Czytanie PDF na iPhonie: podświetlanie słowo po słowie

Każda aplikacja czytająca w App Store deklaruje, że czyta PDF-y na głos. Niewiele pokazuje, jak to wygląda po naciśnięciu odtwarzania, a różnica między tymi obietnicami nie leży w głosie. Leży w tym, czy ekran nadąża za głosem.

PDF nie jest ścianą tekstu. To strony, z łamami, ilustracjami, podpisami i podziałami. Aplikacja wydająca sam dźwięk co kilka minut stawia przed wyborem: przestać słuchać i odnaleźć swoje miejsce albo słuchać dalej i je zgubić.

Krótka odpowiedź: czytanie z podążaniem oznacza, że aplikacja podczas mówienia pokazuje, gdzie jest głos. W Local TTS dzieje się to na dwóch warstwach naraz — ramka wokół wypowiadanego zdania na wyświetlanej stronie PDF oraz podświetlenie na poziomie słowa w panelu dużą czcionką poniżej — a widok sam przechodzi na kolejną stronę, gdy głos dociera do jej końca. Wszystkie trzy zachowania powstają na urządzeniu, więc działają w trybie samolotowym.

Pobierz Local TTS bezpłatnie z App Store i zobacz, jak podąża za twoim własnym PDF-em.

Na czym opiera się ten artykuł: nagranie osadzone poniżej to oficjalny materiał demonstracyjny Local TTS — niemontowane nagranie ekranu, na którym aplikacja czyta swobodnie rozpowszechniane wydanie z domeny publicznej Opowieści o Piotrusiu Króliku jako ilustrowany PDF: 82 zdania i 7 minut 40 sekund mowy. Cechy produktu, limity planów i wymagania sprzętowe sprawdzono 23 sierpnia 2026 na aktualnej stronie App Store dla Local TTS 2.1.5. To nasza własna aplikacja; surowy materiał publikujemy właśnie po to, byś mógł skonfrontować z nim każde poniższe twierdzenie zamiast wierzyć nam na słowo.

Co zawiera pojedyncza klatka odtwarzania

Zatrzymaj nagranie w dowolnym momencie, a ekran odpowiada jednocześnie na cztery różne pytania.

Nic z tego nie jest ozdobą. Każdy element istnieje, bo słuchanie długiego dokumentu rodzi określony rodzaj dezorientacji, a każdy usuwa jeden z nich.

Dlaczego dwie warstwy podświetlenia, a nie jedna

Oczywistym projektem jest jedno podświetlenie na samej stronie PDF. Local TTS rysuje drugie, a powód jest taki, że strona PDF to sztywny skład, którego nigdy nie projektowano do czytania z odległości wyciągniętej ręki.

Strona z materiału to książka dla dzieci złożona krojem maszynopisowym w stopniu dobranym do druku. Na telefonie, z odległości, z jakiej trzyma się go faktycznie podczas chodzenia, pojedyncze słowa na stronie są czytelne, ale nie da się ich wygodnie śledzić. Podświetlanie słowa właśnie tam byłoby technicznie poprawne i praktycznie bezużyteczne.

Dlatego obie warstwy dzielą się pracą:

• Ramka na stronie służy orientacji. Wskazuje, która część prawdziwego dokumentu — tego z ilustracją trzech królików zbierających jeżyny — jest właśnie czytana. Przesuwa się raz na zdanie, czyli dość wolno, by nadążyć jednym spojrzeniem.
• Panel tekstowy służy czytaniu. Rysuje bieżące zdanie w wygodnym stopniu i podświetla po jednym słowie. Zmienia się kilka razy na sekundę, co ma sens tylko dlatego, że czcionka jest wystarczająco duża do śledzenia.

Przyjrzyj się podświetlonemu słowu na klatce podglądu: Cotton-tail. Podświetlenie obejmuje całe złożenie z łącznikiem, zamiast przebiegać przez Cotton, a potem tail. To zamierzony wybór podziału: naiwny dzielnik słów traktuje łącznik jako granicę i tworzy dwa podświetlenia dla jednego wypowiadanego słowa, co na ekranie czyta się jak jąkanie. Nazwy z łącznikiem, przymiotniki złożone i konstrukcje z myślnikiem pojawiają się w prawdziwych dokumentach na tyle często, że błąd widać już w pierwszej minucie.

