なんJRVC部★7

2024/05/01(水) 20:12:46.63

ゲームから抜き出した音声が一番使いやすいな
BGMと分離されてて音質も一定以上で特定キャラの演技だから声質も揃ってる音声が大量に手に入る

警備員[Lv.16][初] (ﾜｯﾁｮｲ 674a-b946) · 2024/05/01(水) 20:16:09.06

データセットとしてノベルゲー音声はやっぱり一番やな
RVCだと逆に演技音声だと、こちらがちゃんと演技をしないと性能引き出せないって点で、素の雑談配信のほうがいいみたいなのはあるっぽいが

2024/05/01(水) 20:18:05.92

>>412
それ大事なのプロのスタジオだけじゃないかな・・・

2024/05/01(水) 20:47:02.90

ユーチューバーの配信とかが一番簡単に素材化できるんだけど、モデル化してみると活舌悪くて何言ってるかわからんって経験がある。
やっぱボイストレーニングしてるプロはすげーんだわ

2024/05/01(水) 20:48:06.27

>>410
同じ声優が声色変えててもあんまり影響ない印象だな
特定のキャラに似せたいって場合はやや特徴がぼけやるかもだけど

2024/05/02(木) 03:14:42.95

RVCのgo-webで、自分の声録音mp3に対して適当なモデル(pth)の声を少しだけブレンドしたいのですが、
簡単にできそうな方法はありませんか？
ちゃんと自分の声のモデルを作成して、ckptファイルの処理からAモデルBモデルとして
混ぜるしかないでしょうか

2024/05/02(木) 07:07:08.99

手持ちの発声部分が1時間くらいのデータを学習するとき4000～2万ステップくらいまでは殆ど差がなかった
そこからずっと続けて5万ステップ超えてくるとほんの少しずつ学習元にないセリフの結果も改善していく
中国語なまりがきつ過ぎる人は素材の不足か学習時間の不足があるかも知れない

警備員[Lv.8][初] (ﾜｯﾁｮｲ 077b-R43V) · 2024/05/03(金) 13:44:00.69

https://files.catbox.moe/a6cbwa.mp4
あかん
ママ系の音声作品をデータセットとして学習させたらです・ますのほとんどをでちゅ・まちゅで読み上げる謎TTSモデルができてしまった
失敗なのか成功なのかわからんぞ

警備員[Lv.18][苗] (ﾜｯﾁｮｲ df28-nVjz) · 2024/05/03(金) 14:42:54.69

>>420
おもしろいでちゅね

2024/05/03(金) 15:01:10.32

>>420
謎だけどワロタ

2024/05/03(金) 15:10:01.30

ある意味成功だろこれは

警備員[Lv.18][苗] (ﾜｯﾁｮｲ df28-nVjz) · 2024/05/03(金) 15:35:17.42

>>420
それにしても発音とか凄い自然に聞こえるね、データの時間はどれくらいで何stepくらい学習してるの？

警備員[Lv.19][初] (ﾜｯﾁｮｲ a77b-y8PE) · 2024/05/03(金) 16:15:03.56

>>420
狙ってできるようになれば革命じゃないかこれ

2024/05/03(金) 19:14:40.30

>>420
草

2024/05/03(金) 20:00:43.62

>>420
草　大成功やろこれ

2024/05/03(金) 20:03:27.11

久々にワロタ

警備員[Lv.5][新初] (ﾜｯﾁｮｲ e788-Y5uc) · 2024/05/03(金) 20:15:22.30

>>420
成功だなw

2024/05/03(金) 22:44:51.40

シコれるから成功だよ

警備員[Lv.9][初] (ﾜｯﾁｮｲ 077b-R43V) · 2024/05/04(土) 00:39:11.68

>>424
データセット：30分くらい
スライス後：282ファイル
バッチサイズ；4
38000ステップ (rtx3060で12時間) のウェイトを使った
https://files.catbox.moe/hpy6td.jpg
書き起こしはWhisper large v2でやってみたけどエッチなセリフもなにもかもマジで全部書いてくれてビビるわ
ちなみに通常のトーンまで汚染してほしくなかったから「んんっ♥」とか「～でちゅね♥」とか♥つくようにプロンプトで指示して書き起こしして記号に紐づかないかと実験してみたけどマジでなんも意味なかった

警備員[Lv.23][初] (ﾜｯﾁｮｲ 878d-b946) · 2024/05/04(土) 05:38:54.70

つまりある程度特徴的語尾なんかもサンプル次第で学習可能ってことだよな

2024/05/04(土) 05:50:47.91

しばらく離れてたんだけど今はRVCとVITS2が主流なの？
音声→音声がRVCで　文字→音声がVITS2の認識で合ってる？

警備員[Lv.17][初] (ﾜｯﾁｮｲ 674a-b946) · 2024/05/04(土) 09:22:55.46

>>431
記号は通常の記号以外（絵文字とか含めて全部）は正規化の段階で消されるで
「'」とか「-」が残るからそれを使うといいかも

警備員[Lv.17][初] (ﾜｯﾁｮｲ 674a-b946) · 2024/05/04(土) 09:27:16.06

学習データによって「私」を「あたし」や「わたくし」と読んだり、「えっと」「あの」たたまに自動的に挿入されるようになったりもするけど、
ここまでピンポイントに発音曲げられるもんなんやな

2024/05/04(土) 09:31:21.55

RVCの方は学習にマルチGPU対応してるから、いいんだけどVITS2の学習をマルチGPU対応させてほしい。
というか作者もやろうとしてるのは分かるんだけど、道半ばね

