Android LT — lietuviškas balsas ir diktavimas telefone

Kam tai

Ką sutaiso

Lietuviškas kalbos atpažinimo modelis klausė 12 kasdienių sakinių. Žodžių klaidų: be pataisų 7,7 %, su „s“ pataisa 4,4 %, su kirčiais 1,1 %. Išbandyta Xiaomi 12T Pro, Android 15, SherpaTTS 3.4.

Kaip įdiegti (apie 5 min.)

Reikia Android 10 ar naujesnio (ausims — Android 12). Abu failai — leidime.

Balsas — „Ingutė“ (Ingute-1.0.apk, 151 MB)

1. Parsisiųsk į telefoną Ingute-1.0.apk ir paspausk jį (naršyklėje arba failų tvarkyklėje, aplanke „Download“). Telefonas paklaus, ar leisti diegti iš šio šaltinio — leisk.
2. „Įdiegti“. Atidaryti programos nereikia: Ingutė įsidiegia pati — su „s“ pataisa ir kirčių žodynu.
3. Telefono nustatymai → „Teksto į kalbą išvestis“ → variklis Ingutė, kalba lietuvių → „Klausyti pavyzdžio“.

Ausys — „Parakeetype LT“ (Parakeetype-LT-0.5.0-lt2.apk, 59 MB)

1. Parsisiųsk ir įdiek. Jei „Google Play Protect“ pasiūlys programą patikrinti, spausk „Patikrinti“, po to „Įdiegti“ (mums atsakė: „Atrodo, kad programa saugi“).
2. Atidaryk, leisk mikrofoną, prie „Modelis neįdiegtas“ spausk „Įdiegti“.
3. Kortelėje „Parakeet Lithuanian (Default)“: „Atsisiųsti naršyklėje“ (955 MB, geriau per Wi-Fi) → kai atsisiųs, „Importuoti modelio failą“ → parakeet-lt-kmynas-int8.zip. Po minutės — „Aktyvus modelis“; archyvą galima ištrinti.
4. Pradžios ekrane prie „Klaviatūra neįgalinta“ → „Atidaryti nustatymus“ → įjunk Parakeetype. Android įspės, kad klaviatūra „gali rinkti viską, ką įvedate“ — taip rodoma kiekvienai klaviatūrai; ši interneto leidimo neturi, tad tekstas iš telefono neišeina → OK.
5. Diktuok: bet kuriame teksto lauke Gboard'e ilgai laikyk 🌐 → „Parakeetype balso įvestis“, laikyk mikrofono mygtuką ir kalbėk.

Abi programos pasirašytos mūsų raktu (sertifikato SHA-256 8679aa5f…afaf7f), failų sumos — SHA256SUMS.txt leidime. Programų ekranuose — lietuviškai, sistemos languose — rusiškai (tokia telefono kalba). Išbandyta Xiaomi 12T Pro, Android 15.

Pažengusiems: balsas per SherpaTTS iš F-Droid (be mūsų programos, apie 10 min.)

1. Įsidiek SherpaTTS iš F-Droid — Google Play'uje jos nėra, ten paieška rodo kitas, reklamines programas. Failas: org.woheller69.ttsengine_34.apk (3.4, 91 MB). Tikroji programa vadinasi SherpaTTS, be reklamų.
2. Parsisiųsk į telefoną iš leidimo du failus: lt_LT-ingute-medium.onnx ir tokens.txt.
3. SherpaTTS → „INSTALL PIPER MODEL FROM SD“: kalbos kodas lit, pavadinimas Ingute, modelis ir tokens failai → OK.
4. Telefono nustatymai → „Teksto į kalbą išvestis“ → variklis SherpaTTS, kalba lietuvių → „Klausyti pavyzdžio“.

Ingutė jau kalba su „s“ pataisa. Kirčiams — dar vienas žingsnis per kompiuterį.

5. Kirčiai — per kompiuterį

Naujesni Android'ai neleidžia failų tvarkyklei rašyti į kitų programų aplankus, todėl lt_dict dedamas su Google adb. Telefone: Nustatymai → Apie telefoną → 7 kartus paspausk versijos numerį → kūrėjo nustatymuose įjunk „USB derinimas“ → prijunk laidu ir patvirtink.

Pirma patikrink, ar tavo SherpaTTS žodynas originalus (turi būti 5426503daf0a29836d0f168d38b38581; jei kitoks — nekeisk):

adb shell md5sum /sdcard/Android/data/org.woheller69.ttsengine/files/espeak-ng-data/lt_dict

Tada atsarga, naujas žodynas ir programos perkrovimas:

adb shell cp /sdcard/Android/data/org.woheller69.ttsengine/files/espeak-ng-data/lt_dict /sdcard/Android/data/org.woheller69.ttsengine/files/espeak-ng-data/lt_dict_orig
adb push lt_dict /sdcard/Android/data/org.woheller69.ttsengine/files/espeak-ng-data/lt_dict
adb shell am force-stop org.woheller69.ttsengine

Paklausyk: „Dabar labai gera diena, nes Lietuvos rinktinė laimėjo.“ Grąžinti — lt_dict_orig pervadinti atgal į lt_dict. Iš naujo įdiegus SherpaTTS, šį žingsnį reikia kartoti.

Ausys — diktavimas lietuviškai

Kalbi į telefoną lietuviškai, ir tekstas atsiranda bet kuriame teksto lauke. Tai daro atviro kodo balso klaviatūra Parakeetype (theScrabi): kalbą ji atpažįsta pačiame telefone ir interneto leidimo neturi. Jos numatytasis modelis lietuviškai girdi prastai, o mūsų archyvas parakeet-lt-kmynas-int8.zip (955 MB) duoda jai lietuviškas ausis. Mūsų „Parakeetype LT“ — ta pati programa, kurioje lietuviškas modelis pirmas ir numatytasis.

