אתר "קולות" – יצירת קרינות ותמלול AI בקלות

[שולי]

@המתכנת-הראשי
הכנסתי מפתח ומאז כל הקבצים שאני מייצר יוצאים עם שקט
ידוע לך במה הבעיה?

[המתכנת הראשי]

@לימוד-בתורת-מרן לא יודע איפה אתה חי, אבל נטפרי בודקים את מהות האתר, אופיו ותכניו, ולא באיזה כלי תכנות הוא נכתב (בין אם ב-AI Studio, ב-VS Code או בכל עורך אחר).
כתובת האתר שלי יושבת על תשתית Google Cloud Run הרשמית (europe-west2.run.app). נטפרי מאשרים אתרים ואפליקציות על גבי Cloud Run באופן קבוע.
נטפרי בודקים האם האתר מכיל תוכן שאינו ראוי (האתר שלי הוא כלי עבודה מקצועי לקריינות עברית – כשר ותקין לחלוטין).
והאם יש באתר צ'אט פתוח ללא סינון או תמונות (כאן מדובר בהמרת טקסט לשמע של משפטים שהמשתמש מזין).
אני בדקתי עם מחשב עם נטפרי וזה היה פתוח אבל אולי זה לא נפתח בכל המסלולים אם זה עדיין סגור לך תשלח פנייה לנטפרי (עם 3 נקודות-אם יש לך) תכתוב "שלום וברכה, מדובר באתר כלי עבודה אישי להמרת טקסט לקריינות שמע (TTS) בעברית וניקוד. אין באתר תכנים בעייתיים. אשמח לפתיחתו."
נראה לי שאת הלינק של @שולי הם יאשרו יותר מהר https://link.tz/tts

[המתכנת הראשי]

@שלוחה-404 @מסובך-מאוד שלום וברכה,
קיבלתי את הבקשה שלכם במלואה!
1. מצב פשוט באתר: הוספתי כעת בראש האתר כפתור "מצב פשוט ומהיר" – בלחיצה אחת כל הפונקציות המורכבות והעמוסות נעלמות, ומקבלים מסך נקי ופשוט: תיבת טקסט, בחירת קול, מהירות, וכפתור הפקה שנועל אוטומטית את הטון והסגנון כך שכל הקלטה תצא בדיוק באותו קול ללא שום תנודות.
2. למי שרוצה קובץ HTML אישי עצמאי למחשב: כל העניין של קיבוע הטון מול גוגל זה שני פרמטרים בבקשת ה-API:
הגדרת temperature: 0.0 (מונע מהמודל לשנות אינטונציה או לאלתר).
הגדרת seed קבוע ודטרמיניסטי.
העליתי לאתר קובץ HTML מוכן, קל ונקי שתוכלו להוריד ישירות ולהשתמש אצלכם במחשב:
https://ais-pre-hwh53agkcctwmzdhgq5ecq-703503104887.europe-west2.run.app/simple-tts.html
(פשוט שומרים את הקובץ במחשב, מזינים את המפתח ומפיקים שמע עקבי).

[המתכנת הראשי]

@שולי אם אתה גולש דרך נטפרי, נטפרי סורק קבצי שמע חדשים. תנסה ללחוץ על כפתור "הורד קובץ שמע (WAV)" ולפתוח את הקובץ ישירות במחשב בנגן הווינדוס – ותבדוק אם שם שומעים רגיל.
שים לב שהמערכת מזהה מילים בסוגריים כמו (הקרא לאט) כהוראות בימוי ומסננת אותן כדי שהקריין לא יקרא אותן. תבדוק שהטקסט שלך אינו מוקף בסוגריים (...).
יכול להיות שהמפתח לא נוצר ב-Google AI Studio הפתוח, אלא עם הגבלות דומיין (API Restrictions) ב-Google Cloud שיכולות לחסום קריאות שמע.
ויכול להיות שהכפתור של הווליום היה על שקט.
אם זה עדיין לא נשמע, תנסה למחוק את המפתח ממנהל המפתחות ולעשות הפקת שמע אחת בלעדיו כדי לבדוק אם השמע חוזר, ואם כן כנראה הבעיה במפתח אז תנסה להחליף אותו.

