AI, Mašinsko Učenje, Duboko Učenje: Resursi, Alati i Diskusija

[Veselin]

Nisam, samo koristim Gemini za pisanje/uređivanje tekstova (office) i to mi je najbitnije i najvažnije je da do sada nisam naišao na limit koji se dešavao kada sam koristio Claude plaćenu verziju. Probao sam jedanput Gemini glasovnu funkciju preko telefona i od tada ništa. Nisam zahtevan korisnik

 

[Veteran Digitalnog Doba]

Probaj Nano banana Pro, opciju za editovanje, montažu, restauraciju i manipulaciju slikama, kao i generisanje. Veruj mi oduševićeš se. Juče je predstavljen.
Veo 3.1 je odličan takođe.
npr.

 

[Veteran Digitalnog Doba]

Introducing Claude Opus 4.5

Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.

www.anthropic.com

Anthropic je 24. novembra 2025. godine predstavio svoj najnoviji model veštačke inteligencije pod nazivom Claude Opus 4.5, koji je opisan kao najbolji model na svetu za kodiranje, agente i korišćenje računara.
Model pokazuje izuzetne rezultate na testovima softverskog inženjerstva iz stvarnog sveta, uključujući SWE-bench Verified gde je ostvario najbolje rezultate među konkurentskim modelima.
Claude Opus 4.5 je dostupan putem aplikacija, API-ja i na sve tri glavne cloud platforme, sa cenom od 5/25 dolara po milion tokena.
Interni testeri iz Anthropica su primetili da model bolje rešava složene probleme, razume kompromise i samostalno pronalazi rešenja za višesistemske greške.
Na izuzetno teškom tehničkom testu za kandidate za inženjere performansi, Claude Opus 4.5 je postigao bolji rezultat od bilo kog ljudskog kandidata u zadatom roku od dva sata.
Model ima poboljšane sposobnosti u oblasti vizije, matematike i rezonovanja, te vodi u 7 od 8 programskih jezika na SWE-bench Multilingual.
Po pitanju bezbednosti, Claude Opus 4.5 je najotporniji model na napade ubrizgavanja promptova (prompt injection) u industriji i najbolje usklađen frontier model do sada.
Novi parametar "effort" na Claude API-ju omogućava programerima da balansiraju između brzine/uštede i maksimalnih mogućnosti, pri čemu model koristi znatno manje tokena od prethodnika.
Ažuriranja proizvoda uključuju poboljšani Plan Mode u Claude Code-u, mogućnost vođenja dugih razgovora bez prekida i prošireni pristup Claude za Excel i Chrome za Max korisnike.
Za korisnike sa pristupom Opus 4.5 uklonjene su specifična ograničenja, a povećani su ukupni limiti korišćenja kako bi se model mogao koristiti za svakodnevni rad.

 

[Veselin]

Naišao sam prvi put na prepreku. Uploadovao sam folder od oko 2GB na Google Drive gde ima mnogo foldera, JPG i PDF fajlova kao i par video snimaka (Pro verzija ima 2TB slobodnog prostora). Pitao sam Gemini sledeće:

Želim da preimenujem fajlove u folderu pod nazivom ___ tako da budu poređani po datumu. Ako postoji mogućnost želim da ti to uradiš, ako ne postoji napravi tabelu i napiši na levoj strani na primer dokument ___ preimenuj na desnoj strani u naziv ___ Želim i da napišeš da na primer: četiri JPG fajla pod nazivom ___ spoji u jedan PDF (imam plaćenu licencu za Adobe Acrobat) kako bi bilo što manje fajlova ali mi je bitno da svaki dokument bude poređan po datumu.

Upload & analyze files in Gemini Apps - Computer - Gemini Apps Help

You can upload documents, spreadsheets, NotebookLM notebooks, photos, videos, and more to Gemini Apps to get answers, summaries, and insights about your content. What you need If you’re signed in

support.google.com

Nadam se da će u nekoj od narednih verzija moći bez ograničenja da se uploaduju fajlovi

 

[Veteran Digitalnog Doba]

ne koristim te funkcije, obično delim u ai studio kada mi treba analiza složenog zipovanog koda ili sumiranje PDF. jesi probao da pošalješ na google drive pa da shareješ na public ali njemu samo daš link? posle po želji isključiš deljenje i ostaviš privatno.

