ふたばフォレスト

大人気？

irodoriちゃんのLoRAがどんなことができて何を学習させるのかがさっぱりわからないのだ
誰か教えて…

同時期にGemma4公開されて良かった
気兼ねなくドエロイセリフ頼める…

LoRAを使えば同じ声でずっと生成できてるってこと？
サイト見ても何もわからんかったけど

>LoRAを使えば同じ声でずっと生成できてるってこと？
自分はloraのやり方わからなかったから追加学習したけど基本的にはその通りだよ
ただ素材によって表現の幅は狭まると思う

>>LoRAを使えば同じ声でずっと生成できてるってこと？
>自分はloraのやり方わからなかったから追加学習したけど基本的にはその通りだよ
>ただ素材によって表現の幅は狭まると思う
自分はlora使用も追加学習のやり方も知らないけど追加学習はどうやるの？

効果音とかと組み合わせて遊ぶとさらにいっぱい出る

LoRAというか学習はできるようになったが素材のノイズ多めで微妙な結果になって素材集めからやり直しだ

LoRA？ページ見ても検索しても何もわからん

これもすぐ規制入っちゃったりするのかな？

Lora作るのはsbv2みたいな感じで学習させればいいよね
参照音声だけと違って再現度とか柔軟性がいい感じになるって事でいいと思うんだけど

aiに聞いてみようね

>Lora作るのはsbv2みたいな感じで学習させればいいよね
>参照音声だけと違って再現度とか柔軟性がいい感じになるって事でいいと思うんだけど
何で学習したらいいの？Irodori-TTS-500M-v2-VoiceDesignのwebuiを使って学習ができるってこと？

>自分はlora使用も追加学習のやり方も知らないけど追加学習はどうやるの？
Irodori-TTSのGitHubにやり方が書いてあるよ
もちろん英語で意味不明だったからGeminiに聞いてやったよ！
気を付けるのはIrodori-TTS-500M-v2のmodel.safetensoresに追加学習しないとそのページのやり方だと1から学習になってしまう

同じ声がいいって程度ならスレ画の中にある
リファレンス使えばいいだけなのでは

サンプル音声を15秒しか読み込まない場合もあれば2分とか読み込んでくれる場合もあるけど
これは完全ランダム？

演技指導難しいな
ってか生成物貼ったらダメな感じ？中の人とか公式絵までセットにするのはアウトなのは分かるけど

AIに聞いても何もわからんな

としあきdiffusionに記事書いてくれるとありがたい

Irodoriが消えることは流石にないんじゃない？
Takane、Mireiみたいな話者ID付けて学習されたモデルは結構グレーゾーンギリギリだけどIrodoriはただの事前学習しかしてなくて普通の生成ならランダムな声しか出ないし
誰かに声似せるにはクローンか学習が必要だけどこれは利用者側の責任だからね
機能的にはQwenとかFishaudioとかの色々な会社が公開してるTTSモデルと全く一緒だし

フォーク版の話？本家版でできるの？

再現度高いTTSモデルなんていっぱいあるしな
日本語の表現力がいいから話題になってるだけで

AI音声って完全に声優の声を盗むのに一点集中してるから
これ使うって事は言い訳無用の盗人クズになっちゃうよな

ローカル環境構築して念のためモデルもコピーしとけば
少なくとも現状の維持は出来る
モデルは都度DLしてるって聞いてから注視してたら
確かに１〜２日開けると最初に２GのモデルDLしなおしてから起動してた
でもこの部分ウチはそんなのないよって言ってるとしあきもいてよくわからぬ

>演技指導難しいな
>ってか生成物貼ったらダメな感じ？中の人とか公式絵までセットにするのはアウトなのは分かるけど
貼りだすととしあき自身は空気が読めても
貼っていいんだね！じゃあ俺も！って奴がどんどんライン越えだす可能性があるので
まあ…やめとくか…って空気になる事が多い

結局みんなが欲しいのは人気声優の音声にエロボイス言わせることでしょ？

素材集めるの面倒…
画像生成も同じくLora学習の素材集めが一番ハードル高かった

好きなキャラの声の良い感じのサンプル用意するのがまず骨が折れる
後ろの音や音楽のない声のみのサンプルを

train_500m_v2_lora.yamlのバッチサイズだけ弄って学習開始したらデフォルト50000Stepなんだけど
そん
なに

ちょっと調べたけどLoRA学習の項目は何をどうする話なのかさっぱりわからなかった
そもそも素材をどういう形式（wavで良いの？）でどこに配置するのかすらわからなかった