[שולי]

@המתכנת-הראשי אני לא גולש עם נטפרי זה עבד רגיל ומאז שהכנסתי מפתח API הפסיק לעבוד ומייצר קבצים של שקט

מחקתי את המפתח וניסיתי לייצר קובץ עדיין מייצר קובץ שקט

[שולי]

@המתכנת-הראשי תוכל להביא את הקוד של הקובץ? אני לא מצליח להוריד את העמוד HTML שצירפת

תודה

[שולי]

אני רוצה לעלות אותו לאחסון אצלי תחת tts.link.tz

[המתכנת הראשי]

@שולי אני מקווה שעליתי על הבעיה. בגלל שהתעסקתי עכשיו בטמרטורה של הקול כנראה שהבעיה לא הייתה במפתח שלך, אלא במנגנון קיבוע הטון: במודלי קול של AI, קיבוע טמפרטורה לאפס גרם למודל של גוגל לקרוס אל "טוקן שקט", וההגדרה הזו נשארה שמורה בדפדפן גם אחרי מחיקת המפתח.
עכשיו תיקנתי את זה בשרת: שיניתי את מנגנון קיבוע הטון לשימוש בגרעין קולי קבוע (Seed) עם טמפרטורה אקוסטית מאוזנת שמבטיחה שמע מלא, חזק וברור.
תעשה עכשיו רענון מלא של הדף (לחץ Ctrl + F5 כדי לנקות את המטמון הישן).
ותנסה להפיק עכשיו קובץ שמע (עם מפתח או בלעדיו) – השמע יופק מיד בצורה חלקה וברורה בעז"ה!

בנוגע לקובץ HTML שיחקתי בו עכשיו ושיניתי בו כמה דברים לכן מחקתי את הקובץ מפה ועדיין לא העליתי קובץ חדש, תוריד את הקובץ מהאתר בלשונית "מצב פשוט ומהיר" שמה למעלה יש אפשרות "קובץ HTML עצמאי" תלחץ עליו וזה יוריד.

[המתכנת הראשי]

@שולי תיקנתי את הקישור למעלה הקישור החדש הוא https://ais-pre-hwh53agkcctwmzdhgq5ecq-703503104887.europe-west2.run.app/simple-tts.html
בנוסף, הנה כל תוכן הקובץ המלא (מעודכן, נקי מכל שם חיצוני, וכולל את התיקון לקול חזק וצלול ללא שום קריסת שקט).

