ПРОМЕТЕЙ: Хроники цифрового суверенитета и победа над медленной озвучкой

Этот материал — не просто очередная инструкция. Это история победы над системным ограничением, которое годами мешало мне потреблять информацию так, как я этого хочу. Это технический отчет о создании «Прометея» — инструмента, который делает создание аудиокниг промышленным процессом.

Предыстория: Почему стандартные решения — это боль

Каждый, кто пробовал превратить электронную книгу в аудио, сталкивался с тремя стенами:

• Балаболка и её аналоги: Замечательный софт, но в 2026 году он безнадежно медленный для больших объемов. Когда программа показывает «1% прогресса в час», а твой компьютер превращается в жужжащую печку — это не работа, это мазохизм. Интерфейс Windows накладывает свои ограничения на скорость обращения к API, и этот барьер невозможно пробить.
• Облачные сервисы: Они предлагают отличное качество, но душат тебя лимитами. «Первые 5000 символов бесплатно», «Подписка за 20 долларов в месяц», «Ограничение на размер файла». Это полная противоположность цифровому суверенитету. Ты становишься зависимым от чужого биллинга.
• Мобильные читалки: Удобно, но они не создают файл. Ты привязан к приложению. Если оно упадет или ты сменишь телефон, твоя «озвучка» исчезнет.

Мне нужен был инструмент, который работает на моем «железе», использует лучшие нейросети мира (Microsoft Neural TTS), но делает это со скоростью боевого истребителя. Так появился «Прометей».

Архитектурная логика: Почему это работает быстро

«Прометей» — это не программа. Это конвейер. Я обосновал выбор каждого компонента, исходя из физики процессов:

1. Многопоточность как основа (xargs -P)

Microsoft ограничивает скорость генерации аудио на один поток. Если ты просишь озвучить книгу целиком, сервер будет отдавать данные со скоростью чуть быстрее человеческой речи. Это узкое горлышко. «Прометей» рубит книгу на десятки чанков и запрашивает их одновременно. 12-16 потоков заставляют сервера Microsoft работать на нас в полную силу. Мы утилизируем канал сервера, а не ждем своей очереди.

2. Стабильность данных (fold -s и Disk-First)

Стандартные скрипты часто падают на кириллице. Русская буква в UTF-8 весит 2 байта. Обычный разрез файла может пройти ровно между этими байтами, и Python-декодер вылетит с критической ошибкой. Использование fold -s гарантирует, что разрез пройдет по пробелу. А перенос рабочего каталога из RAM на SSD (Disk-First) позволяет перемалывать книги любого объема, не боясь заполнения оперативной памяти.

3. Пандок и парсинг метаданных

Я не хочу видеть в плеере файлы с именами типа 12345.mp3. Использование pandoc позволяет извлекать из FB2-структуры чистый текст, а самописный парсер вытягивает ФИО автора и название книги. На выходе — идеальный порядок в библиотеке.

Инструкция для тех, кто готов созидать

Я даю вам базу. Она работает. Как вы её развернете и что будете озвучивать — ваше личное дело. Саппорта не будет, потому что админ должен уметь читать логи сам.

Что нужно поставить на сервер (Debian/Ubuntu)

• Python 3.10+: Среда для работы движка.
• edge-tts: Библиотека для прямого доступа к нейросетям Microsoft.
• FFmpeg: Инструмент для «сшивания» аудио-кусков в монолитный MP3 без потери качества.
• Pandoc: Универсальный конвертер для FB2 и других текстовых форматов.

# Установка за одну минуту:
apt update && apt install -y python3-pip ffmpeg pandoc
pip install edge-tts --break-system-packages
mkdir -p /root/books/{text,audio,tmp}

После этого создай файл prometheus.sh в папке /root/ и вставь туда код ниже.