Kaip įdiegti — aukščiau, „Parakeetype LT“. Kai Parakeetype autorius sujungs mūsų pasiūlymą theScrabi/Parakeetype#1, lietuvišką modelį siūlys ir F-Droid Parakeetype. Susikompiliuoti pačiam — README.

Tik lietuvių kalba; telefone užima apie 910 MB, reikia Android 12 ar naujesnio. Išbandyta Roberto telefone (Xiaomi 12T Pro, Android 15).

Kaip naudotis kasdien

Įdiegti dar nereiškia, kad telefonas pats pradės kalbėti ar klausyti. Čia — ką padaryti vieną kartą ir kaip paskui naudotis. Meniu pavadinimai telefonuose šiek tiek skiriasi, todėl paprasčiausia juos rasti nustatymų paieškoje. Ekranai — iš Xiaomi telefono rusiška kalba.

Kad telefonas skaitytų Ingutės balsu

1. Ingutė — telefono balsas (vieną kartą). Nustatymų paieškoje įrašyk „teksto į kalbą“ (rusiškai „синтез“). Numatytasis variklis → Ingutė (arba SherpaTTS, jei diegei pažengusiųjų keliu; Android perspės, kad variklis „gali rinkti tekstą“ — taip rodo kiekvienam ne Google balsui; spausk OK). Kalba → lietuvių. Klausyti pavyzdžio — turi prabilti Ingutė.
2. Kad perskaitytų bet kokį tekstą ekrane (vieną kartą). Nustatymų paieškoje įrašyk „Select to Speak“ (rusiškai „озвуч“ → „Озвучивание при нажатии“), įjunk jungiklį ir leisk matyti ekraną. Ekrano krašte atsiras mėlynas mygtukas.
3. Kasdien: atsidaryk SMS, laišką ar straipsnį → paspausk mėlyną mygtuką → paliesk pastraipą, ir Ingutė ją perskaitys (▶ — visą ekraną, ■ — sustabdo).

Kad telefonas rašytų, ką sakai (ausys)

1. Atsidaryk vietą, kur rašai: SMS, užrašus, paiešką.
2. Perjunk klaviatūrą į Parakeetype: Gboard'e ilgai laikyk 🌐 → „Parakeetype balso įvestis“.
3. Laikyk mikrofono mygtuką ir kalbėk. Atleidus tekstas atsiranda; taškus, kablelius ir didžiąsias raides programa sudeda pati.
4. Atgal į įprastą klaviatūrą — mažas klaviatūros ženkliukas dešinėje, virš Enter.

Nesiseka? Nebijok klausti. Atsidaryk bet kurį DI pokalbį (ChatGPT, Claude, Gemini) ir įklijuok: Perskaityk https://raw.githubusercontent.com/RobertasTa/android-lt/main/AI_CONSULTANT_BRIEF.md ir padėk man su Android LT. Tada parašyk, kas neišeina, ir pridėk ekrano nuotrauką — tas DI žino visus šiuos žingsnius ir kalbės su tavimi lietuviškai.

Privatumas — tiesiai

Tekstas ir garsas iš telefono neišeina: balsas ir ausys sukasi telefone. „Ingutė“ (kaip ir SherpaTTS) į internetą eina tik tada, kai pats spaudi siųstis kitą kalbą iš jos sąrašo — Ingutė jau viduje. „Parakeetype LT“ interneto leidimo neturi visai: modelio archyvą parsisiunčia naršyklė.

Ribos

• Skaičius ir santrumpas skaito eSpeak NG pats („15:25 val.“ gali skambėti keistai).
• Perduodama tik kirčio vieta, ne priegaidė.
• Apie 9 % žodžių žodyne nėra — jiems kirtį spėja eSpeak NG.
• lt_dict sudarytas SherpaTTS 3.4 — kitai versijai pirma patikrink md5.
• SherpaTTS kūrėjai nesutinka su Google tapatybės reikalavimu, kuris visame pasaulyje planuojamas 2027 m.; jų programa apie tai įspėja pati. Tą patį jų įspėjimą (angliškai) rodo ir abi mūsų programos; kaip pasielgsim mes, nuspręsim iki 2027 m.
• Tai sintetinis balsas — natūralus, bet ne žmogus.

Licencijos

• Programos — GPL-3.0, kaip ir jų originalai: „Ingutė“ — SherpaTTS (woheller69) su mūsų pakeitimais (kodas); „Parakeetype LT“ — Parakeetype (theScrabi) su mūsų pakeitimais (kodas).
• Balsas — NewGenLTU Open RAIL-D 1.0: naudoti galima laisvai ir nemokamai, komercinio naudojimo nedraudžia, galioja naudojimo apribojimai; perduodant toliau kartu perduoti LICENSE-VOICE ir nurodyti kilmę. Ingutė išaugo iš Reginutės modelio, mūsų Python įrankiais.
• lt_dict ir jo šaltiniai — GPL-3.0 (eSpeak NG duomenys). Kirčių vietos — iš dviejų CC BY 4.0 darbų: LIEPA garsyno anotacijos (Vilniaus universitetas) ir Arūno Smaliuko g2p-lt-lexicon (THIRD_PARTY.md).
• Ausys — CC BY 4.0: NVIDIA Parakeet TDT 0.6B v3, lietuviškai apmokytas Kristijono Jakubsono („kmynas v4“, LIEPA-3); mūsų pakeitimai surašyti archyvo NOTICE.txt. Silero VAD archyve — MIT. Parakeetype — atskira programa (GPL-3.0).

Kitos mūsų dovanos