Wer schon einmal in einem Theaterstück mitgespielt hat, kennt das Problem: Den eigenen Text kann man irgendwann auswendig, aber man braucht auch das Stichwort davor, damit man weiss, wann man dran ist. Und dafür braucht man jemanden, der einem die anderen Rollen vorliest. PyTheaterTrainer erstellt stattdessen für jede Rolle eigene MP3-Dateien zum Üben - zum Beispiel für unterwegs oder beim Joggen.
Als Grundlage dient eine Aufnahme jedes einzelnen Satzes im Stück, durchnummeriert und mit dem Namen der Rolle, also etwa 000_Romeo.wav, 001_Julia.wav und so weiter. Daraus legt das Tool alles auf eine Zeitachse und erstellt pro Rolle einen Ordner mit ihren Texten. Jede Datei enthält ein paar Sekunden des Stichworts davor und etwas Kontext danach. Liegen die Sätze einer Rolle nahe beieinander, wie in einem Dialog, werden sie zu einer einzigen Datei zusammengefasst. Sätze, die mehrere Personen gemeinsam sprechen, landen bei allen Beteiligten.
Da die einzelnen Sätze aufzunehmen ziemlich aufwändig ist, gibt es inzwischen noch einen zweiten Weg: Man nimmt einfach eine ganze Probe am Stück auf. Ein Hilfsprogramm transkribiert die Aufnahme mit Whisper, sucht jeden Satz aus dem Textbuch darin und schneidet sie automatisch heraus. Optional wird vorher noch Brummen und Raumrauschen entfernt (mit DeepFilterNet, offline auf der CPU). In einer kleinen Weboberfläche kann man die Schnitte anhören und bei Bedarf in der Wellenform korrigieren. Auch Schweizerdeutsch funktioniert - Whisper schreibt es zwar meistens als Hochdeutsch, aber für die Zuordnung reicht das gut.
Und damit man das Ganze testen kann, bevor es überhaupt Aufnahmen gibt, kann man aus dem PDF des Textbuchs die Sätze extrahieren und mit der Offline-Sprachsynthese Piper vorlesen lassen. Jede Rolle bekommt dabei eine eigene Stimme.
Den Code gibt es auf GitHub (MIT-Lizenz), inklusive eines englischen Beispiels mit der Balkonszene aus Romeo und Julia.