#!/bin/bash
# ======================================================
# PROJECT PROMETHEUS v7.2.1 | MASTER EDITION
# Technical Assistant: Phoenix901
# ======================================================

# КОНФИГУРАЦИЯ
THREADS=12                # Оптимально для 1 ядра
VOICE="ru-RU-DmitryNeural"
RATE="+15%"               # Темп речи (схлопывает паузы)
OUTPUT_BASE="/root/books/audio"
TEMP_BASE="/root/books/tmp"

# ЦВЕТОВАЯ ПАЛИТРА PHOENIX901
ORANGE='\033[0;31m'
COPPER='\033[0;33m'
GREEN='\033[0;32m'
BLUE='\033[0;34m'
NC='\033[0m'

clear
echo -e "${ORANGE}======================================================${NC}"
echo -e "${COPPER}   PROJECT PROMETHEUS v7.2.1 | MASTER EDITION         ${NC}"
echo -e "${ORANGE}======================================================${NC}"

# 1. ПРОВЕРКА ЗАВИСИМОСТЕЙ
for cmd in edge-tts ffmpeg pandoc; do
    if ! command -v $cmd &> /dev/null; then echo -e "${ORANGE}ERR: $cmd не установлен!${NC}"; exit 1; fi
done

# 2. ВВОД ДАННЫХ
read -e -p "Введи путь к файлу (txt/fb2): " INPUT_PATH
INPUT_PATH=$(echo "$INPUT_PATH" | sed -e 's/^"//' -e 's/"$//' -e "s/^'//" -e "s/'$//")

if [ ! -f "$INPUT_PATH" ]; then echo -e "${ORANGE}ERR: Файл не найден!${NC}"; exit 1; fi

# 3. ПОДГОТОВКА СРЕДЫ
WORKDIR="${TEMP_BASE}/work_$(date +%s)"
mkdir -p "$WORKDIR" "$OUTPUT_BASE"

# 4. ОБРАБОТКА МЕТАДАННЫХ И КОНВЕРТАЦИЯ
FILE_EXT="${INPUT_PATH##*.}"
ORIG_NAME=$(basename "$INPUT_PATH" ."$FILE_EXT")

if [[ "$FILE_EXT" == "fb2" ]]; then
    echo -e "${GREEN}>>> Формат: FB2. Парсинг структуры...${NC}"
    F_NAME=$(grep -i -oP '(?<=<first-name>).*?(?=</first-name>)' "$INPUT_PATH" | head -1)
    M_NAME=$(grep -i -oP '(?<=<middle-name>).*?(?=</middle-name>)' "$INPUT_PATH" | head -1)
    L_NAME=$(grep -i -oP '(?<=<last-name>).*?(?=</last-name>)' "$INPUT_PATH" | head -1)
    TITLE=$(grep -i -oP '(?<=<book-title>).*?(?=</book-title>)' "$INPUT_PATH" | head -1)
    META_NAME="${L_NAME}_${F_NAME}${M_NAME:+_$M_NAME}__${TITLE}"
    if [ ${#META_NAME} -lt 10 ]; then BOOK_NAME="$ORIG_NAME"; else BOOK_NAME="$META_NAME"; fi
    pandoc -f fb2 -t plain "$INPUT_PATH" -o "$WORKDIR/raw.txt"
else
    echo -e "${GREEN}>>> Формат: TXT. Наследование имени...${NC}"
    BOOK_NAME="$ORIG_NAME"
    cp "$INPUT_PATH" "$WORKDIR/raw.txt"
fi

BOOK_NAME=$(echo "$BOOK_NAME" | sed 's/[[:space:]]/_/g' | sed 's/[\\/:"*?<>|]//g')
FINAL_FILE="$OUTPUT_BASE/${BOOK_NAME}.mp3"

echo -e "${COPPER}>>> КНИГА: ${BLUE}${BOOK_NAME}.mp3${NC}"