Jeśli chcesz poczuć tę synchronizację bez instalowania czegokolwiek, na stronie głównej Local TTS działa ten sam efekt na zdaniu z tej samej książki.

Automatyczne przewracanie stron: funkcja, którą widać dopiero, gdy jej brak

To jedyne zachowanie, którego nieruchomy obraz nie pokaże, więc poszukaj go w nagraniu. Około siódmej sekundy licznik przechodzi ze zdania 11 na 12, ilustracja zmienia się z trzech królików zbierających jeżyny na Piotrusia przeciskającego się pod furtką, a głos nie milknie. Nikt nie dotknął ekranu.

W tym wydaniu na każdej stronie jest jedno zdanie i jeden rysunek, więc przejście przez 7:40 mowy wymaga, by widok przesunął się dziesiątki razy. Bez automatycznego przewijania każde z nich to przerwanie: wyjąć telefon, odblokować, odszukać sterowanie stronami, przesunąć palcem — czyli zniweczyć sam powód, dla którego się słuchało. Czytanie na głos zmuszające do trzymania telefonu jest po prostu gorszym sposobem czytania niż czytanie.

Gdy głos dociera do końca tekstu na stronie, widok przechodzi na kolejną, a odtwarzanie trwa bez przerwy. W praktyce właśnie to zamienia PDF w coś, czego można słuchać na spacerze, w samochodzie albo z telefonem odłożonym ekranem do blatu. To także sprawia, że odtwarzanie w tle i na ekranie blokady jest naprawdę użyteczne, a nie tylko odhaczone: dźwięk w tle pomaga wyłącznie wtedy, gdy aplikacja potrafi przejść przez dokument bez nadzoru.

Do czego służy wskaźnik pozycji

11 / 82 · 10% i 0:50 / 7:40 wyglądają jak dwie wersje tej samej informacji. Nie są.

Lewy wskaźnik liczy zdania: to zdanie 11 z 82, na które aplikacja podzieliła dokument, a ty jesteś mniej więcej w 10%. To jednostka, którą Local TTS naprawdę czyta, podświetla i od której wznawia, dlatego właśnie ona jest na ekranie. Pasek czasu dotyczy dźwięku: 50 sekund z 7 minut 40. Pierwszy potrzebny jest, by zdecydować, gdzie wrócić jutro, drugi — by zdecydować, czy włączać przed dziesięciominutowym spacerem.

Oba znaczą więcej przy dokumentach zaimportowanych niż przy wklejonym tekście, bo Local TTS trzyma PDF jako zapisaną pozycję do słuchania, a nie jednorazową wypowiedź. Zamknij aplikację w połowie zdania, a dokument nadal tam jest, razem z twoją pozycją. To praktyczna granica między zaimportowaniem dokumentu a ogólnym czytnikiem ekranu, który wypowiada to, co jest wyświetlane — czytnik ekranu nie ma pamięci dokumentu, bo z jego perspektywy dokument nie istnieje, istnieje tylko ekran.

Wszystko na tym ekranie powstało w telefonie

Rzecz łatwa do przeoczenia: zsynchronizowane podświetlanie jest zwykle funkcją chmurową.

Żeby podświetlić słowo w chwili jego wypowiedzenia, coś musi wiedzieć, kiedy każde słowo zaczyna się w wygenerowanym dźwięku. Chmurowe usługi mowy zwracają te czasy razem z plikiem audio, co oznacza, że tekst został wysłany na serwer, by je uzyskać. Aplikacja może podświetlać offline tylko wtedy, gdy generuje lokalnie i dźwięk, i czasy.

