MekoTools: Vorlesen

Text zu Sprache im Browser. Die Lehrkraft (oder die Lernenden) tippen einen Text ein, drücken Vorlesen und hören das Ergebnis sofort — auf dem eigenen Gerät, ohne Anmeldung, ohne Upload. Selbst betrieben unter https://sherpa-tts.mekotools.de.

Datei	Zweck
tool.yaml	Metadaten (Schema: schema/tool.schema.json im Katalog-Repo)
docs/anleitung.md	Schritt für Schritt: Text vorlesen lassen
docs/didaktik.md	Was sich damit lehren lässt, für wen, welche Grenzen
docs/unterrichtsentwurf.md	Fertiger Entwurf für 45 Minuten
Dockerfile	Vier Stufen: Grunddaten holen, Stimmen holen, WebAssembly bauen, statisch ausliefern
web/index.html, web/vorlesen.js	Deutsche Oberfläche und ihre Ablauflogik
web/service-worker.js	Zwischenspeicher im Browser (Rechenkern und Stimmen)
web/nginx-vorlesen.conf	Kopfzeilen für das Zwischenspeichern
stimmen/katalog.json	Stimmenauswahl mit Beschreibung, Abtastrate und Lizenz
stimmen/stimmen_holen.py, stimmen/stimmen_manifest.py	Stimmen holen, prüfen und benennen (Bauzeit)
patches/	Angepasste Stellen im fremden Quelltext, mit Ankerprüfung

Herkunft und Lizenz

• Sprachsynthese: sherpa-onnx (next-gen Kaldi, Apache-2.0), als WebAssembly gebaut.
• Stimmen: vier deutsche Piper-Modelle in der verkleinerten Fassung (…-int8) aus dem amtlichen Modell-Release tts-models — Thorsten (acht Stimmungen), Thorsten (höchste Klangtreue), Thorsten (kleinste Datei) und Kerstin. Alle vier stehen unter CC0; die Lizenzangaben sind in stimmen/katalog.json je Stimme festgehalten und stammen aus der Model-Card des Sprechers im Verzeichnis rhasspy/piper-voices.
• Nicht aufgenommen, obwohl im Release vorhanden: eva_k, ramona und karlsson (Model-Card nennt nur „See URL“ statt einer Lizenz), pavoque (CC BY-NC-SA 4.0 — nicht gewerblich) und glados/glados_turret (Spielfigur). Weitere Stimmen können aufgenommen werden, sobald die Lizenzfrage geklärt ist — der Katalog ist dafür die einzige Stelle, die geändert werden muss.
• Die Oberfläche der Beispielseite wurde ersetzt; angepasst wird nur noch der Arbeiter (Web Worker) in patches/arbeiter-stimme.sh. Das Skript prüft seine Anker und bricht ab, wenn der fremde Quelltext sich ändert.

Bauen und betreiben

• Gebaut wird in der CI, nicht auf dem Zielhost: .forgejo/workflows/abbild.yml (eigener Läufer auf flip, nur von Hand auslösbar) und .github/workflows/abbild.yml (Spiegel, der eigentliche Bauweg; legt das Paket in GHCR ab).
• Einmalig nach dem ersten Bau: das Paket liegt in GHCR zunächst privat. Die Sichtbarkeit lässt sich über die Schnittstelle nicht ändern (für Pakete einer Organisation gibt es keinen solchen Endpunkt) — also im Web umstellen: https://github.com/orgs/mekotools/packages/container/sherpa-tts/settings → Danger Zone → Change visibility → Public. Danach bleibt es öffentlich.
• Festgenagelte Fassungen: sherpa-onnx 99ddefaa9212, emscripten 4.0.23, onnxruntime (wasm, simd) 1.28.2, Auslieferung nginx:alpine-slim; die vier Stimmen stehen in stimmen/katalog.json auf …-int8 fest.
• Betrieb auf flip als Stapel /poolio/docker/mekotools-sherpa-tts mit dem digest-genagelten Abbild ghcr.io/mekotools/sherpa-tts.
• Nicht mehr im WebAssembly-Paket: dort stecken nur noch der Rechenkern und die Grunddaten von espeak-ng (rund 17 MB zusammen, vorher 90 MB mit eingebauter Stimme). Die Stimme holt die Seite beim Aufruf einzeln und legt sie danach in den Zwischenspeicher des Browsers (web/service-worker.js). Gemessen vorher: 108 MB und 25 s bei jedem Aufruf; jetzt nur beim ersten Mal.
• Eine andere Stimme ist kein neuer Bau: sie wird über stimmen/katalog.json aufgenommen, der Bau holt sie und nimmt sie mit ins Verzeichnis.
• Bekannte Auflösung 1280×720 oder größer nicht nötig; das Werkzeug läuft auf Desktop und Tablet, ohne Kamera und ohne Mikrofon.

Grenzen

• Zwei Sprecherinnen und Sprecher in vier Stimmen; die Auswahl ist eine Auswahl, keine Ausrede — die Liste nennt zu jeder Stimme Herkunft, Abtastrate, Größe und Stimmungen.
• Keine Betonungssteuerung, kein Mikrofon, keine Stimmerkennung.
• Lange Texte dauern (ein Rechenstrang im Browser).
• Erzeugte Audiodateien bleiben im Tab; wer sie behalten will, lädt sie herunter, bevor der Tab geschlossen wird.