منصوبے کے بارے میں

Podcastfy ایک اوپن سورس Python پیکج ہے جو جنریٹو AI کا استعمال کرتے ہوئے ملٹی موڈل مواد کو گفتگو پر مبنی آڈیو پوڈکاسٹ میں تبدیل کرتا ہے۔ اسے بند UI پر مبنی ٹولز کے مقابلے میں تحقیق کی ترکیب کے لیے ایک کھلا، پروگرامیٹک متبادل کے طور پر پیش کیا گیا ہے، جس میں ایک ہی میزبان انٹرفیس کے بجائے حسب ضرورت اور پیمانے پر زور دیا گیا ہے۔ ان پٹ اور آؤٹ پٹ - یہ ذریعہ مواد کے طور پر ویب سائٹس، PDFs، تصاویر، YouTube ویڈیوز اور صارف کے فراہم کردہ موضوعات قبول کرتا ہے۔ - یہ کثیر لسانی آڈیو گفتگو تیار کرتا ہے، جس میں مختصر (تقریباً 2-5 منٹ) اور طویل (30+ منٹ) فارمیٹس کی حمایت شامل ہے۔ - README میں تصاویر، ذاتی ویب سائٹس، طویل انٹرویوز، کتابوں اور غیر انگریزی خبروں یا تحقیقی صفحات سے تیار کردہ مثال کے آؤٹ پٹ دکھائے گئے ہیں۔ استعمال کا طریقہ - اسے PyPI سے `podcastfy` کے طور پر انسٹال کیا جا سکتا ہے؛ اس کے لیے Python 3.11+ اور آڈیو پروسیسنگ کے لیے ffmpeg درکار ہے۔ - Python استعمال ایک ہی کال ہے: `podcastfy.client` سے `generate_podcast(urls=[...])`۔ - ایک CLI `python -m podcastfy.client --url ...` کے ذریعے دستیاب ہے۔ - URL پر مبنی درخواستوں کی خدمت کے لیے ایک بیٹا FastAPI/Docker راستہ دستاویز کیا گیا ہے۔ حسب ضرورت اور انضمام - گفتگو کی شکل، انداز اور آوازوں کو حسب ضرورت بنایا جا سکتا ہے۔ - ٹرانسکرپٹ جنریشن OpenAI، Anthropic اور Google جیسے فراہم کنندگان کے 100+ LLM ماڈلز، یا مقامی LLMs (README میں 156+ HuggingFace ماڈلز کا ذکر ہے) استعمال کر سکتی ہے تاکہ زیادہ رازداری اور کنٹرول حاصل ہو۔ - ٹیکسٹ ٹو اسپیچ انضمام میں OpenAI، Google، ElevenLabs اور Microsoft Edge شامل ہیں۔ - کنفیگریشن اور API کلیدوں کو دستاویزی سیٹنگز فائلوں کے ذریعے سنبھالا جاتا ہے۔ پروجیکٹ کی حیثیت اور ماحولیاتی نظام - Apache 2.0 کے تحت لائسنس یافتہ، Read the Docs پر دستاویزات، ایک Colab نوٹ بک، ٹیسٹ اور Docker پبلشنگ ورک فلو کے ساتھ۔ - README میں Podcastfy کے ساتھ بنائے گئے پروجیکٹس کی فہرست دی گئی ہے، جن میں OpenNotebook، SurfSense، OpenPod، Podcast-llm اور ایک Hugging Face ڈیمو شامل ہیں۔ - بیان کردہ استعمال کے معاملات میں مواد تخلیق کار جو مضامین کو آڈیو میں تبدیل کرتے ہیں، معلمین جو لیکچر مواد تبدیل کرتے ہیں، محققین جو آڈیو خلاصے تیار کرتے ہیں، اور رسائی کے حامی جو تحریری یا بصری مواد کو سمعی فارمیٹس میں تبدیل کرتے ہیں، شامل ہیں۔ یہ جائزہ صرف ریپوزٹری README میں بیان کردہ صلاحیتوں کی عکاسی کرتا ہے؛ یہاں کوئی آزاد بینچ مارک، درجہ بندی یا کارکردگی کے دعوے نہیں کیے گئے ہیں۔