 

[Veselin]

Ne smem da stavljam na public jer su osetljive informacije. Naravno, ceo folder sa svim dokumentima sam prebacio na Google Drive na kome je Gemini Pro. Nije toliko bitno, već sam završio posao ali bih voleo da postoji opcija za nas koji imamo na Google Drive-u hiljade i hiljade dokumenata, da može uz našu saglasnost da ih sortira ili da nam ukaže gde bi šta trebalo da se pomeri zbog lakšeg snalaženja.

 

[Veteran Digitalnog Doba]

pa isto ti je i kada mu podeliš u aplikaciji, nema tu privatnosti skoro uopšte.
ako si delio fajlove na google drive, samo ti i kome podeliš link imate linkove, e sad druga je stvar ako robot ispadne yaye pa širi dalye. (:
čim ti to izanalizira podesiš na private taj folder u google drive ili ga obrišeš.

 

[Veselin]

Kako god, ima ograničenje. Dozvoljava do deset fajlova u upitu a ja mu dodelim hiljadu

 

[Veteran Digitalnog Doba]

Šteta.

 

[Veteran Digitalnog Doba]

Da li je u redu da zafrkavam LLM modele da su mi informacije dali ruski i kineski modeli? hah!


BTW, oduševljava me zadnje vreme gpt 5.1 search na lmarena. pretraži realtime net izvuče mnogo preciznije nego perplexity pro i bolje konstruiše odgovor.

 

[Veteran Digitalnog Doba]

Blago kasnim.

Model Chat GPT 5.2 (konkretno verzije Thinking i Pro) izašao je 11. decembra 2025. godine, samo nekoliko nedelja nakon što su Google i Anthropic izbacili svoje nove modele.

Ukratko: GPT-5.2 Pro je trenutno najjači model za apstraktno rezonovanje i matematiku, gde pravi značajnu razliku u odnosu na konkurenciju. Međutim, u kodiranju je praktično izjednačen sa Claude Opus 4.5, dok je u teškim naučnim zadacima Gemini 3 Deep Think i dalje za nijansu bolji.

Evo detaljne komparacije sa tačnim, proverenim brojkama iz najnovijih benchmark testova (decembar 2025):

1. Apstraktno Rezonovanje (ARC-AGI-2)
Ovo je trenutno najvažniji test za "pravu" inteligenciju i rešavanje novih problema koje model nije video u trening podacima.

• GPT-5.2 Pro: 54.2% (Ubedljivo 1 mesto)
• Gemini 3 Deep Think: 45.1%
• Claude Opus 4.5: 37.6%

Zaključak: GPT-5.2 je drastično bolji u "deep thinking" zadacima koji zahtevaju snalaženje u novim situacijama.

2. Matematika (AIME 2025 - bez alata)
Rešavanje takmičarskih matematičkih problema.

• GPT-5.2 Pro: 100% (Perfektan rezultat)
• Gemini 3 Pro: ~94%
• Claude Opus 4.5: Rezultat je niži (nije primarno fokusiran na takmičarsku matematiku u istoj meri).

3. Kodiranje (SWE-bench Verified)
Rešavanje realnih softverskih problema sa GitHuba.

• Claude Opus 4.5: 80.9% (I dalje kralj kodiranja, ali tesno)
• GPT-5.2 Thinking: 80.0%
• Gemini 3 Pro: 76.2%

Zaključak: Claude Opus 4.5 je i dalje za nijansu bolji za čisto inženjersko kodiranje, ali je razlika sada minimalna (<1%).

