Egy brit hobbifejlesztő 22 fontos, készen kapható médiakészletből alakított könyvfelolvasót (Retro Reader), amely Eloquence-, DoubleTalk- vagy DECtalk-hangon szólaltatja meg a szövegeket. A Double Tap adásában szóba került a vészhelyzeti felkészülés és a Withings új előfizetése is.
A látássérült felhasználók körében sokan a mai napig a hagyományos, matematikai úton előállított szintetikus hangokat részesítik előnyben a természetesnek hangzó, emberi felvételeken alapuló hangokkal szemben. Sean Randall, a Retro Reader fejlesztője ezt a szokást vitte át egy zsebben hordozható eszközre. Az adásban Steven Scott és Shaun Preece beszélgetett vele.
A műsorvezetők az epizód elején két másik témát is érintettek: az áramkimaradásokra való felkészülést és a Withings díjköteles Apple Health-kapcsolatát. Ezeket a cikk második fele tárgyalja.
Honnan jön az ötlet
Randall egyetemi évei elején elveszítette a korábbi könyvolvasó gépét: egy amerikai gyártó készüléke az autó kesztyűtartójában tönkrement. Az azóta eltelt két évtizedben nem jutott olyan könyvolvasóhoz, amely a régi hangokat használta volna. A mai megoldások szerinte szinte mind természetes hangokra épülnek.
Az ilyen hangokhoz stúdióban rögzítenek sok szót és hangkapcsolatot, a motor pedig összeilleszti őket. Sok memóriát és számítási kapacitást igényelnek, és nem tudnak olyan gyorsan beszélni, mint a régebbi, matematikai modellre épülő szintetizátorok. Az utóbbiak a hardveres korlátok miatt születtek meg, és ezeken nőtt fel a vakok és gyengénlátók egy generációja.
Randall maga is az Eloquence hangot használja, amelyet a JAWS képernyőolvasó régi verziói óta ismer. Ezt a hangot akarta zsebre tenni, anélkül hogy laptophoz kellene kötni. Amikor ez sikerült, további motorokat is átvitt az eszközre.
A hardver és a telepítés
A Retro Reader egy olcsó, kifejezetten barkácsolásra szánt médiakészleten, a Freenove Media Kiten fut. Ez egy áramköri lapokból álló egység, 3D-nyomtatott műanyag házban, amelyen van ötirányú navigációs kapcsoló, fejhallgató-csatlakozó, USB-C töltőport, microSD-nyílás, kis hangszóró és mikrofon. A gyártótól közvetlenül, Kínából rendelve a készlet Randall szerint 22 fontba kerül, gyorsított kiszállítással 30 fontba. A teljes megoldás az általa tervezett kiegészítőkkel sem kerülne többe 50 fontnál, vagyis nagyjából 60 eurónál vagy 65 dollárnál.
Az eszköz lelke egy ESP32 típusú mikrovezérlő, amely néhány fontba kerül, és nem képes operációs rendszert futtatni. Randall szerint már az Eloquence nagy adattábláinak elindítása is nehézséget jelentett. Az első próbálkozásnál egy ötmásodperces mondat előállítása 17 másodpercig tartott, ami könyvolvasásra alkalmatlan. A memóriahasználat optimalizálása mintegy hat hétig tartott.
A beüzemelés nem igényel forrasztást vagy programozási tudást. A készülék összeszerelve érkezik, elég számítógéphez dugni, majd a Chrome vagy az Edge böngészőből az USB-kábelen keresztül telepíthető rá a kiválasztott hang. A telepítőoldalon minden hanghoz meghallgatható minta tartozik. Egyszerre csak egy hang lehet az eszközön, de bármikor lecserélhető.
A fájlok kétféleképpen kerülhetnek az eszközre: memóriakártyán vagy Wi-Fi-n keresztül. Ehhez külön üzemmódot kell választani, mert a készülék a Wi-Fi-t és a felolvasást memóriahiány miatt nem tudja egyszerre kezelni. Hordozás közben az eszköz hálózat nélkül működik.
Ismert korlátok
Randall nem állítja, hogy a hardver ideális könyvlejátszó. A fejhallgató-kimenet alacsony hangerőnél sistereg, ezt nem lehet kijavítani, ezért csendes, fekvés közbeni hallgatásra kevésbé alkalmas. A készülék hátoldalán lévő reset gomb könnyen megnyomható véletlenül, és ilyenkor elvész a könyvben a hely, az óra pedig nullázódik. A beépített hangszóró egy wattos, inkább az idő bemondására vagy a menü követésére elég.