Local TTS tak robi. Mowa pochodzi z Supertonic 3 dla głosu wielojęzycznego obejmującego wszystkie 31 obsługiwanych języków albo z Kokoro-82M dla 28 głosów angielskich amerykańskich i brytyjskich, a czasy słów wychodzą z tego samego przebiegu syntezy na urządzeniu. Nic w tym łańcuchu — wydobycie tekstu z PDF-a, generowanie mowy, czasy słów, rysowanie strony — nie wysyła zapytania sieciowego.

W efekcie podążanie za tekstem z nagrania nie jest luksusem trybu połączonego, który w samolocie degraduje się do samego dźwięku. W obu przypadkach to ta sama ścieżka kodu. Jeśli wolisz sprawdzić to twierdzenie, niż je przyjąć, test w trybie samolotowym to cztery kroki i około minuty.

Jest jeden uczciwy wyjątek i dotyczy pliku, a nie aplikacji: PDF istniejący wyłącznie w iCloud Drive wymaga połączenia przy pierwszym otwarciu. Generowanie mowy jest offline; pobranie dokumentu źródłowego nie.

Jak samemu odtworzyć ten test

Nagranie korzysta z wydania Opowieści o Piotrusiu Króliku z domeny publicznej, więc ten sam test da się przeprowadzić na tym samym pliku.

1. Pobierz dowolny PDF do aplikacji Pliki na iPhonie. Książka z domeny publicznej jest wygodna, bo wynik można komuś pokazać bez zmartwień o źródło.
2. Otwórz Local TTS i zaimportuj PDF.
3. Wybierz głos. Zacznij od 1× — podświetlanie najłatwiej ocenić w normalnym tempie, bo przy 1,5× drobny błąd synchronizacji trudno odróżnić od szybkiego lektora.
4. Włącz odtwarzanie i patrz na ramkę zdania, nie na słowa. Jeśli obejmuje właściwe zdanie, warstwa słów też prawie zawsze jest poprawna.
5. Pozwól dojść do końca strony bez dotykania ekranu. To jest automatyczne przewracanie.
6. Włącz tryb samolotowy i odtwórz inną stronę. W podświetlaniu nic nie powinno się zmienić.

Plan bezpłatny czyta do 500 znaków na notatkę, co wystarcza, by zobaczyć to wszystko na fragmencie. Pełny import takiego ilustrowanego e-booka jest funkcją Pro — 4,99 USD miesięcznie albo 19,99 USD jednorazowo — razem z nielimitowaną długością tekstu, pełnym katalogiem głosów i eksportem M4A.

Gdzie podążanie za tekstem naprawdę pomaga

Zsynchronizowane podświetlanie bywa odkładane do szufladki z dostępnością i tam zostaje. Powody, dla których ludzie z niego korzystają, są szersze.

Zapamiętywanie gęstego materiału. Czytanie i słuchanie tego samego zdania angażuje dwa kanały zamiast jednego. Przy podręcznikach i PDF-ach z zajęć to podświetlenie pozwala słuchać szybko, a mimo to zatrzymać się dokładnie na zdaniu, którego się nie wychwyciło. Które aplikacje oferują to połączenie, opisuje porównanie aplikacji czytających na iPhone’a.

Uciekająca uwaga — przypadek, do którego Local TTS pasuje najlepiej. Czytanie z podążaniem szczególnie dobrze sprawdza się u czytelników z ADHD, a powód jest konkretny. Czytanie z ADHD rzadko zawodzi z powodu zbyt trudnego tekstu. Zawodzi kilka sekund po tym, jak uwaga ucieknie: wracasz wzrokiem, nie znajdujesz wersu, czytasz akapit od nowa i w końcu zamykasz dokument. Przesuwające się podświetlenie kasuje to szukanie. Głos trzyma twoje miejsce, gdy uwaga jest gdzie indziej, więc powrót kosztuje spojrzenie zamiast zaczynania od nowa, a dźwięk ciągnie lekturę dalej, zamiast na ciebie czekać. To narzędzie do czytania, a nie kliniczne, ale tarcie, które usuwa, jest dokładnie tym, które najczęściej kończy sesję.

Nauka języków. Usłyszeć słowo, widząc dokładnie, które to było, to całe ćwiczenie. Bez podświetlenia masz dźwięk i tekst; z nim masz odwzorowanie między nimi, a to właśnie ta trudna część.