4. Ekspertsko Znanje / Nauka (GPQA Diamond)
Testira znanje na nivou doktora nauka (biologija, fizika, hemija).

• Gemini 3 Deep Think: 93.8%
• GPT-5.2 Pro: 93.2% (Statistički skoro izjednačeno, ali blago iza)
• Claude Opus 4.5: 87.0%

Sumarizacija rezultata
Novi GPT-5.2 Pro predstavlja trenutno najinteligentniji model za rezonovanje i logiku, dominirajući u ARC-AGI testovima apstraktnog mišljenja i matematici gde postiže savršene rezultate. Iako nije uspeo da skine Claude Opus 4.5 sa trona u čistom softverskom inženjerstvu (razlika je manja od 1%), postao je daleko sposobniji od njega u opštim zadacima. U poređenju sa Gemini 3 modelima, GPT-5.2 je bolji u logici, dok Google-ov model zadržava blagu prednost u "enciklopedijskom" naučnom znanju i multimodalnosti (obrada videa/zvuka).

Ako ti treba model za tešku logiku i matematiku, GPT-5.2 je bez premca; za kompleksno kodiranje, Claude Opus 4.5 je i dalje vrhunski izbor, dok je Gemini 3 Pro najbolji "svestrani" model za kreativne i naučne zadatke.

 

[Cika_Kure]

Da apdejtujem...

ChatGPT OCR radi solidno.
Pretragu i ispravku pravopisnih grešaka u već OCRovanim fajlovima radi fantastično.

Pretvaranje teksta u zvuk tzv. TTS ne radi uopšte zbog autorskih problema.

Upućuje na Bababolka besplatni program za pretvaranje srpkog teksta u srpski govor.
To funkcioniše, ali glas "Danica" zvuči kao šlogirana mađarica. Skoro svaki akcenat je pogrešan, naporno za slušanje.

Da li vi momci @Veselin i @Veteran Digitalnog Doba imate neki bolji savtlet kako konvertovati TTS srpski tekst na srpski jezika a da zvuči prirodnije?

 

[Veteran Digitalnog Doba]

Izvini @Cika_Kure , propustio notifikaciju.
od besplatnih neural glasova, majkrosoftovi su ubedljivo najbolji na srpskom, ali problem je ako hoćeš u grafičkom interfejsu da lepo izgleda većina GUI nije redovna ažurirana i ne radi zato zbog promene MS API, probao sam ih malopre par.
Ovo je standard od koga svi počinju i maltene command line interfejs prepakuju u GUI, a da ne treba api key da se plaća

GitHub - rany2/edge-tts: Use Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key

Use Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key - rany2/edge-tts

github.com

ako ti je baš nezgodno da instaliraš python i koristiš ga preko command line interfejsa (a čita tekstove i dokumenta u wav/mp3, ima i srpski i hrvatski i bosanski) MOŽDA, da probaš ovaj GUI flutter, koji se redovno ažurira, aktuelna verzija je 2.2 od juče, ali meni iz nekog čudnog razloga posle 10ak sekundi zamrzne aplikacija i prazan GUI bude. Da li je bag ili šta već, možeš da probaš mprethodni release ako ni kod tebe ne radi. Inače na zupčanih prebaciš GUI na engleski, nisam uspešno rpobao app jer mi prekida ali deluje prijatno pa ako kod tebe radi, super.

Releases · msjsc001/Anki-TTS-Edge

A modern text-to-speech tool powered by Microsoft Edge TTS. Creates Anki audio instantly and serves as an immersive reader with real-time highlighting, click-to-play, and smart navigation. 现代化 Edg...

github.com

 

[Veselin]

@Veteran Digitalnog Doba Da li možda znaš kako najbolje koristiti AI za usavršavanje stranog jezika? Sve AI može, da izdvoji tekst iz lekcije na engleskom (ili bilo kom drugom stranom jeziku), da prevede na srpski, da prepriča lekciju na srpskom ili na stranom jeziku i sve je to lepo ali me ne drži da svakodnevno vežbam (probao sam i glasovnu komunikaciju preko mobilnog). Kada odem sa profesorkom na Zoom, 1:1 mi više znači sat vremena komunikacije na engleskom nego cele godine što se zezam sa AI, knjigama itd. jednostavno i dalje ništa ne može da zameni profesora jer nekako preko AI učiš a sa profesorom upadaš u reč, teme nailaze niotkuda, počneš da pričaš o jednoj temi a završiš skroz u drugoj oblasti (na primer počneš da pričaš o životnoj sredini, pa nastaviš o politici dok AI priča sto godina o životnoj sredini) tako da je živa reč i dalje nenadmašiva. AI: iako je dvosmerna komunikacija, brzo se izgubi volja za učenjem.