Akkumulátor nem tartozik a készlethez, külön kell venni. Mivel a vezetékek polaritása számít, látássérült felhasználónak nem egyszerű a megfelelő bekötés. Randall ezért a következő hetekben cserealkatrészként árulni fog egy 3D-nyomtatott hátlapot, amelyen nincs elérhető reset gomb, és övcsipesz is rögzíthető rá, valamint egy helyes polaritású akkumulátort. A készülék néhány centiméteres, könnyű, ingzsebre vagy övre csíptethető. A három részből álló ház (két áramköri lap, előlap és hátlap) egyszerűen szétpattintható, a csere nem igényel szerszámot.
Hangok, jogok és szoftver
Az eszközre jelenleg nagyjából tíz beszédmotort vittek át, köztük az Eloquence-t, a DoubleTalkot, a DECtalkot, az 1992-es Dolphin Apollót és a Pico szintetizátort. A DoubleTalkot a felhasználók kérték, főleg az Egyesült Államokban népszerű. Ez a hang eredetileg csak hardveres dobozként létezett, szoftverként soha nem adták ki.
Randall a jogi kérdést is felvetette. Szerinte ő nem árul semmit, a szoftver nyílt forráskódú (GitHub), a hangokhoz pedig olyan nyílt projektekből vett át megoldásokat, amelyekben mások lemásolták a régi motorokat. Ezek nem az eredeti kódot használják, hanem azt igyekeznek minél pontosabban visszaadni, hogy a hang ugyanúgy szóljon. Egyes motorokat elhagyott forrásokból építettek újra. Az átvitelhez részben mesterségesintelligencia-alapú kódoló eszközt használt. Az első portolást kézzel készítette el, aztán az ügynök a már kész munka alapján átmásolta a további hangokat. Ez nem hibátlan, ezért az eredményt ellenőrizni kell.
A firmware MIT licencű, a beépített beszédmotorok saját licenccel rendelkeznek, minden hang külön csomag. Aki akarja, módosíthatja a kódot, és a saját változtatásait beküldheti. Egy Reddit-hozzászólónak például az tűnt fel, hogy a készlet kamerát is tartalmaz, amelyet a Retro Reader nem használ. Randall szerint ez bárkit saját fejlesztésre ösztönözhet. A hangmotorok viszont a legkisebb erőforrásra faragott változatok, így Windows rendszeren vagy NVDA képernyőolvasóval nem használhatók. Szinte mindegyik motor ugyanakkor újrafordítható modern rendszerre, és ilyen projektek léteznek.
Az eszköz elsősorban szöveget olvas fel, de az MP3, M4A és M4B hangoskönyveket is lejátssza, és a mikrofonnal hangjegyzetet lehet rögzíteni olvasás közben. Randall könyveit többnyire az RNIB elektronikus braille-állományaiból alakítja vissza szöveggé, korábban pedig évekig szkennelt papírkönyveket, és az OCR (optikai karakterfelismerés) hibáit kézzel javította.
Miért a régi hangok
Randall szerint a régi hangok előnye a sebesség és a kiszámíthatóság. Nem emberi hangon alapulnak, így a hangmagasság és az érzelmi tartomány gyorsítás közben sem változik. Az Eloquence-t jelenleg körülbelül 730 szó/perc, azaz másodpercenként nagyjából 12 szó sebességen hallgatja, és így regényt is kényelmesen olvas. Szerinte az emberi hangra épülő szintézis lassú és nehézkes, az emberi vonások pedig kényelmetlenek, „hátborzongatóak”. Számára a szintetikus hang adatfolyam, az emberi hang pedig hangoskönyv, és ezt a két élményt külön tartja.
Hozzátette, hogy hosszú használat után nem hallja tudatosan a hangot. Egy Star Trek-regény olvasása közben például az adásból ismert szereplők hangját képzeli a szöveg mögé, ahogy a látó olvasó is teszi. Az általa idézett kutatások szerint a látók másik agyterületet használnak olvasáskor, mint hallgatáskor, és Randall szerint hasonló dolog történhet a megszokott szintetikus hanggal is, bár bizonyítéka nincs.
Az egyik műsorvezető ezt a megközelítést nem tartotta magától értetődőnek: a képernyőolvasók sebességét idővel feljebb tekeri az ember, de ő maga a gyorsulás után lassított, mert a feldolgozás nem tart lépést. A nosztalgia is szóba került: sokan ezeken a hangokon nőttek fel, és vannak, akik egyszerűen ezt szeretik.
A vibe coding (nagy nyelvi modellel támogatott programozás) kérdése is előkerült. Randall szerint magáncélra mindegy, hogyan készült a kód, ha működik. Kritikus rendszereknél viszont számít az elszámoltathatóság és a nyomon követhetőség, mivel ugyanabból a kérésből a modell nem ad mindig ugyanolyan eredményt. Ő maga a szűkös memóriájú gépek korában tanult programozni, és fontosnak tartja a tiszta kódot. A műsorvezetők hozzátették, hogy Randall ismeri, amit épített, és a végeredményt ellenőrzi.
