Konwertuj HTML na MP3

Telefon, radio samochodowe, edytor podcastów lub archiwum offline mogą wymagać dźwięku mowy w formacie MP3 zamiast strony HTML możliwej do odczytania w przeglądarce. Ponieważ HTML zawiera znaczniki i tekst, a nie gotową ścieżkę audio, konwersja zwykle wykorzystuje syntezę mowy (TTS).

Czym jest format HTML

HTML (HyperText Markup Language) opisuje nagłówki, akapity, łącza, tabele, obrazy i inne elementy stron internetowych. Przeglądarki renderują HTML; mogą go tworzyć edytory kodu, kreatory stron internetowych, systemy zarządzania treścią, programy eksportujące wiadomości e-mail oraz edytory tekstu zapisujące strony internetowe. Typowe pliki obejmują zapisane strony, dokumentację, eksporty wiadomości e-mail oraz lokalnie przechowywane treści stron internetowych.

HTML nie określa, który każdy element powinien zostać odczytany. Konwerter musi wyodrębnić czytelny tekst, pomijając znaczniki, nawigację, skrypty, style, reklamy, komentarze i niezwiązane z treścią elementy sterujące. Treść generowana przez JavaScript może nie istnieć w oryginalnym pliku i może wymagać wcześniejszego otwarcia strony w przeglądarce.

Czym jest format MP3

MP3 to stratny, skompresowany format audio obsługiwany przez telefony, samochody, odtwarzacze muzyki, oprogramowanie do edycji i serwisy podcastowe. Tworzy znacznie mniejsze pliki niż nieskompresowany WAV, dzięki czemu jest praktyczny do przechowywania i udostępniania, ale usuwa część informacji audio.

W przypadku zwykłej mowy ustawienie 64–96 kbps mono zwykle zapewnia rozsądny rozmiar i jakość głosu. Wybierz 128 kbps w przypadku muzyki, efektów dźwiękowych lub mowy o wyższej jakości. Wybrany głos TTS, wymowa i oczyszczenie tekstu źródłowego zwykle wpływają na zrozumiałość bardziej niż szybkość transmisji MP3.

Konwersja na komputerze z Windows

Balabolka to praktyczna opcja dla Windows: może otwierać HTML, korzystać z zainstalowanych głosów zgodnych z SAPI i zapisywać syntezowaną mowę jako MP3.

1. Zainstaluj Balabolka oraz głos obsługujący język dokumentu, na przykład systemowy głos Microsoft lub inny głos zgodny z SAPI.
2. Otwórz plik za pomocą File → Open i wybierz page.html. Jeśli plik zawiera nawigację, reklamy lub treść generowaną przez skrypt, otwórz go w przeglądarce, użyj trybu czytania, jeśli jest dostępny, i skopiuj tylko wymagany tekst do Balabolka.
3. Wybierz głos, język, tempo mowy i wysokość dźwięku. Odsłuchaj podgląd kilku akapitów, aby znaleźć błędy wymowy, brakujące znaki lub niepożądany tekst strony.
4. Wybierz File → Save Audio File, wybierz MP3, ustaw miejsce docelowe, na przykład page.mp3, i wybierz odpowiednią szybkość transmisji. W przypadku większości mowy wystarczy mono.
5. Odtwórz wynik w VLC, na docelowym telefonie lub radiu samochodowym albo w edytorze audio. Sprawdź nagłówki, łącza, przypisy, tabele i podziały stron pod kątem nieprawidłowej kolejności odczytu.

Konwersja na macOS i Linux

Przed wywołaniem silnika mowy wyodrębnij i oczyść tekst. Widok czytania w przeglądarce, narzędzie do poprawy czytelności lub narzędzie wiersza poleceń do konwersji HTML na tekst może utworzyć plik clean.txt; metody te nie mogą odzyskać treści generowanej dopiero po uruchomieniu JavaScript.

W systemie macOS wbudowane polecenie say może utworzyć pośredni plik AIFF:

say -f clean.txt -o speech.aiff

W systemie Linux zainstalowany głos eSpeak NG może utworzyć dźwięk WAV:

espeak-ng -f clean.txt -w speech.wav

Zakoduj pośredni dźwięk za pomocą FFmpeg:

ffmpeg -i speech.wav -codec:a libmp3lame -b:a 96k -ac 1 page.mp3

W przypadku danych wejściowych AIFF w systemie macOS zastąp speech.wav ciągiem speech.aiff. FFmpeg koduje wyłącznie dźwięk; nie analizuje HTML ani nie wykonuje syntezy mowy. Silnik mowy musi najpierw utworzyć pośredni plik audio.

Konwersja online

Usługi TTS w chmurze, takie jak ElevenLabs i NaturalReader, mogą przekształcić wklejony, oczyszczony tekst strony w dźwięk do pobrania, z uwzględnieniem obowiązujących limitów konta i opcji eksportu. Obsługa bezpośredniego przesyłania plików .html jest różna, dlatego wklej czytelny tekst lub prześlij obsługiwany dokument, zamiast zakładać, że usługa prawidłowo wykona stronę.

Przetwarzanie online wysyła tekst do podmiotu trzeciego. Nie przesyłaj prywatnej dokumentacji, danych osobowych ani poufnych stron, chyba że warunki dostawcy dotyczące przechowywania, trenowania i usuwania danych są akceptowalne. Lokalna aplikacja jest lepszym rozwiązaniem, gdy źródło musi pozostać offline.

Ograniczenia jakości i zgodności

Ten proces zwykle tworzy wersję tekstu odczytaną przez syntezator mowy; nie wyodrębnia ścieżki audio, która już znajduje się na stronie. Jeśli HTML zawiera odtwarzacz audio, sprawdź jego źródło lub żądanie sieciowe i pobierz oryginalny plik audio, jeśli jest to dozwolone. Ponowna synteza znajdującego się w pobliżu tekstu nie zachowa oryginalnej narracji, muzyki ani efektów dźwiękowych.

Obrazy, wykresy, układ CSS, hiperłącza, formularze, komentarze i interaktywne elementy sterujące nie mogą być bezpośrednio reprezentowane w MP3. Tekst alternatywny może zostać odczytany, jeśli przetrwa ekstrakcję i aplikacja TTS go uwzględnia, ale relacje wizualne i struktura tabel mogą zostać utracone.

Zapisuj tekst pośredni jako UTF-8, aby znaki diakrytyczne i skrypty niełacińskie pozostały nienaruszone, oraz wybierz głos obsługujący język dokumentu. MP3 to dźwięk sekwencyjny, więc nie zachowuje przeszukiwalnego tekstu, klikalnych łączy ani zakładek HTML; zachowaj oryginalny plik HTML lub oddzielną transkrypcję, gdy te funkcje są potrzebne.

Polecenie Save page as w przeglądarce zapisuje stronę HTML i powiązane z nią zasoby; nie konwertuje strony do MP3. Zmiana nazwy pliku .html przez nadanie mu rozszerzenia .mp3 również nie tworzy prawidłowego pliku audio.