 

[Veselin]

I može li se namestiti Gemini audio da priča sporije, svaki put brzo ispriča dosta teksta i to brzo zamori?

 

[Veteran Digitalnog Doba]

probaj Sign in - Google Accounts
trebalo bi da je bolji od klasičnog Gemini, jer ima mnogo više opcija, thinking budžeta, context, izbora glasova, afektivni dijalog u smislu da uključiš da se prilagodi tvom tonu izražavanja i da uključiš grounding google search

realno google ai studio je u svemu bolji od gemini ali i cena je skuplja, ako google proceni da može njegov model nešto da nauči od tebe treniraće ga bez ikakve opcije da isključiš. a zapravo mislim da je isto i u gemini kada ugasiš chat activity da te ne prati onda nije toliko koristan tako da mu dođe slično.

U svakom slučaju savetovao bih ti pod obavezno da ugasiš ili disabluješ kameru na telefonu ili laptopu zarad privatnosti

probaj pa javi utiske

 

[Cika_Kure]

Izvini @Cika_Kure , propustio notifikaciju.
od besplatnih neural glasova, majkrosoftovi su ubedljivo najbolji na srpskom, ali problem je ako hoćeš u grafičkom interfejsu da lepo izgleda većina GUI nije redovna ažurirana i ne radi zato zbog promene MS API, probao sam ih malopre par.
Ovo je standard od koga svi počinju i maltene command line interfejs prepakuju u GUI, a da ne treba api key da se plaća

GitHub - rany2/edge-tts: Use Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key

Use Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key - rany2/edge-tts

github.com

ako ti je baš nezgodno da instaliraš python i koristiš ga preko command line interfejsa (a čita tekstove i dokumenta u wav/mp3, ima i srpski i hrvatski i bosanski) MOŽDA, da probaš ovaj GUI flutter, koji se redovno ažurira, aktuelna verzija je 2.2 od juče, ali meni iz nekog čudnog razloga posle 10ak sekundi zamrzne aplikacija i prazan GUI bude. Da li je bag ili šta već, možeš da probaš mprethodni release ako ni kod tebe ne radi. Inače na zupčanih prebaciš GUI na engleski, nisam uspešno rpobao app jer mi prekida ali deluje prijatno pa ako kod tebe radi, super.

Releases · msjsc001/Anki-TTS-Edge

A modern text-to-speech tool powered by Microsoft Edge TTS. Creates Anki audio instantly and serves as an immersive reader with real-time highlighting, click-to-play, and smart navigation. 现代化 Edg...

github.com

Gde si našao Microsoft glas na srpskom? Ja nemam tu TTS opciju za srpski

Vidim hrvatski ima tu opciju

 

[Veteran Digitalnog Doba]

Ne, mislim da to što windows nudi su stari klasični robotizovani glasovi barem na našem jeziku. Za neural trebaš da koristiš ili na primer Microsoft Edge i ReadAloud opciju. Srpski u trenutnoj verziji edge browsera radi samo ćirilično latinicu ne čita, čita ih ko hijeroglife. Probaj bilo koji tekst Bosanski ili Hrvatski ako čitaš latinicu ili probaj ćirilicu sa srpskim.

za bolji doživljaj da ti propustiš fajlove čačkaš sa opcijama i da čuvaš kao audio sa timestep subtitlom, regularno, ovo je najbolja opcija:
instaliraš python 3.13 je kompatibilniji od skorog 3.14

https://www.python.org/ftp/python/3.13.11/python-3.13.11-amd64.exe

pri instalaciji obavezno štikliraj da doda python path varijablu u promenljiva okruženja "system path", da bi mogao iz cmd prompta da pokrećeš.
mislim da je po defaultu uključen (koristim python preko anaconde pa nisam sada 100% načisto).