<!DOCTYPE html>
<html lang="he" dir="rtl">
<head>
  <meta charset="UTF-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <title>יצירת שמע פשוטה ועקבית (Gemini TTS)</title>
  <style>
    :root {
      --primary: #f59e0b;
      --primary-hover: #d97706;
      --bg: #0f172a;
      --card-bg: #1e293b;
      --border: #334155;
      --text: #f8fafc;
      --text-muted: #94a3b8;
    }
    * {
      box-sizing: border-box;
      margin: 0;
      padding: 0;
      font-family: system-ui, -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, sans-serif;
    }
    body {
      background-color: var(--bg);
      color: var(--text);
      display: flex;
      justify-content: center;
      align-items: center;
      min-height: 100vh;
      padding: 20px;
    }
    .container {
      background-color: var(--card-bg);
      border: 1px solid var(--border);
      border-radius: 16px;
      width: 100%;
      max-width: 600px;
      padding: 28px;
      box-shadow: 0 10px 25px -5px rgba(0, 0, 0, 0.5);
    }
    h1 {
      font-size: 20px;
      margin-bottom: 6px;
      color: var(--primary);
      display: flex;
      align-items: center;
      gap: 8px;
    }
    p.subtitle {
      font-size: 13px;
      color: var(--text-muted);
      margin-bottom: 22px;
    }
    .form-group {
      margin-bottom: 16px;
    }
    label {
      display: block;
      font-size: 13px;
      font-weight: 600;
      margin-bottom: 6px;
      color: #e2e8f0;
    }
    input[type="text"], input[type="password"], textarea, select {
      width: 100%;
      padding: 10px 14px;
      background-color: #0f172a;
      border: 1px solid var(--border);
      border-radius: 10px;
      color: #fff;
      font-size: 14px;
      outline: none;
      transition: border-color 0.2s;
    }
    input:focus, textarea:focus, select:focus {
      border-color: var(--primary);
    }
    textarea {
      resize: vertical;
      min-height: 110px;
    }
    .grid {
      display: grid;
      grid-template-columns: 1fr 1fr;
      gap: 12px;
    }
    .lock-box {
      background: rgba(245, 158, 11, 0.1);
      border: 1px solid rgba(245, 158, 11, 0.3);
      padding: 12px 14px;
      border-radius: 10px;
      display: flex;
      align-items: center;
      gap: 10px;
      cursor: pointer;
      margin-bottom: 18px;
    }
    .lock-box input[type="checkbox"] {
      width: 18px;
      height: 18px;
      accent-color: var(--primary);
      cursor: pointer;
    }
    .lock-text {
      font-size: 13px;
      line-height: 1.3;
    }
    .lock-text strong {
      color: var(--primary);
      display: block;
    }
    .lock-text small {
      color: var(--text-muted);
      font-size: 11px;
    }
    button.btn-primary {
      width: 100%;
      background: var(--primary);
      color: #0f172a;
      font-weight: 700;
      font-size: 15px;
      padding: 12px;
      border: none;
      border-radius: 10px;
      cursor: pointer;
      transition: background 0.2s, transform 0.1s;
    }
    button.btn-primary:hover {
      background: var(--primary-hover);
    }
    button.btn-primary:active {
      transform: scale(0.99);
    }
    button.btn-primary:disabled {
      opacity: 0.5;
      cursor: not-allowed;
    }
    .player-area {
      margin-top: 22px;
      padding-top: 18px;
      border-top: 1px solid var(--border);
      display: none;
    }
    audio {
      width: 100%;
      margin-bottom: 12px;
    }
    .download-btn {
      display: inline-block;
      text-align: center;
      width: 100%;
      background: #334155;
      color: #fff;
      padding: 10px;
      border-radius: 8px;
      text-decoration: none;
      font-size: 13px;
      font-weight: 600;
      transition: background 0.2s;
    }
    .download-btn:hover {
      background: #475569;
    }
    .status {
      font-size: 12px;
      margin-top: 10px;
      text-align: center;
      color: var(--text-muted);
    }
  </style>
</head>
<body>

<div class="container">
  <h1>🔊 יצירת שמע פשוטה ועקבית (Gemini TTS)</h1>
  <p class="subtitle">קובץ HTML עצמאי וקל ליצירת קרינות נקייה עם נעילת טון וקצב קבוע</p>

  <div class="form-group">
    <label for="apiKey">מפתח Gemini API:</label>
    <input type="password" id="apiKey" placeholder="הדבק כאן מפתח מגוגל AI Studio (AIzaSy...)">
  </div>

  <div class="form-group">
    <label for="textInput">טקסט להקראה בעברית:</label>
    <textarea id="textInput" placeholder="הקלד כאן את הטקסט שברצונך להקריא..."></textarea>
  </div>

  <div class="grid">
    <div class="form-group">
      <label for="voiceSelect">קול קריין:</label>
      <select id="voiceSelect">
        <option value="Puck">איתן (Puck) - גברי צעיר/קצבי</option>
        <option value="Charon">אלון (Charon) - גברי עמוק/בטוח</option>
        <option value="Kore" selected>רות (Kore) - נשי חם/טבעי</option>
        <option value="Fenrir">יהונתן (Fenrir) - גברי סמכותי</option>
        <option value="Aoede">מאיה (Aoede) - נשי צלול</option>
        <option value="Zephyr">דן (Zephyr) - גברי רגוע</option>
      </select>
    </div>

    <div class="form-group">
      <label for="speedSelect">מהירות:</label>
      <select id="speedSelect">
        <option value="0.8">0.8x (איטי ומדוד)</option>
        <option value="1.0" selected>1.0x (מהירות רגילה)</option>
        <option value="1.2">1.2x (קצבי ומהיר)</option>
      </select>
    </div>
  </div>