警備員[Lv.20][初] (ﾜｯﾁｮｲ a77b-y8PE) · 2024/05/04(土) 11:03:19.48

>>433
VITS2なんてものは無い
Style-Bert-VITSが2ってだけ
Style-Bert-VITS2はlitaginさんが日本人向けに使いやすくしてくれてるから日本人は使いやすいけど
RVCチームが作ったGPT-SoVITSとか上に出てるFish Speechとかがあるから主流がどれってのは無い

2024/05/04(土) 11:07:26.71

それらのVITSって学習済みモデルに互換性あったりしないですか？

警備員[Lv.19][苗] (ﾜｯﾁｮｲ df28-nVjz) · 2024/05/04(土) 11:35:22.00

>>431
あざます、参考になります。

警備員[Lv.24][初] (ﾜｯﾁｮｲ a77b-b946) · 2024/05/04(土) 12:04:42.13

やっぱちゃんとした声優さんの音声だと文字起こしも間違いが少ないな

2024/05/04(土) 12:14:19.86

Ninjaで俺も前のセッション残ってる？ってバグに遭遇したわ
koboldCppでちゃんとセッションクリアしてるのに前の履歴を引きずったみたいな挙動をして
何度も繰り返してるうちに日本語崩壊して普通に会話しようとするだけで↓みたいなことしか言わなくなる
「甘いMAXネガスむらんだ出帽子予約をすっかるサマを即座席から選手市からアパレクティラティ」

警備員[Lv.17][初] (ﾜｯﾁｮｲ 674a-b946) · 2024/05/04(土) 13:09:29.41

一応やけどVITS2というものはあるで（アーキテクチャの名前）
VITSの改善版がVITS2で、それの実装にBERT（言語モデル）を組み合わせた実装がBert-VITS2（Bert-VITSがあってその2番目、というわけではない）
Style-Bert-VITS2はBert-VITS2にスタイル入れたやつ（なのでStyle-Bert-VITSがあってその2番目ではない）

2024/05/04(土) 13:17:05.32

すまん、441は誤爆した

警備員[Lv.24][苗] (ﾜｯﾁｮｲ a77b-b946) · 2024/05/04(土) 14:16:32.71

Style-Bert-VITS2を4ヶ月ぶりに使って学習して生成してみたけど
めっちゃ性能上がってへん？捗って助かるわ～

警備員[Lv.18][初] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/05(日) 10:06:31.62

https://huggingface.co/blaise-tk/TITAN
そういえばRVCのまた新しいベースモデル出たらしいので報告だけしとく

警備員[Lv.1][新芽] (ﾜｯﾁｮｲ 975b-QJLB) · 2024/05/05(日) 14:14:13.34

どんぐりコロコロ

2024/05/05(日) 17:04:28.87

style-bert-vits2の学習から作成したpthファイルを
RVC WebUIでも使用することはできますか？
vits2上では問題なく使用できるのですが
試しにmodelフォルダにある生成されたD_やG_やWD_のpthファイルをRVC WebUIに読み込ませてもエラーが表示されまして

2024/05/05(日) 20:01:30.21

日本語の発音に特化したモデルから進化してないな

2024/05/05(日) 21:21:36.82

>>447
その２つはまったく違うタイプのアプリだから無理
モデルも共有できん

2024/05/05(日) 21:42:39.95

>>449
そうなのですね・・・使い分けします
教えて頂きありがとうございます

2024/05/05(日) 21:46:59.17

GPT-SoVITSとStyle-Bert-VITS2のモデルは互換性ないですか？

2024/05/05(日) 22:39:13.89

RVCのベースモデルって学習時に差し替える認識だけど
再生時？変換時？はベースモデル指定する必要ないのでしょうか

2024/05/06(月) 10:13:24.85

>>451
ありません

警備員[Lv.18][初] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/06(月) 11:15:29.39

なんでそんなみんな互換性あるって思うのかな、って思ったら、拡張子が両方ともpthで同じだからか

2024/05/06(月) 11:40:38.53

ベースモデルに声色を載せたpthがあるからベースモデルはいりません

**452** (ﾜｯﾁｮｲ 9f88-Qzw7) · 2024/05/06(月) 15:14:51.89

>>455
ありがとう
ptnのサイズやたら小さいから差分かと思ってたんだけど違うんだね

2024/05/06(月) 15:54:47.91

円安落ち着いたらゲーミングＰＣ買ってRVC＋エペしたいと思ってるんだが、好きなキャラクターの声になれるってことでいいんだよな？

2024/05/06(月) 16:06:38.05

>>457
なれるけどそう簡単なもんでもないし、バレずにやるとしたら難易度は上がる
男が女声に変換するとしたらボイトレも必要
別にバレずにやるつもりってわけじゃなく同性の声なら概ね好きなキャラにはなれる

2024/05/06(月) 16:09:39.94

学習させた声に近い声になる
自分の声と相性が良ければ異性でもほぼ同じになれる

2024/05/06(月) 16:29:32.63

>>458
え、
金積めばなれるもんだと思ってたよ…

2024/05/06(月) 16:32:29.42

滑舌悪いとガッカリするで…

2024/05/06(月) 16:33:40.68

ﾆﾁｬｯ、ﾆﾁｬﾆﾁｬ、ﾆﾁｬｱ…

2024/05/06(月) 16:38:32.23

自分と相性のいいモデルを使って、かつ話し方も工夫すれば男が女のふりをすることは可能
ただボイチェン特有の声の歪みを100%無くすのは難しいからそのうちボロが出る
あとボイチェンの知識がある相手にはバレやすい