otvori cmd prompt kucaj:
pip install edge-tts, za manje od sekund instaliraće se

kada se preuzme i instalira zvanična biblioteka:
kucaš komande
edge-tts --list-voices
edge-tts --h za listu svih dostupnih parametara

edge-tts -h
usage: edge-tts [-h] [-t TEXT] [-f FILE] [-v VOICE] [-l] [--rate RATE] [--volume VOLUME] [--pitch PITCH] [--write-media WRITE_MEDIA] [--write-subtitles WRITE_SUBTITLES] [--proxy PROXY] [--version]

Text-to-speech using Microsoft Edge's online TTS service.

options:
-h, --help show this help message and exit
-t TEXT, --text TEXT what TTS will say
-f FILE, --file FILE same as --text but read from file
-v VOICE, --voice VOICE
voice for TTS. Default: en-US-EmmaMultilingualNeural
-l, --list-voices lists available voices and exits
--rate RATE set TTS rate. Default +0%.
--volume VOLUME set TTS volume. Default +0%.
--pitch PITCH set TTS pitch. Default +0Hz.
--write-media WRITE_MEDIA
send media output to file instead of stdout
--write-subtitles WRITE_SUBTITLES
send subtitle output to provided file instead of stderr
--proxy PROXY use a proxy for TTS and voice list.
--version show program's version number and exit

demo test audio fajlovi svih jezika

tts-samples/mp3 at main · yaph/tts-samples

This repository provides text-to-speech (TTS) audio samples in MP3 format for a wide range of languages, generated using the Microsoft Edge TTS engine. - yaph/tts-samples

github.com

Osnovna komanda izgleda ovako:

edge-tts -v "sr-RS-NicholasNeural" -f tekst.txt --write-media izlaz.mp3

Opcija -v definiše glas koji će se koristiti, -f označava putanju do tekstualnog fajla koji želiš da konvertuješ, a --write-media određuje naziv izlaznog audio fajla.

Ako ti je zgodnije da tekst uneseš direktno u komandnu liniju umesto da ga čitaš iz fajla, možeš koristiti opciju -t: (tekst tada mora biti u jednoj liniji)

edge-tts -v "sr-RS-NicholasNeural" -t "Овде иде твој текст" --write-media izlaz.mp3

Za srpski jezik dostupna su dva glasa:

• sr-RS-NicholasNeural - muški glas
• sr-RS-SophieNeural - ženski glas

Pored toga, ako ti zatrebaju, postoje i glasovi za bosanski jezik (bs-BA-GoranNeural i bs-BA-VesnaNeural) kao i za hrvatski (hr-HR-SreckoNeural i hr-HR-GabrijelaNeural). Sintaksa je identična, samo zameniš naziv glasa u komandi.

Dodatno, imaš mogućnost da prilagođavaš brzinu govora pomoću opcije --rate (npr. --rate="-10%" za sporiji govor) i visinu tona pomoću --pitch (npr. --pitch="-5Hz" za nešto dublji ton). Ovo može biti korisno ako želiš da audio zvuči prirodnije za određeni tip sadržaja.



na primer: edge-tts -v "sr-RS-NicholasNeural" -f "C:\Users\admin\Documents\tekst.txt" --write-media "C:\Users\admin\Documents\IzlazNikola.mp3"
edge-tts -v "sr-RS-SophieNeural" -f "C:\Users\admin\Documents\tekst.txt" --write-media "C:\Users\admin\Documents\IzlazSofija.mp3"


primer teksta: " Кад неко каже да је хеви метал бука ја само климнем главом и кажем да јесте бука, али лепа бука као кад ти мозак коначно престане да прича глупости и крене да клима у ритму.

