Локальный конвейер для создания аудиокниг с анимированными изображениями сцены

Автор описывает локальный пайплайн для генерации анимированных аудиокниг из текстов, используя Qwen 2.1 для создания изображений и Fish TTS для озвучки. Проект работает на видеокарте с 8 ГБ VRAM и может быть расширен за счет интеграции более мощных языковых моделей.