2024/05/06(月) 16:44:30.18

ボイチェンの天敵はボボボーボ・ボーボボ、この話題振られたらかなり上手く喋らないと変換されない

2024/05/06(月) 16:55:33.97

男でもボイトレ頑張れば自然な萌えボイスに変換できるような声を出せるが
それができるんであれば既存のピッチ調整するようなボイチェンでもできるしな
RVCは特定のキャラやら声優やらの声を真似するって用途のもん

2024/05/06(月) 17:03:36.98

声を瞬時に変換する画期的な技術だと思ってたんだが違うんだな
結局その声に寄せないと行けないと…

警備員[Lv.19][苗] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/06(月) 17:03:41.84

ボーボボもいえる最近の低遅延ボイチェンだとSupershiftが質高いで
https://www.nicovideo.jp/watch/sm43613806
学習はできんけどな。ピッチも保たれて、強豪のいろんなCPUボイチェンとは頭一つ抜けとる気がする。

警備員[Lv.19][苗] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/06(月) 17:04:02.09

SupershiftやなくてSupertone shiftやな

2024/05/06(月) 17:44:33.13

moisesの支払い出来なくなったから代用できるサイトないかな

警備員[Lv.18][初] (ﾜｯﾁｮｲ 2e7b-T7LG) · 2024/05/06(月) 21:39:53.98

>>467
凄いけど商用利用不可によりyoutubeの動画には活かせず
殆どの人が望むであろう特定のキャラの声になりたいって要望にも応えられないから日本では流行らんだろうな

警備員[Lv.4][新初] (ﾜｯﾁｮｲ a67b-2piB) · 2024/05/07(火) 13:32:45.61

それこそ声優学校に行って量産型の発声できるようになったらええんやな

2024/05/07(火) 15:26:28.38

https://files.catbox.moe/vll6f7.png
AI愛好家(?)の一部のなかでPortalに出てくるGLaDOSを現実に実装するのが流行っているような気がして自分も天井からロボットアームとか生やしてGLaDOSちゃん稼働させてぇなと思ったので、とりあえずTTSモデルを学習させてみてモデルをhuggingfaceにおいてみた
Style-Bert_VITS2(英語のみ)とGPT-SoVITS(日英中)の2つがあるサンプルはリポジトリ見てくれるとたすかる
https://huggingface.co/WarriorMama777/GLaDOS_TTS

警備員[Lv.10(前23)][苗] (ﾜｯﾁｮｲ 8b5e-w0ma) · 2024/05/07(火) 19:07:50.03

>>472
ゲームのキャラを現実にするみたいのかっこいいね

2024/05/07(火) 19:39:16.38

昔ニコ動にその手の動画があった記憶

2024/05/07(火) 21:58:59.01

>>467
これボーボボいえる？

2024/05/07(火) 22:26:15.93

すいません質問なんですがVITSのデータセット作成で
文字起こしが終わらずひたすらタイマーだけが進むのですが
初心者が陥りやすいミスとかあるのでしょうか

2024/05/07(火) 22:55:25.72

自決しました
お騒がせしました

2024/05/07(火) 23:53:29.16

ディスコ鯖っていまない？あったら招待欲しい

警備員[Lv.19][苗] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/08(水) 07:29:41.59

なんJRVC部のはあるけどほぼ動いてないで
声づくり研究会のほうが活発なんやないか

2024/05/08(水) 12:32:08.11

歌枠の音源でstyle-bert-vits2の学習させるとミクさんっぽい喋り方になるね
通常の喋り声と合わせるか悩むところ

ころころ (ﾜｯﾁｮｲ 2ef8-T7LG) · 2024/05/08(水) 21:21:22.60

声づくりっていつもの反AIがどうこうとか法律がどうこうとか同じ事ずっと喋ってる人がいる感じなん？
AI関連のDiscordはあの人等が常駐してるから怖くて参加でけへんねんな

警備員[Lv.20][苗] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/08(水) 21:46:02.54

捨て垢でのぞいてみればええんちゃうか

2024/05/08(水) 22:15:00.70

ハリウッドのスト騒動は、ファンレベルのAI使用についてではなく、制作サイドが契約内容としてAIに学習させることを契約に入れたことが問題なんやで
味方と思ってた側の方が問題って話、日本は遅れてるから後から気づくんだろうな

警備員[Lv.20][苗] (ﾜｯﾁｮｲ 2ef8-T7LG) · 2024/05/08(水) 22:20:18.82

>>483みたいにRVCその他ボイチェンと何の関係もなく
聞いてもいないのに突然自分の結論ありきで語りだす人間の集団やで？
興味本位で少しでも見たら頭おかしくなるで

2024/05/08(水) 22:24:17.93

ファンメイドはAIですって言ってフェイクではないことを名言しておけば、いいと思うわ
問題はビジネスとして、成り立たなくなることの方だろうし、ハリウッドを見ればこれから起こることも予測できる

警備員[Lv.20][苗] (ﾜｯﾁｮｲ 0b4a-0+0w) · 2024/05/08(水) 22:53:16.24

日本語通じん人はこのスレのほうが多そう

警備員[Lv.21][苗] (ﾜｯﾁｮｲ 2ef8-T7LG) · 2024/05/09(木) 14:02:04.00

stabilltyAIの日本公式discordサーバStable Community Japanがあるのに
一切話題にならない時点でどんなのがいるのかなんて見なくても分かるやろ
それでも見たいなら音声AIチャンネルもあるしどうぞ