Хеви метал је музика за људе који неће да шапућу своја осећања. Туга иде на појачало. Радост иде на појачало. И кад си само гладан то иде на појачало па после слушаш риф и схватиш да ти у ствари треба сендвич и соло од дванаест минута.

Кад крене бубањ осетиш како ти кичма добија самопоуздање. Глава почиње да ради оне покрете које иначе ради само кад се поздрављаш са комшијом. Само што овде поздрав траје три песме и у једном тренутку ти је јасно да си ти миран човек који се изнутра дружи са змајевима.

А најлепше је што хеви метал не тражи да будеш савршен. Довољно је да постојиш. Да имаш уши. И да се не уплашиш кад гитара звучи као да је управо отворила врата пакла да проветри стан."



Sofija je prihvatljivija, meni lično. Iako je blagi depra fazon




U suštini ako bi da probaš uopšte nije komplikovano i za 2-3 minuta ako pratiš instrukcije uspećeš. Meni je jednom radi testa konvertovao celu knjigu od 10ak sati audia u wav/mp3 bez problema. potrebna je internet konekcija, nešto malo vuče sa MS servera da generiše i preuzme fajl.

Guglao sam i ne nalazim nažalost ekstenziju za word.

 

[Dakula74]

Valjalo bi da neko nesto snimi i napravi neke video tutorijale.

 

[Cika_Kure]

Ne, mislim da to što windows nudi su stari klasični robotizovani glasovi barem na našem jeziku. Za neural trebaš da koristiš ili na primer Microsoft Edge i ReadAloud opciju. Srpski u trenutnoj verziji edge browsera radi samo ćirilično latinicu ne čita, čita ih ko hijeroglife. Probaj bilo koji tekst Bosanski ili Hrvatski ako čitaš latinicu ili probaj ćirilicu sa srpskim.

za bolji doživljaj da ti propustiš fajlove čačkaš sa opcijama i da čuvaš kao audio sa timestep subtitlom, regularno, ovo je najbolja opcija:
instaliraš python 3.13 je kompatibilniji od skorog 3.14

https://www.python.org/ftp/python/3.13.11/python-3.13.11-amd64.exe

pri instalaciji obavezno štikliraj da doda python path varijablu u promenljiva okruženja "system path", da bi mogao iz cmd prompta da pokrećeš.
mislim da je po defaultu uključen (koristim python preko anaconde pa nisam sada 100% načisto).

otvori cmd prompt kucaj:
pip install edge-tts, za manje od sekund instaliraće se

kada se preuzme i instalira zvanična biblioteka:
kucaš komande
edge-tts --list-voices
edge-tts --h za listu svih dostupnih parametara


demo test audio fajlovi svih jezika

tts-samples/mp3 at main · yaph/tts-samples

This repository provides text-to-speech (TTS) audio samples in MP3 format for a wide range of languages, generated using the Microsoft Edge TTS engine. - yaph/tts-samples

github.com

Osnovna komanda izgleda ovako:

edge-tts -v "sr-RS-NicholasNeural" -f tekst.txt --write-media izlaz.mp3

Opcija -v definiše glas koji će se koristiti, -f označava putanju do tekstualnog fajla koji želiš da konvertuješ, a --write-media određuje naziv izlaznog audio fajla.

Ako ti je zgodnije da tekst uneseš direktno u komandnu liniju umesto da ga čitaš iz fajla, možeš koristiti opciju -t: (tekst tada mora biti u jednoj liniji)

edge-tts -v "sr-RS-NicholasNeural" -t "Овде иде твој текст" --write-media izlaz.mp3

Za srpski jezik dostupna su dva glasa:

• sr-RS-NicholasNeural - muški glas
• sr-RS-SophieNeural - ženski glas

Pored toga, ako ti zatrebaju, postoje i glasovi za bosanski jezik (bs-BA-GoranNeural i bs-BA-VesnaNeural) kao i za hrvatski (hr-HR-SreckoNeural i hr-HR-GabrijelaNeural). Sintaksa je identična, samo zameniš naziv glasa u komandi.

