PDF2Audio — это новый инструмент с открытым исходным кодом, с помощью которого пользователи могут создавать подкасты, лекции и резюме из сложных документов и данных.

Исследователи под руководством Маркуса Дж. Бюлера из Массачусетского технологического института разработали PDF2Audio в качестве альтернативы функции подкастов Google "Audio Overview" в NotebookLM.

PDF2Audio отличается гибкостью и настраиваемостью, позволяя пользователям создавать управляемые подкасты, лекции, обсуждения и резюме из сложных документов. Инструмент поддерживает несколько моделей, включая GPT-4 от OpenAI и варианты с открытым исходным кодом.

Пользователи могут загружать несколько PDF-файлов, выбирать шаблоны подсказок, настраивать модели генерации текста и звука, а также выбирать различные голоса.

Приложение предлагает многоязычную поддержку и расширенные возможности редактирования. Пользователи могут генерировать контент на французском, немецком, испанском, португальском, хинди, китайском и других языках из любого исходного языка. Функция редактирования позволяет пользователям аннотировать транскрипты, добавлять комментарии и указывать модели на необходимость внесения определенных изменений, таких как изменение тональности или перевод на другой язык.

Исходный код размещен на GitHub для локального использования, доступна версия Hugging Face Space. Чтобы воспользоваться им, необходимо загрузить PDF-файлы, выбрать шаблон, настроить его, если нужно, и нажать кнопку для создания аудио.