2024/05/10(金) 14:39:38.53

音声界隈素人だけどLLMや画像の大規模にSelf supervised trainingしたモデルに対応するものって音声にもあるの？

2024/05/10(金) 16:57:22.59

UVR5でハモリだけ抜く方法はありますか？

2024/05/10(金) 19:08:16.54

>>489
俺ならUVRで分離したinstrumentalをspleeterに放り込む

2024/05/10(金) 20:12:00.50

>>488
HuBERT: https://arxiv.org/abs/2106.07447
ContentVec(HuBERTの話者依存なくしたやつ): https://arxiv.org/abs/2204.09224
Wav2vec: https://arxiv.org/abs/1904.05862
Wav2vec2.0: https://arxiv.org/abs/2006.11477
WavLM: https://arxiv.org/abs/2110.13900

2024/05/10(金) 20:15:16.50

colabのUVRは複雑すぎ
RVCについてるやつみたいにもうちょっとわかりやすいのはないの

2024/05/10(金) 21:30:44.19

>>490
UVR5のmdx-netのinst mainを使ってるんですが、そもそもinstにハモリが入らないんですよね他のを使えば入るんですかね・・・

2024/05/10(金) 23:37:03.21

音声の学習ってファイル数多いと逆に微妙っすねこれ……
あと音程が上がるとロボっぽくなるのは仕様でしょうか

2024/05/12(日) 11:28:05.37

Fish Speech ver1.1のガイドらしい
https://rentry.org/vedvbbng

警備員[Lv.30][苗] (ﾜｯﾁｮｲ 4bf0-739I) · 2024/05/12(日) 11:34:45.60

https://www.itmedia.co.jp/news/articles/2405/10/news126.html
陽キャSNSになぜ　なぜ

2024/05/12(日) 12:17:28.01

皆んな曲のボーカルとかBGM+喋り声から喋り声を抽出する時は、何使ってるんや？ワイはUVRのKimvocal2か5_hpkaraokeなんやがこれより精度いいやつある？

警備員[Lv.12(前23)][苗] (ﾜｯﾁｮｲ 7b31-W+jA) · 2024/05/12(日) 12:34:03.94

reactのフロントをcomfyuiみたいにしてみたいな

警備員[Lv.12(前23)][苗] (ｽｯｯﾌﾟ Sdd7-W+jA) · 2024/05/12(日) 13:45:00.58

と思ったがメリットが思いつかなかった

2024/05/12(日) 16:52:27.04

エロ声ならStyle-Bert_VITS2が一番やろか？

2024/05/12(日) 18:18:50.19

>>500
Style-Bert_VITS2ならAnneli-nsfwが簡単に試せるんで試してみたらええんちゃうかな

他でええのんあったら紹介してもろうて
Style-Bert_VITS2を気に入ったならApp.batでお好みの声を学習してもろうて

2024/05/13(月) 19:55:55.72

5100ステップしかないのかよ

2024/05/14(火) 11:13:01.37

RVCでボイチェンは動画に音声入れる程度のバレてもいい用途ならいいけど
AI音声聞きなれてる人間には一発でうわっAIじゃねぇかってバレるからまだあんま実用的じゃないのな

2024/05/14(火) 12:12:21.09

GPT-4oの合成音声すげー、もう普通に会話できるじゃん
技術進化早すぎる

2024/05/14(火) 13:04:44.06

Text to Speachじゃないからか笑い声とか無声音部分が自然よね
ピッチ変換とかも無いからケロケロしないし

2024/05/14(火) 15:13:48.22

>>503
上手な人がやると男が女声してても自然でバレにくいよ
RVCを使ってるって教えてもらった後でも、本物の女が話してるとしか思えないレベルの人がVRChatにはたまにいる

警備員[Lv.25][苗] (ﾜｯﾁｮｲ 0bb0-Hnix) · 2024/05/14(火) 15:30:23.28

綺麗に学習させたモデルで適切な声の出し方(高さは調整できるから違う)をすればRVCでも自然なTSボイスになるはず
違和感があるのはモデルの質か声の出し方が原因

2024/05/14(火) 15:41:33.51

GPT-4oはマルチモーダルで音声は音声のまま理解してるもんな、RVCとは次元の違う技術
人類マジ終わりだなって感じではあるけど
数年で99%の人間の仕事は代替出来るようになるね

2024/05/14(火) 16:48:26.44

そのGPT-4oっていうのはリアルタイムできるの？

2024/05/14(火) 17:24:11.17

BGM付き音声から声だけ抜き取りたくてMVSEP使ってみたけど
0%から動かなくて草
合計17時間あるからこれでどうにかするのは無理か…

2024/05/14(火) 18:06:29.77

既出な質問だったら申し訳ないのですが…
svc fork使っています。
例えばエポック100まで回してクオリティが微妙だなってなったときに素材を足そうと思ったら
素材を足してもう一回はじめからやったほうがいいか
足して(もしくはたさずに)継続したほうがいいかってわかりますか？
それと素材が200個程度ならエポック1200まで回したほうがいい。みたいな意見もあったんですけどみなさんはどのくらいで見切りつけてますか？

2024/05/14(火) 18:17:28.78

>>509
これとかすごいね
ttps://twitter.com/Toshio_gamgpomg/status/1790203466138460180
https://twitter.com/thejimwatkins