Dodatno, imaš mogućnost da prilagođavaš brzinu govora pomoću opcije --rate (npr. --rate="-10%" za sporiji govor) i visinu tona pomoću --pitch (npr. --pitch="-5Hz" za nešto dublji ton). Ovo može biti korisno ako želiš da audio zvuči prirodnije za određeni tip sadržaja.



na primer: edge-tts -v "sr-RS-NicholasNeural" -f "C:\Users\admin\Documents\tekst.txt" --write-media "C:\Users\admin\Documents\IzlazNikola.mp3"
edge-tts -v "sr-RS-SophieNeural" -f "C:\Users\admin\Documents\tekst.txt" --write-media "C:\Users\admin\Documents\IzlazSofija.mp3"


primer teksta: " Кад неко каже да је хеви метал бука ја само климнем главом и кажем да јесте бука, али лепа бука као кад ти мозак коначно престане да прича глупости и крене да клима у ритму.

Хеви метал је музика за људе који неће да шапућу своја осећања. Туга иде на појачало. Радост иде на појачало. И кад си само гладан то иде на појачало па после слушаш риф и схватиш да ти у ствари треба сендвич и соло од дванаест минута.

Кад крене бубањ осетиш како ти кичма добија самопоуздање. Глава почиње да ради оне покрете које иначе ради само кад се поздрављаш са комшијом. Само што овде поздрав траје три песме и у једном тренутку ти је јасно да си ти миран човек који се изнутра дружи са змајевима.

А најлепше је што хеви метал не тражи да будеш савршен. Довољно је да постојиш. Да имаш уши. И да се не уплашиш кад гитара звучи као да је управо отворила врата пакла да проветри стан."



Sofija je prihvatljivija, meni lično. Iako je blagi depra fazon




U suštini ako bi da probaš uopšte nije komplikovano i za 2-3 minuta ako pratiš instrukcije uspećeš. Meni je jednom radi testa konvertovao celu knjigu od 10ak sati audia u wav/mp3 bez problema. potrebna je internet konekcija, nešto malo vuče sa MS servera da generiše i preuzme fajl.

Guglao sam i ne nalazim nažalost ekstenziju za word.

Hvala ti, pokidao si.
Sad baš testiram, imam li ograničenje u broju karaktera ili dužini mp3 fajla?

 

[Cika_Kure]

Ok iz nekog razloga sam bio ograničen na fajl dužine 10 minuta.

Nakon što sam instalirao i ovaj "pip" u cmd

pip install tts-accelerator

Problem je nestao...

Moram da poradim na rate i pitch ne znam gde da to ubacim u komandnu liniju...

 

[Veteran Digitalnog Doba]

trebao si da poglčedaš primere sa github stranice:
edge-tts --rate=-50% --text "Hello, world!" --write-media hello_with_rate_lowered.mp3
edge-tts --volume=-50% --text "Hello, world!" --write-media hello_with_volume_lowered.mp3
edge-tts --pitch=-50Hz --text "Hello, world!" --write-media hello_with_pitch_lowered.mp3
edge-tts --voice ar-EG-SalmaNeural --text "مرحبا كيف حالك؟" --write-media hello_in_arabic.mp3 --write-subtitles hello_in_arabic.srt


edge-tts -h
usage: edge-tts [-h] [-t TEXT] [-f FILE] [-v VOICE] [-l] [--rate RATE] [--volume VOLUME] [--pitch PITCH]
[--write-media WRITE_MEDIA] [--write-subtitles WRITE_SUBTITLES] [--proxy PROXY] [--version]

Text-to-speech using Microsoft Edge's online TTS service.

options:
-h, --help show this help message and exit
-t TEXT, --text TEXT what TTS will say
-f FILE, --file FILE same as --text but read from file
-v VOICE, --voice VOICE
voice for TTS. Default: en-US-EmmaMultilingualNeural
-l, --list-voices lists available voices and exits
--rate RATE set TTS rate. Default +0%.
--volume VOLUME set TTS volume. Default +0%.
--pitch PITCH set TTS pitch. Default +0Hz.
--write-media WRITE_MEDIA
send media output to file instead of stdout
--write-subtitles WRITE_SUBTITLES
send subtitle output to provided file instead of stderr
--proxy PROXY use a proxy for TTS and voice list.
--version show program's version number and exit






baš je prosto


nego, kako ti se čine glasovi? ako naknadno dodaš ili pustiš neku study muziku u pozadini dok čita malo je bolje