A következő tervei közé tartozik egy babafigyelő, amelyhez a hardver mikrofonját használná, és később egy kamerás eszköz a hűtőben lévő termékek lejárati dátumának olvasására. Szóba került a Franklin Language Master szótárszerű eszköz is, amelynek modern változatát sokan szeretnék. A projekt weboldalán hangminták, a telepítő és a készlet beszerzési linkjei is elérhetők több országra.
Felkészülés áramkimaradásra
Az adás elején a műsorvezetők a vészhelyzeti felkészülésről beszéltek. Az Egyesült Királyságban egy közelmúltbeli vihar során sok helyen megszűnt az áram, és a mobilantennák is leálltak, így nem volt térerő sem. A kormányfő arra kérte a lakosságot, hogy tartson otthon tartós élelmiszert és vécépapírt. Az egyik műsorvezető inkább időjárási eseményektől és az áramellátás sérülékenységétől tart, mint háborús kockázattól.
A gyakorlati tanulságok közül az első a külső akkumulátor. Az egyik műsorvezető a vihar előtt minden otthoni akkumulátort feltöltött. A másik szerint a látássérült felhasználónak az is gond, hogy a töltöttségi szintet nem könnyű megállapítani: a kis kijelzők szegmentált számjegyeit az OCR sokszor rosszul olvassa. Hasonló kérdések merülnek fel a nagyobb, hálózati csatlakozóval ellátott áramforrásoknál, amelyekre légsütőt vagy mikrohullámú sütőt lehet rákapcsolni. A műsorvezetők szerint az ilyen eszközök ára a kereslet miatt emelkedhet, és kérdés, hogy tájékoztatnak-e a töltöttségről, illetve van-e kísérőalkalmazás, amely internetkapcsolat nélkül is működik.
A rádiózás is szóba került. Az egyik műsorvezető, aki rádiós háttérrel rendelkezik, azt kifogásolta, hogy sok országban kikapcsolják a hosszúhullámú és az AM adókat, így áramkimaradáskor csak a helyi FM-adók maradnak, azok pedig szintén leállhatnak. Szerinte a digitális rádióra való átállás nagy árat követelhet. A műsorvezetők szerint az élelmiszerek jelöléséhez offline használható megoldások kellenének, például QR-kódok. Azt viszont nem tudták, hogy a Seeing AI rövid szöveges módja internet nélkül működik-e.
Az adás szerint a Double Tap Live csatornán új műsor indul Code Orange címmel, amely a vészhelyzeti felkészülésről szól. A podcastot az AfterSight csapata készíti, egyik készítőjét a Double Tap is meghívja egy beszélgetésre. Téma lesz például az úgynevezett „go-bag”, vagyis az indulásra kész táska tartalma.
A Withings előfizetése
A Withings, amely okosmérlegeiről ismert, évi 100 dolláros csomagot jelentett be. Erre azoknak lesz szükségük, akik a szolgáltatáson keresztül csatlakoztatott eszközeik adatait az Apple Health alkalmazásba akarják áttölteni. A Withings alkalmazás és a mérleg használata továbbra is ingyenes marad. A cég szerint az adatok bármikor exportálhatók CSV- vagy PDF-fájlba, ezeket pedig kézzel be lehet vinni az Apple Health-be.
A műsorvezetők nem értették, miért kellene fizetni egy olyan átvitelért, amely a felhasználó telefonján megy végbe. Felvetették, hogy az Apple is díjat számít fel a kapcsolatért, de nem tudták megerősíteni. Úgy vélték, valaki előbb-utóbb automatizálja majd a kézi átvitelt. Azt is felvetették, hogy a Withings alkalmazása talán nem eléggé hozzáférhető, és sokan az Apple Health-en keresztül érik el az adataikat, de a termékeket egyikük sem próbálta.
Összegzés
A Retro Reader olcsó, nyílt forráskódú és hobbiszintű megoldás, amelynek korlátai nyilvánvalóak: sistergő fejhallgató-kimenet, külön beszerzendő akkumulátor, véletlenül megnyomható reset gomb. Aki viszont ragaszkodik a régi szintetikus hangokhoz, kevés pénzért kap egy zsebben hordozható, hálózat nélkül is használható olvasót. Az adás két másik témája, a vészhelyzeti felkészülés és az Apple Health-adatátvitel díjazása nyitott kérdések maradtak.
A cikk a Double Tap podcast 2026. október 27-i adása alapján, AI felhasználásával készült, ezért apróbb pontatlanságokat tartalmazhat.