警備員[Lv.5][初] (ﾜｯﾁｮｲ ab4a-739I) · 2024/05/14(火) 22:29:40.30

どうせ好きな音声では学習させてくれないしNSFW特化の音声や音合成もしないだろうから
ローカルしか勝たんで

2024/05/15(水) 12:50:14.78

Vocal Remover 5_arch.ipynbの使い方がわからん

2024/05/15(水) 14:12:26.29

colabのStyle-Bert-VITS2が使えなくなった

2024/05/15(水) 14:14:46.23

gradioを4.29.0にアップグレードしなきゃ駄目っぽい？

2024/05/15(水) 16:34:48.88

https://files.catbox.moe/np6meu.jpg

2024/05/15(水) 18:35:26.56

すみませんBert-VITS2をWindows10で使おうとしているのですがInstall-Style-Bert-VITS2.batを実行後、Editor.batは実行出来るのですがApp.batを実行した際にエラーがでてしまい先にすすめません
Traceback (most recent call last):
File "E:\sbv2\Style-Bert-VITS2\app.py", line 49, in <module>
create_inference_app(model_holder=model_holder)
File "E:\sbv2\Style-Bert-VITS2\gradio_tabs\inference.py", line 441, in create_inference_app
model_name.change(
File "E:\sbv2\Style-Bert-VITS2\venv\lib\site-packages\gradio\events.py", line 295, in event_trigger
dep, dep_index = Context.root_block.set_event_trigger(
File "E:\sbv2\Style-Bert-VITS2\venv\lib\site-packages\gradio\blocks.py", line 956, in set_event_trigger
check_function_inputs_match(fn, inputs, inputs_as_dict)
File "E:\sbv2\Style-Bert-VITS2\venv\lib\site-packages\gradio\utils.py", line 898, in check_function_inputs_match
parameter_types = get_type_hints(fn)

2024/05/15(水) 18:35:41.59

File "E:\sbv2\Style-Bert-VITS2\venv\lib\site-packages\gradio\utils.py", line 837, in get_type_hints
return typing.get_type_hints(fn)
File "typing.py", line 1871, in get_type_hints
File "typing.py", line 327, in _eval_type
File "typing.py", line 694, in _evaluate
File "<string>", line 1, in <module>
NameError: name 'gr' is not defined
IMPORTANT: You are using gradio version 4.23.0, however version 4.29.0 is available, please upgrade.

何が悪いのか解る方いましたらご教示ください

2024/05/15(水) 18:39:00.39

重要: gradio バージョン 4.23.0 を使用していますが、バージョン 4.29.0 も利用可能です。アップグレードしてください。

ころころ (ﾜｯﾁｮｲ ab4a-739I) · 2024/05/15(水) 19:24:46.22

gradioバグっとるっぽいのでバージョン制約とっぱらった、直るかどうかチェックはしとらんが試してれ

2024/05/15(水) 19:51:16.17

出来ない…

**518** (ﾜｯﾁｮｲ 4fa6-739I) · 2024/05/15(水) 19:53:34.24

対応ありがとうございます再度インストールし直してApp.bat再実行しました
>>IMPORTANT: You are using gradio version 4.23.0, however version 4.29.0 is available, please upgrade.
の部分は消えましたがその手前のエラーログは変わらずでした

あと先ほどのログの内、数行抜けてれて無かったので追記します
05-15 19:48:58 | DEBUG | __init__.py:92 | try starting pyopenjtalk worker server
05-15 19:48:59 | DEBUG | __init__.py:130 | pyopenjtalk worker server started
05-15 19:49:04 |WARNING | tts_model.py:397 | No model files found in model_assets\.huggingface, so skip it
Traceback (most recent call last):
～～中略～～
NameError: name 'gr' is not defined

警備員[Lv.6][初] (ﾜｯﾁｮｲ ab4a-739I) · 2024/05/15(水) 19:58:59.97

gradioがそもそもインストールされてないっぽいから、App.bat再起動じゃなくて、もう一度最初からインストールしなおしてみてくれ

2024/05/15(水) 20:42:41.49

すまんやっぱバグだったっぽいので今さっき直した、colabも行けるはず

2024/05/15(水) 20:48:02.83

できた、ありがとー

**518** (ﾜｯﾁｮｲ 4fa6-739I) · 2024/05/15(水) 21:10:50.25

おお修正ありがとうございます
こちらも無事App.batから表示されるようになりました

2024/05/16(木) 10:55:33.87

すいません、生成しようとすると
TypeError: Type is not JSON serializable: PosixPath
とエラーが出ます

2024/05/16(木) 13:49:04.34

>>525
ありがとう
動いた

2024/05/16(木) 15:09:01.88

>>528
colabでモデルを選択すると出てくる

2024/05/16(木) 20:14:27.61

>>523
俺のgradio使った自作アプリも今日動かしたら突然同じようなエラー吐いて動かくなったんだけど
gradioが更新か何かして対応が必要になったの？？1行もコード変えてないのに意味分かんない

2024/05/16(木) 21:01:52.60

スマン別のバグだった、gradioがimportantとか警告して来るから惑わされたわ。

2024/05/16(木) 21:20:54.81

まだ治りません

警備員[Lv.8][初] (ﾜｯﾁｮｲ ab4a-739I) · 2024/05/16(木) 22:11:01.25

どこのセルで何をやったときにどういうエラーが出てるかくらい教えてくれ

2024/05/17(金) 07:06:14.45

!python app.py --shareでモデルを選択するか更新ボタンを押すと
ERROR: Exception in ASGI application
Traceback (most recent call last):
File "/usr/local/lib/python3.10/dist-packages/uvicorn/protocols/http/httptools_impl.py", line 411, in run_asgi
result = await app( # type: ignore[func-returns-value]
File "/usr/local/lib/python3.10/dist-packages/uvicorn/middleware/proxy_headers.py", line 69, in __call__
return await self.app(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/fastapi/applications.py", line 1054, in __call__
await super().__call__(scope, receive, send)