  <!-- מנגנון נעילת טון וקצב עקבי -->
  <label class="lock-box">
    <input type="checkbox" id="lockTone" checked>
    <div class="lock-text">
      <strong>🔒 קיבוע טון וסגנון קבוע (Consistent Tone - Zero Jitter)</strong>
      <small>משתמש ב-Seed קבוע וטמפרטורה יציבה כדי שכל הפקה תישמע בדיוק באותו טון</small>
    </div>
  </label>

  <button class="btn-primary" id="generateBtn" onclick="generateSpeech()">הפק שמע עכשיו</button>
  <div class="status" id="statusText"></div>

  <div class="player-area" id="playerArea">
    <audio id="audioElement" controls></audio>
    <a href="#" class="download-btn" id="downloadBtn" download="speech.wav">הורד קובץ שמע WAV</a>
  </div>
</div>

<script>
  // שמירת מפתח בזיכרון הדפדפן לנוחות
  const savedKey = localStorage.getItem('gemini_simple_tts_key');
  if (savedKey) document.getElementById('apiKey').value = savedKey;

  function pcmToWav(pcmData, sampleRate = 24000, numChannels = 1, bitsPerSample = 16) {
    if (pcmData.length >= 4 && String.fromCharCode(...pcmData.slice(0, 4)) === 'RIFF') {
      return pcmData;
    }
    const byteRate = (sampleRate * numChannels * bitsPerSample) / 8;
    const blockAlign = (numChannels * bitsPerSample) / 8;
    const dataSize = pcmData.length;
    const buffer = new ArrayBuffer(44 + dataSize);
    const view = new DataView(buffer);

    function writeString(offset, string) {
      for (let i = 0; i < string.length; i++) {
        view.setUint8(offset + i, string.charCodeAt(i));
      }
    }

    writeString(0, 'RIFF');
    view.setUint32(4, 36 + dataSize, true);
    writeString(8, 'WAVE');
    writeString(12, 'fmt ');
    view.setUint32(16, 16, true);
    view.setUint16(20, 1, true); // PCM
    view.setUint16(22, numChannels, true);
    view.setUint32(24, sampleRate, true);
    view.setUint32(28, byteRate, true);
    view.setUint16(32, blockAlign, true);
    view.setUint16(34, bitsPerSample, true);
    writeString(36, 'data');
    view.setUint32(40, dataSize, true);

    new Uint8Array(buffer, 44).set(pcmData);
    return new Uint8Array(buffer);
  }

  async function generateSpeech() {
    const apiKey = document.getElementById('apiKey').value.trim();
    const text = document.getElementById('textInput').value.trim();
    const voice = document.getElementById('voiceSelect').value;
    const speed = document.getElementById('speedSelect').value;
    const lockTone = document.getElementById('lockTone').checked;
    const statusText = document.getElementById('statusText');
    const generateBtn = document.getElementById('generateBtn');
    const playerArea = document.getElementById('playerArea');
    const audioElement = document.getElementById('audioElement');
    const downloadBtn = document.getElementById('downloadBtn');

    if (!apiKey) {
      alert('נא להזין מפתח Gemini API');
      return;
    }
    if (!text) {
      alert('נא להזין טקסט להקראה');
      return;
    }

    localStorage.setItem('gemini_simple_tts_key', apiKey);
    generateBtn.disabled = true;
    statusText.innerText = 'מפיק קרינות מול שרתי Google Gemini... אנא המתן';
    playerArea.style.display = 'none';

    try {
      // Deterministic seed for consistency
      const seed = Math.abs(voice.split('').reduce((acc, c) => acc * 31 + c.charCodeAt(0), 0) + Math.round(Number(speed) * 100)) % 2147483647;

      const requestBody = {
        contents: [{ parts: [{ text }] }],
        generationConfig: {
          responseModalities: ["AUDIO"],
          temperature: lockTone ? 0.55 : 0.7,
          ...(lockTone ? { seed: seed } : {}),
          speechConfig: {
            voiceConfig: {
              prebuiltVoiceConfig: { voiceName: voice }
            }
          }
        }
      };