Korekta własnych tekstów. Syntetyczny głos nie czyta tego, co miało się na myśli. Podążanie za podświetleniem po własnym szkicu to skuteczny sposób na znalezienie zdania, w którym gramatyka się posypała.

Czytanie z ekranem, na który nie zawsze można patrzeć. W pociągu, w marszu czy przy gotowaniu zerka się na telefon od czasu do czasu, nie bez przerwy. Wartość podświetlenia nie polega na tym, że się je ogląda — polega na tym, że gdy się spojrzy, powrót kosztuje sekundę, a nie cofanie.

Najczęstsze pytania

Czym jest czytanie z podążaniem za tekstem w czytniku PDF?

Tym, że aplikacja podczas mówienia pokazuje, w którym miejscu tekstu się znajduje. Local TTS robi to na dwóch warstwach — ramka zaznacza zdanie na stronie PDF, a panel dużą czcionką poniżej podświetla kolejne słowa — więc w każdej chwili wiadomo, gdzie jest głos.

Czy aplikacja sama przewraca strony PDF podczas czytania?

Tak. Na końcu strony widok przechodzi dalej, a czytanie trwa bez przerwy. Widać to w nagraniu: licznik przechodzi ze zdania 11 na 12, strona się zmienia i nikt nie dotyka ekranu.

Czy podświetlanie słowo po słowie wymaga połączenia z internetem?

Nie. Czasy słów powstają na urządzeniu podczas generowania mowy, więc podświetlanie działa w trybie samolotowym tak jak online.

Czy w planie bezpłatnym przeczytam cały wielostronicowy PDF?

Długiego nie. Plan bezpłatny czyta do 500 znaków na notatkę, co wystarcza na test na fragmencie. Pełny import wielostronicowych PDF-ów jest funkcją Pro, za 4,99 USD miesięcznie albo 19,99 USD jednorazowo.

Co dzieje się z moim miejscem w dokumencie po zamknięciu aplikacji?

Zostaje zachowane. Zaimportowany PDF jest zapisaną pozycją do słuchania wraz z położeniem, więc ponowne otwarcie wznawia w miejscu przerwania.

Dlaczego podświetlone słowo bywa odrobinę przed głosem?

Bo podświetlenie narysowane dokładnie na pozycji dźwięku dociera z opóźnieniem, gdy uwzględnić przerysowanie i bufor wyjściowy. Niewielkie zamierzone wyprzedzenie sprawia, że słowo i głos wydają się jednoczesne.

Czy czytanie z podążaniem dobrze sprawdza się u czytelników z ADHD?

Tak i jest to jeden z najmocniejszych powodów, by z niego korzystać. Kilka sekund rozproszenia zwykle kosztuje cię miejsce, a jego odnalezienie kończy sesję. Podświetlenie w tym czasie przesuwa się dalej, więc wracasz jednym spojrzeniem, a głos prowadzi lekturę dalej. To aplikacja do czytania, nie narzędzie kliniczne.

Twierdzenie warte sprawdzenia

„Czyta PDF-y na głos” to poziom podstawowy i nie mówi prawie nic. Pytania oddzielające czytnik dokumentów, z którym faktycznie skończysz książkę, od takiego, który porzucisz na trzeciej stronie, są węższe:

• Czy ekran pokazuje, gdzie jest głos, z dokładnością do słowa?
• Czy przewraca strony bez ciebie?
• Czy pamięta, gdzie przerwałeś?
• Czy to wszystko nadal działa przy wyłączonej sieci?

Odpowiada na nie trzydzieści sekund niemontowanego nagrania i właśnie dlatego materiał demonstracyjny nie jest montowany. Zrób ten sam test na własnym PDF-ie — raporcie, artykule, instrukcji — i sprawdź, czy ekran nadąża za głosem.

Zainstaluj Local TTS bezpłatnie i podążaj za swoim pierwszym PDF-em. Bez konta, bez przesyłania i bez połączenia po instalacji.