# 5. ОПТИМИЗАЦИЯ ТЕКСТА (SILENCE KILLER)
sed '/^$/d' "$WORKDIR/raw.txt" > "$WORKDIR/source.txt"

# 6. НАРЕЗКА (UTF-8 SAFE)
echo -e "${GREEN}>>> Нарезка безопасных чанков...${NC}"
fold -s -w 2000 "$WORKDIR/source.txt" | tr -d '\r' > "$WORKDIR/formatted.txt"
split -l 100 -d -a 4 "$WORKDIR/formatted.txt" "$WORKDIR/part_"

TOTAL_PARTS=$(ls "$WORKDIR"/part_[0-9]* | wc -l)

# 7. МНОГОПОТОЧНАЯ ОЗВУЧКА
export VOICE WORKDIR RATE
do_tts() {
    local file=$1
    edge-tts --rate="$RATE" --voice "$VOICE" --file "$file" --write-media "$file.mp3" > /dev/null 2>&1
}
export -f do_tts

(
    while true; do
        DONE_PARTS=$(ls "$WORKDIR"/part_*.mp3 2>/dev/null | wc -l)
        if [ "$TOTAL_PARTS" -gt 0 ]; then PERCENT=$(( DONE_PARTS * 100 / TOTAL_PARTS )); else PERCENT=0; fi
        printf "\r${ORANGE}Прогресс: [${COPPER}%-40s${ORANGE}] %d%% (%d/%d)${NC}" $(printf '#%.0s' $(seq 1 $((PERCENT * 40 / 100)) 2>/dev/null)) "$PERCENT" "$DONE_PARTS" "$TOTAL_PARTS"
        [ "$DONE_PARTS" -ge "$TOTAL_PARTS" ] && break
        sleep 2
    done
) &
PROGRESS_PID=$!

ls "$WORKDIR"/part_[0-9]* | xargs -P $THREADS -I {} bash -c 'do_tts "{}"'
wait $PROGRESS_PID

# 8. СКЛЕЙКА (FFMPEG)
echo -e "\n${GREEN}>>> Склеиваю финальный монолит...${NC}"
ls "$WORKDIR"/part_*.mp3 | sort | xargs -I {} echo "file '{}'" > "$WORKDIR/list.txt"
ffmpeg -f concat -safe 0 -i "$WORKDIR/list.txt" -c copy -y "$FINAL_FILE" &> /dev/null

# 9. ЧИСТКА
rm -rf "$WORKDIR"
echo -e "${ORANGE}======================================================${NC}"
echo -e "${GREEN}ГОТОВО!${NC} Файл: ${BLUE}$FINAL_FILE${NC}"
echo -e "${ORANGE}======================================================${NC}"

Технические нюансы и ответы на вопросы

• Проблема пауз: Нейронки Microsoft имеют «врожденную» особенность — они делают длинные паузы между абзацами, имитируя дыхание диктора. На текущий момент в библиотеке нет штатного способа управлять этим параметром. Решение: Я выставил в скрипте RATE="+15%", что немного ускоряет темп и сжимает задержки. Для идеального комфорта используйте в плеере функцию «Skip Silence» и скорость 1.2x.
• Блокировки IP (Error 429): Если вы решите озвучить сразу 50 книг, Microsoft может временно заблокировать ваш сервер. 12 потоков (THREADS) — это проверенный безопасный предел для личного использования.
• Качество звука: Мы получаем чистый моно-поток, который идеально подходит для речи. Битрейт оптимизирован так, чтобы 15-часовая книга весила около 300-400 МБ. Это экономит место на вашем устройстве.
• Кириллица в именах: Скрипт полностью поддерживает русские названия файлов и корректно передает их в файловую систему Linux.

Манифест «Не жалко»

Я делюсь этой технологией, потому что ресурс не должен гнить на складе. Если код написан и он приносит пользу — он должен быть в обороте. Я потратил время на борьбу с кодировками, лимитами и структурой FB2, чтобы вы могли просто запустить скрипт и получить результат.

Этот инструмент для свободных людей. Для тех, кто не хочет платить корпорациям за право слушать книги. Берите, пользуйтесь, ломайте, переписывайте. Но делайте это сами.