2024/05/17(金) 07:06:28.48

File "/usr/local/lib/python3.10/dist-packages/starlette/applications.py", line 123, in __call__
await self.middleware_stack(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/middleware/errors.py", line 186, in __call__
raise exc
File "/usr/local/lib/python3.10/dist-packages/starlette/middleware/errors.py", line 164, in __call__
await self.app(scope, receive, _send)
File "/usr/local/lib/python3.10/dist-packages/gradio/route_utils.py", line 707, in __call__
await self.app(scope, receive, send)

2024/05/17(金) 07:06:42.74

File "/usr/local/lib/python3.10/dist-packages/starlette/middleware/exceptions.py", line 65, in __call__
await wrap_app_handling_exceptions(self.app, conn)(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/_exception_handler.py", line 64, in wrapped_app
raise exc
File "/usr/local/lib/python3.10/dist-packages/starlette/_exception_handler.py", line 53, in wrapped_app
await app(scope, receive, sender)
File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 756, in __call__

2024/05/17(金) 07:08:34.94

File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 756, in __call__
await self.middleware_stack(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 776, in app
await route.handle(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 297, in handle
await self.app(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 77, in app
await wrap_app_handling_exceptions(app, request)(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/_exception_handler.py", line 64, in wrapped_app
raise exc
File "/usr/local/lib/python3.10/dist-packages/starlette/_exception_handler.py", line 53, in wrapped_app
await app(scope, receive, sender)

2024/05/17(金) 07:09:50.25

File "/usr/local/lib/python3.10/dist-packages/starlette/routing.py", line 75, in app
await response(scope, receive, send)
File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 258, in __call__
async with anyio.create_task_group() as task_group:
File "/usr/local/lib/python3.10/dist-packages/anyio/_backends/_asyncio.py", line 597, in __aexit__
raise exceptions[0]
File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 261, in wrap
await func()
File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 250, in stream_response
async for chunk in self.body_iterator:
File "/usr/local/lib/python3.10/dist-packages/gradio/routes.py", line 953, in sse_stream
raise e

2024/05/17(金) 07:09:57.52

File "/usr/local/lib/python3.10/dist-packages/gradio/routes.py", line 917, in sse_stream
response = process_msg(message)
File "/usr/local/lib/python3.10/dist-packages/gradio/routes.py", line 865, in process_msg
return f"data: {orjson.dumps(message.model_dump()).decode('utf-8')}\n\n"
TypeError: Type is not JSON serializable: PosixPath
というエラーが出る

2024/05/17(金) 16:21:40.20

リネームされてダウンロードURLが変わってないかチェック

2024/05/17(金) 17:12:12.67

Running on local URL: 127.0.0.1:7860
Running on public URL: 0457619c411acdb9fc.gradio.live

2024/05/17(金) 21:54:01.26

原因がわからない

警備員[Lv.28][苗] (ﾜｯﾁｮｲ 0b09-Hnix) · 2024/05/18(土) 00:39:25.07

他の人が同じ不具合の報告をしてない＝おま環または自分の行動が原因

2024/05/18(土) 01:08:03.23

>>543
自分はローカル勢なんで参考になるか分からないけど同じエラーが出たから一応報告しとくね
起動するときにいつからかgradioを4.29.0にアップグレードしてね、みたいな催促が出るようになったから更新してみたけどそしたら同じエラーが出てモデルチェンジとか出来なくなった
4.23.0に戻したら動くようになったけど相変わらずアップグレードの記述は出る

2024/05/18(土) 07:04:19.86

>>545
出来ました、ありがとうございます

2024/05/18(土) 08:31:05.82

gradioをアップデートしてもエラー出さないように出来ますか

警備員[Lv.9][芽初] (ﾜｯﾁｮｲ ab4a-739I) · 2024/05/18(土) 19:13:57.50

https://huggingface.co/spaces/litagin/make_everything_chupa
全ての音をチュパ音に変換するやつ公開した
まだ精度とかアレやし、学習コードとかもいろいろ整備してからちゃんと公開するわ

警備員[Lv.29][芽] (ﾜｯﾁｮｲ 3e09-lB5S) · 2024/05/19(日) 00:38:11.22

>>548
今はまだ何言ってるかは分からなくなっちゃうけど雰囲気は完璧
精度上がったらヤバいなこれ

警備員[Lv.10][初] (ﾜｯﾁｮｲ 334a-ZWkU) · 2024/05/19(日) 18:33:44.96

上で出とるgradioのPath serialize errorのやつ、こっちでも普通に出たんで修正した
最近あんま確認やバグ修正する時間が無くてすまんな

2024/05/19(日) 18:51:50.04

>>550
gradioを更新してもerrorなく推論出来ました
いつもありがとうございます

2024/05/19(日) 19:24:23.79

>>550
ありがとうございます！

2024/05/19(日) 22:21:14.72

>>548
面白い

警備員[Lv.13] (ﾜｯﾁｮｲ b30f-zGH+) · 2024/05/20(月) 00:27:39.27

>>548
すげえや、これで勝つる！

2024/05/20(月) 01:29:51.38

>>548
使ったらエラーばっかりでちゃう
なんでだろ

2024/05/20(月) 19:34:34.44

初歩的な質問で申し訳ないのですが
皆さんが書いている「ステップ数」というのは、どうやって計算するのでしょうか？
ファイル数*エポック数とは違いますよね

2024/05/21(火) 02:25:12.18

Style-Bert-VITS2を久しぶりに使ったらエラー出ました

Running app.py...
Traceback (most recent call last):
File "C:\Users\User\Downloads\sbv2\sbv2\Style-Bert-VITS2\app.py", line 4, in <module>
import gradio as gr
ModuleNotFoundError: No module named 'gradio'
Press any key to continue . . .

