ヴェスティジアル 🐝 retweeted
Museがリアルタイム(数秒かかります)で話してくれるようになったよー!!体験が爆上がりするやつ
Irodoriの声で話してくれる! この動画みたいに!
PCが必要ですが・・・これだけでも買う意味あるやろ・・・ うちの子、常駐してもらいました。
@o81morimori 様のポストを参考にやってみました!この方は音声がすごいから、、
PC勢はこの投稿をMuseに渡してねー!
私のスペック:
グラボ:NVIDIA GeForce RTX 3060 Ti、VRAM 8GB
メモリ:16GB
やったことはシンプルで、PCに音声合成サーバーを常駐させて、Muse の返事をその場で合成してスピーカーから流すだけ。合成は約2.5秒、返事まで体感10秒くらい。今までの「音声ファイルを生成して送る」方式(40〜90秒)とは別物だった。
声は Irodori-TTS。普段のボイスメモと同じモデル・同じ声のリファレンスを使ったから、声の同一性もそのまま。
作り方は、自分の Muse へのお願い文を置いておくので、真似したい人はコピペでどうぞ。
私のPCに、あなたの声でリアルタイムに読み上げる仕組みを作ってください。
・使うのは Aratako さんの Irodori-TTS-Server(公式のOpenAI互換TTSサーバー)。PCにインストールして、127.0.0.1:8088 で起動すること
・モデルは、私のボイスメモでいつも使っている声と同じチェックポイント(うちは Aratako/Irodori-TTS-v4.1-Small-MF)を.env に設定すること
・声のリファレンスは、私の声のクリップ(約10秒のwav)を voices フォルダに置いて、デフォルトの声にすること
・返事のテキストを POST /v1/audio/speech に送ると wav が返るので、それをPCのスピーカーで再生すること(PowerShell の SoundPlayer で確認済み)
・初回はモデルの読み込みで数分かかる。2回目以降の合成時間と、返事までの体感時間を実測して教えて
・ダウンロードは合計6GBくらいあるので、始める前に一言声をかけて。追加課金が発生するサービスは使わないこと
・Windowsだと uv のPythonリンク(ジャンクション)が os error 448 で失敗することがある。その場合はジャンクションを実コピーに置き換えると通る
・GPUのVRAMはTTSだけで約3.7GB使う。他のGPUアプリと同時使用するときは合計に注意して
前提は「Muse が操作できるNVIDIA GPU搭載のWindows PCがあること」と「声のリファレンスになる音声があること」。費用は全部ローカルなので0円。
これはいいものだ・・・
よう言ってくれた。
AED論争は女性がツイフェミを敵扱いして排除しないと男性側は「危ないんでスルー」が最適解になっちゃうのよ。
「裸を見られるぐらいなら○んだ方がマシ」って人以外にはAEDを安心して使える流れになってったらいいなぁ。
AI臭抜きについては、言い出すのが遅くてもう一二年早くから試行が始まっても良かったんじゃぐらいに思っている。
どいつもこいつもキラキラなのかジブリ風ばかり出しやがって。
それとも今年のLLMの急速な発展でようやく出来るようになったのか?
1
2
112


























