WINDOWS / OCR / TTS / ПРОЕКТ

Read On Speak

Дополнительный проект: распознавание субтитров в выбранной области экрана и их озвучивание.

Обсудить похожий проект ↗Исходный код в приватном репозитории

Что реализовано

Захват изображения и Windows OCR
Несколько речевых движков, включая локальные варианты
Отдельные этапы генерации и воспроизведения аудио
Графический интерфейс, горячие клавиши и диагностические инструменты

Статус и ограничения

Остаются нерешённые проблемы распознавания и определения области субтитров. Задержка зависит от оборудования и речевого движка; подтверждённые замеры в портфолио не приводятся.

Мой вклад

Определял требования, функциональность и сценарии использования приложения.
Проверял поведение, выявлял ошибки распознавания и определения области субтитров, ставил задачи на доработку.
Оценивал предложения ИИ и разбирал устройство приложения. Часть выявленных проблем остаётся нерешённой.

Основной код Python-приложения создавался ИИ-агентами. Моя роль — проектирование функциональности, проверка и разбор проблем; самостоятельная разработка сложных Python-приложений не является моей основной специализацией.

Техническое устройство

Конвейер обработки: Захват выбранной области экрана передаёт изображение в Windows OCR. Распознанный текст поступает в речевой движок; генерация аудио и его воспроизведение выделены в отдельные этапы.
Управление: Графический интерфейс и горячие клавиши управляют областью распознавания и чтением. Диагностические инструменты помогают разбирать поведение конвейера.
Окружение: Python-приложение рассчитано на Windows OCR и несколько вариантов TTS, включая локальные. Фактическая задержка зависит от оборудования и выбранного движка; замеры в этом портфолио не заявляются.

Основной сценарий