CopySpeak: TTS z schránky na Windows s Rust

# CopySpeak: otevřená aplikace pro TTS ze schránky na Windows

CopySpeak je desktopová aplikace založená na Tauri v2, která automaticky zachytí text ze schránky Windows a přečte ho pomocí lokálních nebo cloudových TTS enginů. Projekt je zaměřen na minimální nárok na zdroje: backend v Rustu zajišťuje nízkou spotřebu prostředků, frontend je postavený na Svelte 5 s TypeScript a Vite pro rychlý vývoj.

Technologický stack zahrnuje Bun v1.3 jako správce balíčků, rodio pro zpracování audia a UI komponenty shadcn-svelte s Tailwind CSS v4.2. To umožňuje spouštět aplikaci i na slabých PC bez závislosti na GPU v základním režimu.

Režimy aktivace a TTS enginy

Aplikace podporuje tři způsoby spuštění čtení:

• Dvojité kopírování: po druhém kopírování se text přečte po 1,5 sekundě.
• Klávesové zkratky: nastavitelné kombinace pro okamžité spuštění.
• Ruční zadání: vložení textu s tlačítkem přehrání.

K dispozici je pět TTS enginů pro různé scénáře:

• Kitten TTS (výchozí): ONNX model pro CPU, 8 vestavěných hlasů, optimalizovaný pro rychlost.
• Piper TTS: lokální CLI s >20 hlasy EN/US, vhodný pro offline použití.
• Kokoro TTS: lokální CLI s několika hlasy, zaměřený na kvalitu.
• OpenAI TTS: cloudové API, 9 hlasů, vysoká přirozenost.
• ElevenLabs TTS: cloudové API s knihovnou vlastních hlasů.

Přepínání enginů probíhá v nastavení bez restartu.

Rozhraní a vizualizace

HUD překrytí je klíčovým prvkem: plovoucí okno zobrazuje vlnovou formu audia v reálném čase přes ostatní aplikace. To je pohodlné pro monitorování generování bez ztráty fokusu.

Historie generování je trvale uložena: podporuje přehrávání, mazání a dávkové zpracování záznamů. Audio lze ukládat do MP3, OGG nebo FLAC s volbou výstupního zařízení.

Nastavení pro jemné doladění

Parametry jsou seskupené do kategorií:

• Obecné: automatické spuštění s Windows, debug režim s logy.
• Přehrávání: rychlost 0,25x–4x, výška tónu 0,5x–2x, hlasitost.
• Text: odstranění Markdown značek, normalizace interpunkce.
• Audio: volba zařízení, výstupní formát, ukládání souborů.
• UI: tmavá/světlá téma.

To umožňuje přizpůsobit chování workflowu vývojáře – od rychlého čtení logů po poslech dokumentace.

Co je důležité

• Lokální enginy (Kitten, Piper, Kokoro) fungují bez internetu a s minimální zátěží na CPU.
• HUD a klávesové zkratky se integrují do jakéhokoli pracovního procesu bez rušení.
• Otevřený kód na GitHub umožňuje přizpůsobit stack podle svých potřeb.
• Podpora cloudových API pro premium hlasy bez ztráty lokální funkčnosti.
• Historie a ukládání audia usnadňují opakované použití generovaných souborů.

— Editorial Team