      // מודל TTS יציב וייעודי של גוגל
      const models = ['gemini-3.8-flash-lite-tts', 'gemini-3.8-flash-tts', 'gemini-2.5-flash-preview-tts'];
      let base64Audio = null;
      let lastError = null;

      for (const model of models) {
        try {
          const res = await fetch(`https://generativelanguage.googleapis.com/v1beta/models/${model}:generateContent?key=${apiKey}`, {
            method: 'POST',
            headers: { 'Content-Type': 'application/json' },
            body: JSON.stringify(requestBody)
          });
          const data = await res.json();
          if (data?.candidates?.[0]?.content?.parts?.[0]?.inlineData?.data) {
            base64Audio = data.candidates[0].content.parts[0].inlineData.data;
            break;
          }
          if (data.error) {
            lastError = data.error.message;
          }
        } catch (e) {
          lastError = e.message;
        }
      }

      if (!base64Audio) {
        throw new Error(lastError || 'לא התקבלו נתוני שמע מגוגל. בדוק את תקינות המפתח.');
      }

      // פיענוח לקובץ WAV
      const binaryString = window.atob(base64Audio);
      const len = binaryString.length;
      const bytes = new Uint8Array(len);
      for (let i = 0; i < len; i++) {
        bytes[i] = binaryString.charCodeAt(i);
      }

      const wavBytes = pcmToWav(bytes, 24000, 1, 16);
      const blob = new Blob([wavBytes], { type: 'audio/wav' });
      const blobUrl = URL.createObjectURL(blob);

      audioElement.src = blobUrl;
      downloadBtn.href = blobUrl;
      playerArea.style.display = 'block';
      statusText.innerText = 'הקרינות הופקה בהצלחה!';
      audioElement.play().catch(() => {});

    } catch (err) {
      statusText.innerText = 'שגיאה: ' + err.message;
    } finally {
      generateBtn.disabled = false;
    }
  }
</script>
</body>
</html>

[יענקי פולק]

@המתכנת-הראשי

1. למה הוא מייצר לי קבצים רק של שניה או שתי שניות ולא יותר
2. בכל הקלטה הוא קצת משנה את הקול בסגנון שונה
   לא הכנסתי מפתח API כי בנטפרי אי אפשר להוציא מפתחות API

[מסובך מאוד]

@יענקי-פולק
אפשר לנעול את הקול לקול אחיד
תראה כאן

[יענקי פולק]

@מסובך-מאוד

1. תודה על המענה אבל קודם כל אני צריך שהוא יעשה לי קבצים שלמים
2. יכול להיות שזה קשור בגלל שלא הכנסתי מפתח API
3. האם יש לך פיתרון להוציא בנטפרי מפתחות API

[המתכנת הראשי]

@יענקי-פולק בנוגע לקבצים של ה2 שניות זה בגלל שאין לך מפתח API וזה קשור למפתחות של גוגל שיש עליהם מגבלה, הפיתרון היחיד לזה זה הוצאת מפתח API.
בנוגע לשינוי בקול צריך ללחוץ על "נעל טון זה"

[יענקי פולק]

@המתכנת-הראשי

יענקי-פולק כתב:

האם יש לך פיתרון להוציא בנטפרי מפתחות API

[שלוחה-404]

@יענקי-פולק בעיקרון יש גישה לנטפרי להוציא מפתח זה הגבלות קהילה שחוסמות תנסה לפתוח או במחשב אחר

[יענקי פולק]

@שלוחה-404
תכל'ס אני יושב בחדר מחשבים במסלול הכי שמור של נטפרי ואין לי גישה למחשב אחר, האם יש לך פיתרון להוציא מפתחות API

[שולי]

הגירסה המקוצרת זמינה בכתובת: https://tts.link.tz

[יענקי פולק]

@שולי
עדיין לא נבדק בנטפרי אם אתה יכול לשלוח בקשה לבדיקה אשמח מאוד

[שולי]

@יענקי-פולק אין לי נטפרי