 

[Cika_Kure]

trebao si da poglčedaš primere sa github stranice:
edge-tts --rate=-50% --text "Hello, world!" --write-media hello_with_rate_lowered.mp3
edge-tts --volume=-50% --text "Hello, world!" --write-media hello_with_volume_lowered.mp3
edge-tts --pitch=-50Hz --text "Hello, world!" --write-media hello_with_pitch_lowered.mp3
edge-tts --voice ar-EG-SalmaNeural --text "مرحبا كيف حالك؟" --write-media hello_in_arabic.mp3 --write-subtitles hello_in_arabic.srt


edge-tts -h
usage: edge-tts [-h] [-t TEXT] [-f FILE] [-v VOICE] [-l] [--rate RATE] [--volume VOLUME] [--pitch PITCH]
[--write-media WRITE_MEDIA] [--write-subtitles WRITE_SUBTITLES] [--proxy PROXY] [--version]

Text-to-speech using Microsoft Edge's online TTS service.

options:
-h, --help show this help message and exit
-t TEXT, --text TEXT what TTS will say
-f FILE, --file FILE same as --text but read from file
-v VOICE, --voice VOICE
voice for TTS. Default: en-US-EmmaMultilingualNeural
-l, --list-voices lists available voices and exits
--rate RATE set TTS rate. Default +0%.
--volume VOLUME set TTS volume. Default +0%.
--pitch PITCH set TTS pitch. Default +0Hz.
--write-media WRITE_MEDIA
send media output to file instead of stdout
--write-subtitles WRITE_SUBTITLES
send subtitle output to provided file instead of stderr
--proxy PROXY use a proxy for TTS and voice list.
--version show program's version number and exit






baš je prosto


nego, kako ti se čine glasovi? ako naknadno dodaš ili pustiš neku study muziku u pozadini dok čita malo je bolje

Probao sam tako npr.

edge-tts --rate=-10% --pitch=-50Hz -v "bs-BA-GoranNeural" -f "C:\Users\Korisnik\Desktop\xxx.txt" --write-media "C:\Users\Korisnik\Desktop\xxx.mp3"

Ali nisam primetio da se rate i pitch razlikuje u odnosu kad ne upišem te dve stavke u komandu.
U svakom slučaju u apk Music speed changer imam da menjam rate i pitch, i podesim na 120% rate i -2 pitch i ok je.

Od glasova mi je najbolji ovaj Goran, boske... Najbolje akcentuje, čita razgovetno. Naravno neke reči izgovori kao mađar, ali stvarno je dobar za TTS.
I glas žena, bosanka je ok.
Ali misli da ću se zadržati na ovom Goranu.

Jedino što na primer brojeve ne čita kako treba, npr. "100" ne čita kao "sto", nego čita "jedan nula nula"... Srpski glasovi ok čitaju brojeve, ali su akcenti lošiji. Hrvatski glasovi su kao Klingonci znam da mi je reč savest čitao kao saveijast ili tako nešto.
Ne podnosi ekavicu, mora da ubaci ij.

 

[Veteran Digitalnog Doba]

@Veselin :
Pojavile su se ponude na Redditu za ChatGPT Plus 1 godina, 20$, ko će prvi da zagrize, ja ili ti?
BTW, nisu shared accounts, već Veteran, aktiviraju na naš nalog (email), fazon chatgpt daje US military /army veteranima godinu dana besplatno.
tako da nije klasičan scam, ali rizik uvek postoji od strane OpenAI da blokiraju nalog

 

[Veselin]

Slabo koristim i ovo što sam zakupio, jedino ponekad na kompu Gemini Pro za neke prevode i to je sve, tako da ću preskočiti.