前は動いてたのに何ででしょう

2024/05/21(火) 02:25:30.06

>>557の続きですが

pip install gradioでgradioを入れてみましたが
何も変わらないです

2024/05/21(火) 15:47:42.94

>>550
スタイル生成の「代表音声の取得」でも同様のエラーが出たんで修正お願いします

2024/05/21(火) 16:11:00.71

>>556
そのステップ数はどのステップ数のことでしょうか？

2024/05/21(火) 17:18:37.32

言葉足らずですみません。
>>404-408や>>431に出ている「ステップ」になります。
RVCでいうどこでその数値を出しているのかわからずでして。

2024/05/22(水) 21:41:26.00

音声ファイル数×エポック数=ステップ数でいいんじゃないか?
あらためて聞かれるとなんかわからんくなるけど
WebUIの「Tensorboardを起動」みたいなボタンあったと思うからそれで学習のログをグラフで見るのが一番わかりやすいと思う

2024/05/22(水) 21:51:43.13

バッチサイズによってステップ数は変わるで
1エポック（音声ファイル全て一周）の学習が、音声ファイル数 / バッチサイズだけのステップ数がかかる

2024/05/22(水) 21:53:12.10

なんや規制かかっとって書き込めんかったけど解除されとったんか
上のチュパ音の生成アプリをアップデート、音声ファイルいれなくても自動でチュパ音を作れるようにしたで
ttps://huggingface.co/spaces/litagin/chupa_generator
間に言語モデル挟んでるからちょっと遅いけどな

2024/05/24(金) 08:05:15.74

どんなレベルで音声ファイルが必要なの？
例えば、ラジオちょうど1時間のファイル一つじゃ足りない？

2024/05/24(金) 13:53:09.03

長さは20～30分あれば足りる
それよりBGMやノイズ入ってないとか全体的な音質とか他の人の声混ざってないかとかのが重要

2024/05/24(金) 16:52:50.26

やっぱ中国語なまりがStyle-Bert-VITS2の日本語版でもきついな
誰かレベルの高いモデル作るのに成功した人いないのかな

警備員[Lv.16] (ﾜｯﾁｮｲ 334a-ZWkU) · 2024/05/24(金) 18:48:03.09

みんな中国語なまり言うけど別に中国語は関係ないで
ただアクセントやイントネーションの高さがどうしてもズレるだけや
正確なアクセントを重視して棒読みになるか、アクセント制御を多少犠牲にして感情豊かにするか、のトレードオフなんやと思う

2024/05/24(金) 19:12:48.70

和製TTSでも訛りは出るけど、「これ中国製なんですよ」って言われたら中国訛りに聞こえるもんだ
人間の聴覚ってその辺は相当にいい加減なもんよ

2024/05/24(金) 19:15:23.80

あーなるほどね
中国製だからって先入観で判断してるところもあるわな

2024/05/24(金) 20:05:46.20

ある声優の声を学習させて喋らせたらイントネーションが神楽になったんだよな（学習データには成分なし）
おもわず「アル」つけたよ

警備員[Lv.3][芽] (ﾜｯﾁｮｲ 3e55-4PJT) · 2024/05/25(土) 00:20:56.78

銀魂の神楽は明らかに日本人が考えたカタコトなので中国訛りではないような…
ただそのデータ羨ましいわ
>>420といい可能性が無限にあるな

2024/05/25(土) 00:28:45.66

>>571
神楽って銀魂の？
あれが中国のアクセントとはならんやろｗ

2024/05/25(土) 03:40:41.69

>>568
ずっと思ってたこと言ってくれた
なんだろ…みんな期待値が高すぎるのかな
文章から感情表現が出てくるだけでめちゃくちゃ難しい話なのに、微調整無しで完璧なアクセントで出るわけないだろう

2024/05/25(土) 06:51:54.76

そりゃ自然会話を求めてる人と、聞き取れればいい人では求めてる世界が違うわな

2024/05/25(土) 07:10:52.00

vtuberの棒読み配信みたいのはある程度再現できる
本職声優の感情乗せた演技はまだまだ無理ゲー
声優って思ったより凄かったんやなってなってるわ…

2024/05/25(土) 07:42:58.21

出力がどうしても気に入らなかったらボーカル補正ソフトで手動補正したってええんやで
さらに円安が進んで買い辛くなるかもしれないだろぉ・・・たまにセールもやってるからさぁ・・・（沼に引きずり込もうとする手）

警備員[Lv.6][芽] (ﾜｯﾁｮｲ 3e55-4PJT) · 2024/05/25(土) 10:06:27.68

https://www.izotope.jp/jp/news/2024-sos-neutron-free/
izotopeとwaveの一式買ったけど
素人にはなにやっても全部同じに聞こえてゲシュタルト崩壊するかもやで
買うならまず明らかに変わるリバーブからがお勧めや

