview

Полный пайплайн создания аудиокниги:

Перевод на аргентинский испанский (GPT-4o-mini)
Озвучка (Google Cloud TTS)
Поиск и скачивание фоновой картинки
Генерация видео

Скорости озвучки: RU 1.5x / ES-LATAM 0.8x

Quick Start

Когда пользователь просит создать аудиокнигу:

# 1. Определить размер файла
FILE_SIZE=$(wc -c < "txt_source/BOOK.txt")

# 2. Выбрать параллелизм
if [ $FILE_SIZE -gt 51200 ]; then
    PARALLEL=16
else
    PARALLEL=4
fi

# 3. Запустить пайплайн
python3 main.py run \
    -i txt_source/BOOK.txt \
    -s ru -t es \
    --translator openai \
    --translator-parallel $PARALLEL \
    --tts google_cloud \
    --tts-parallel $PARALLEL \
    --tts-target-locale es-latam \
    --combine-workers $PARALLEL \
    --video-workers 8 \
    --speed-source 1.5 \
    --speed-target 0.8

Full Workflow

Step 1: Check File Size & Set Parallelism

# Get file size in bytes
FILE_SIZE=$(wc -c < "txt_source/BOOK.txt")
echo "File size: $FILE_SIZE bytes"

# Set parallelism
if [ $FILE_SIZE -gt 51200 ]; then
    echo "Large file (>50KB) - using 16 parallel workers"
    PARALLEL=16
else
    echo "Small file (<50KB) - using 4 parallel workers"
    PARALLEL=4
fi

Step 2: Use Existing Background Image

ВАЖНО: Для каждого текста уже есть сгенерированная картинка!

txt_source/
├── book_name.txt      # Исходный текст
└── book_name.png      # Сгенерированная обложка (уже есть!)

Процесс:

Проверить что картинка существует: txt_source/{BOOK_NAME}.png
Скопировать в проект:

# После создания проекта - скопировать картинку
cp txt_source/BOOK_NAME.png projects/BOOK_NAME_ru_es/video/background.png

Если картинки НЕТ (для новых текстов) - использовать WebSearch:

# Search for book-related neutral background image
WebSearch("BOOK_TITLE background wallpaper neutral abstract 1920x1080")
# Download image:
WebFetch(url="IMAGE_URL", save_as="projects/PROJECT/video/background.jpg")

Image search queries by genre:

| Genre | Search Query | |-------|-------------| | Sci-Fi | space nebula abstract wallpaper 4k | | Fantasy | fantasy landscape castle mountains wallpaper | | Horror | dark forest fog atmospheric wallpaper | | Classic | vintage library books wallpaper aesthetic | | Adventure | ocean sunset adventure wallpaper |

Step 3: Run Translation Pipeline

python3 main.py run \
    -i txt_source/BOOK.txt \
    -s ru -t es \
    --translator openai \
    --translator-parallel $PARALLEL \
    --tts google_cloud \
    --tts-parallel $PARALLEL \
    --tts-target-locale es-latam \
    --combine-workers $PARALLEL \
    --video-workers 8 \
    --speed-source 1.5 \
    --speed-target 0.8

Step 4: Copy Background Image Before Video Generation

ПЕРЕД генерацией видео - скопировать картинку:

# Путь к проекту
PROJECT_DIR="projects/BOOK_NAME_ru_es"

# Создать папку video если её нет
mkdir -p "$PROJECT_DIR/video"

# Скопировать картинку из txt_source (если есть)
if [ -f "txt_source/BOOK_NAME.png" ]; then
    cp "txt_source/BOOK_NAME.png" "$PROJECT_DIR/video/background.png"
    echo "✅ Background image copied"
fi

Важно: Картинка должна быть в projects/*/video/background.{png,jpg} ДО запуска видео-генерации!

Settings Reference

| Parameter | Value | Description | |-----------|-------|-------------| | --translator | openai | GPT-4o-mini для LATAM | | --tts-target-locale | es-latam | Латиноамериканский акцент TTS | | --speed-source | 1.5 | Русский 1.5x быстрее | | --speed-target | 0.8 | Испанский 0.8x медленнее | | --translator-parallel | 4 or 16 | По размеру файла | | --tts-parallel | 4 or 16 | По размеру файла | | --combine-workers | 4 or 16 | По размеру файла | | --video-workers | 8 | Всегда 8 |

Parallelism Rules

| File Size | Parallel Workers | Estimated Time | |-----------|-----------------|----------------| | < 50 KB | 4 | ~2-5 min | | 50-200 KB | 8 | ~5-10 min | | 200-500 KB | 12 | ~10-20 min | | > 500 KB | 16 | ~20-60 min |

Background Image Guidelines

DO:

Abstract, atmospheric images
Landscapes without people
Space/nebula for sci-fi
Nature scenes for classics
Dark/moody for horror

DON'T:

Images with text
Copyrighted characters
Faces or people
Low resolution
Busy/distracting patterns

Cost Estimation (OpenAI GPT-4o-mini)

| Book Size | Characters | Est. Cost | |-----------|------------|-----------| | Short story (50KB) | ~50K | ~$0.01 | | Novella (200KB) | ~200K | ~$0.05 | | Novel (500KB) | ~500K | ~$0.10 | | Long novel (1MB) | ~1M | ~$0.20 |

Example: Full Pipeline

# Example for "The Time Machine" by H.G. Wells

# 1. Check size
wc -c txt_source/wells_time_machine.txt
# 319094 bytes = ~312 KB (use PARALLEL=12)

# 2. Start translation pipeline
python3 main.py run \
    -i txt_source/wells_time_machine.txt \
    -s ru -t es \
    --translator openai \
    --translator-parallel 12 \
    --tts google_cloud \
    --tts-parallel 12 \
    --tts-target-locale es-latam \
    --combine-workers 12 \
    --video-workers 8 \
    --speed-source 1.5 \
    --speed-target 0.8

# 3. PARALLEL: Search background image
# "time machine steampunk victorian wallpaper abstract 4k"
# Download to: projects/wells_time_machine_ru_es/video/background.jpg

# 4. Output: projects/wells_time_machine_ru_es/video/output.mp4

Troubleshooting

SSL Certificate Error (NLTK)

Fixed in code. If still occurs:

pip3 install certifi

OpenAI Rate Limit (429)

Reduce --translator-parallel to 2-4
Wait 1 minute and retry

SQLite Thread Error

Fixed in code with check_same_thread=False

TTS Quota Exceeded

Check quota: python3 main.py quota
Wait until next month or use --tts gtts

Files Created

projects/BOOK_ru_es/
├── project.db           # All data
├── text/original.txt    # Source text
├── audio/
│   ├── source/*.mp3     # Russian TTS
│   ├── target/*.mp3     # Spanish TTS
│   └── combined.mp3     # Final audio
└── video/
    ├── background.jpg   # Downloaded image (optional)
    ├── subtitles.ass    # Karaoke subtitles
    └── output.mp4       # Final video