今ならNeutron Elements(v4)が無料配布中やからとりあえず触ってみるのがええで
ボーカル補正なら本来はRX11を使うべきやろうけど

2024/05/25(土) 10:33:46.86

>>578
届いたメールにライセンスナンバーが載ってない

2024/05/26(日) 09:29:27.76

>>579
メールのリンクから買えるだよ

2024/05/26(日) 22:21:52.01

AI技術で生成した音声データを使ってアイドルマスターの水瀬伊織に粛聖!! ロリ神レクイエム☆を歌わせてみた。
ttps://youtu.be/IatLBMJ7Fw4

2024/05/26(日) 22:40:31.83

全然似てない

2024/05/27(月) 11:08:11.67

AIで歌わせてみたとか言ってる動画の殆どはオリジナルの歌をボイチェン変換してるだけだからしょうもないんだよな
リスナーにAI音声の知識がないのに付け込んだ詐欺に近い
今の音声合成AIは楽譜と歌詞から歌うような能力はないけどどリスナーの殆どはAIがゼロから歌ってると騙されてる

2024/05/27(月) 11:41:27.20

UTAUを進化させた感じのやつはないのかな

2024/05/27(月) 18:23:41.76

そこら辺のはNEUTRINOから進化してないイメージ

2024/05/27(月) 18:34:42.16

spaceにStyle-Bert-VITS2の古いバージョンをアップしてもビルドで失敗するようになった。なんでなん？
新しいのは音声合成以外の不要なものが付いてるので、古いものを上げたいのですが

2024/05/28(火) 17:04:30.09

あああああああああああああああああああああ前のイベントのボックスガチャ100回分引くの忘れたあああああああああああああああああああああ!

オワッタ…オワッタ…orz

2024/05/28(火) 17:05:28.05

スレチだったすまん

2024/05/28(火) 19:02:08.99

rvcでボイスモデルを作る時に、学習素材の音量は大きい方がいいとかありますか？また音量が小さいのと大きいのでが混ざっても問題無いですか？

警備員[Lv.16] (ﾜｯﾁｮｲ a14a-O2Se) · 2024/05/29(水) 05:12:42.92

>>586
一応colabやローカルでの学習まではチェックしとるけど、さすがにspacesやしかも古いバージョンでの動作はチェックしとらんしする気もない
自分でエラーをChatGPTで調べてソースコードを見てやってくれ

警備員[Lv.17] (ﾜｯﾁｮｲ a14a-O2Se) · 2024/05/29(水) 06:55:49.65

歌声なら学習はできんけどいますごいはSynthesizer Vなんやないの、知らんけど

2024/05/29(水) 08:39:00.04

moe-speechの再申請ってできませんか

警備員[Lv.18] (ﾜｯﾁｮｲ a14a-O2Se) · 2024/05/29(水) 08:53:01.10

>>592
別垢作ってそこから申請

2024/05/29(水) 19:20:25.71

>>589
ノーマライズして揃えろ
てかRVCの準備作業で勝手に揃えてくれた気がするが
あと今RVCやるならApplioでやんなよ
本家より進化してるし

2024/05/30(木) 03:40:52.47

Style-Bert-VITS2にてスタイル分け2: DBSCANを実行すると以前は出来ていたのですが
Error Type is not JSON serializable: numpy.int64と出てしまい利用できません
おま環だったら

2024/05/30(木) 03:41:45.11

>>595
おま環だったらすみません

警備員[Lv.18] (ﾜｯﾁｮｲ a14a-O2Se) · 2024/05/30(木) 19:05:04.14

>>595
再現したので次verで修正する

2024/05/30(木) 19:43:27.73

>>597
ありがとうございます

2024/05/31(金) 07:17:37.80

今更AI声生成に興味を持ってRVCを始めたのですが、このスレを見つけ開いた最初に
「もはやRVC部は限界集落だが保守しておく」というレスがあり、
もしかしてRVCはAI声生成の最新システムではないの？！と驚いております
最新トレンドAI声生成システムはRVCでは無く他にあるのでしょうか？

2024/05/31(金) 07:20:27.57

>>599
読み上げソフトのBert-VITS2ってのが主流だ

2024/05/31(金) 07:27:27.25

>>600
ありがとうございます！
それもダウンロードしてみます！

2024/05/31(金) 07:28:49.73

読み上げじゃ微妙な間やニュアンスが再現できないからRVCでなんとか頑張ってるのもここにいるよ

2024/05/31(金) 07:29:36.52

AI界隈は進歩が速いから、当初の枠組みと実態との乖離はあらゆる場面で起こりそうね

2024/05/31(金) 07:31:43.94

というかRVCとbertvitsじゃ目的が全く違うでしょ

2024/05/31(金) 07:45:44.93

不良男性モデルちょっと欲しかったんだけどもう配布してない感じかな

2024/05/31(金) 15:10:25.38

RVCの曲分離
ボーカルは問題ないけど音楽の方にプチプチノイズ入るのどうにかなりませんか？

2024/05/31(金) 15:25:42.34

>>606
Audacityでノーマライズ

2024/05/31(金) 16:45:03.82

素直にUVRで分離しろ

警備員[Lv.19] (ﾜｯﾁｮｲ a14a-O2Se) · 2024/05/31(金) 18:31:02.35

ほしいモデルがあったら自分でつくることやな

2024/06/01(土) 02:44:32.39

rvc のような音声を直接変換するようなやつって他にないの？
これだとかなり負荷率が高いのだが

2024/06/01(土) 09:30:06.79

グラボの性能を上げろ

2024/06/01(土) 09:50:37.22

ここはオタクばかりだから『好きな声になりたい』より『好きな声に喋らせたい』のほうが優勢なんだよな
ボイチェンはそれなりにトーク出来る人間じゃないと使いこなせないし