そもそもこれのLoRAがどういうものなのかすらわからないんだけど

>結局みんなが欲しいのは人気声優の音声にエロボイス言わせることでしょ？
ボイスデザインでクローン音声じゃない音声素材作ればオリジナルボイスで出来るからオリキャラエロボイスとかで遊んでるよ

起動時にモデル探して見つからなったらデフォルトでAratako￥irodori-tts-v2.safetensors
の文字列画面にセットするようになってるんだよパス書き換えずに生成するとこのパス見に行ってなければwebに取りに行くの
初期値がmodels￥irodori-tts-v2.safetensorsとかになるよう配置してる人はDLし直さないよ

>好きなキャラの声の良い感じのサンプル用意するのがまず骨が折れる
>後ろの音や音楽のない声のみのサンプルを
UVRってソフト使えばBGMと音声を分離してくれるけど
SEは声と判定される場合が多いしBGMもモノによってはうっすら残るから
結局分離したやつの中から使えそうなのを再度選別するのが面倒だった…

Loraは違法って聞いたから躊躇してる

音声参照とloraがごっちゃになってるとしあきが複数いるだろこのスレ

>起動時にモデル探して見つからなったらデフォルトでAratako￥irodori-tts-v2.safetensors
>の文字列画面にセットするようになってるんだよパス書き換えずに生成するとこのパス見に行ってなければwebに取りに行くの
>初期値がmodels￥irodori-tts-v2.safetensorsとかになるよう配置してる人はDLし直さないよ
なるほど

>train_500m_v2_lora.yamlのバッチサイズだけ弄って学習開始したらデフォルト50000Stepなんだけど
それ大規模Finetune用だからキャラ単体Loraでサンプル数100以下ならbatch4、gradient4の500〜1000ステップも回せば十分だよ

ソシャゲのキャラボイスをBGMとSEミュートで録音するのが一番楽で質が高かった…

確かな個性がありつつ実在人物を想起できない声を作るんじゃい
俺がいま有名声優のエロボイスを作ってるのはその過程なんじゃい……ふう

ん？LoRAってフォーク版の話なの？まずそっからしてとしあきたちが何言ってんのかわからん

>それ大規模Finetune用だからキャラ単体Loraでサンプル数100以下ならbatch4、gradient4の500〜1000ステップも回せば十分だよ
そいつは朗報
危うく24時間グラボぶん回す所だったぜ

日常音声と好きなチュパ音と喘ぎを違う人で混ぜて学習させればそれはもうオリジナル声なのではないか…？

Irodori-ttsはワンショットリファレンス音源とLoRaの両対応してるよバニラのGUIの画面で30秒以内の音声を配置するのがワンショット生成

こういう時にコレができるぞでどんどん技術的に掘っていくとしあきは尊敬する
俺は参照音声でそれなりに似てる音声出して満足しちゃっている

元のgithubにloraトレーニングも書いてるでしょ

AIに聞くのが頼りになるぜ！と思ってたけど
連日同じ会話窓で続けてるとだんだん言う事がおかしくなっていくのは
いつものAIだな…ってなった

公式の学習用lora.yamlはbatch_size: 80とかなっててそんなにってなるなった

誰か特定の声優再現したいって気は無いから適当にランダムで出した声で気に入ったのを参照させて昔のエロゲの台詞を喋らて遊ぶ

VoiceDesignで元となる声質の素材作って参照音声の方で素材増やしてLora作ればオリジナルボイスLoraが出来るぞ

>元のgithubにloraトレーニングも書いてるでしょ
四でもマジで何もわからん
何を学習してるのかレベルで
音源どこに置くの…

細かい事はチャッピー5.4に聞いて全部何とかなった

>>元のgithubにloraトレーニングも書いてるでしょ
>四でもマジで何もわからん
>何を学習してるのかレベルで
>音源どこに置くの…
GitHubのURL貼ってAIにどうすりゃ良いか聞くだけだ
Webページ直接読みに行くようなAIじゃないとダメだぞだいたい対応してるけど

>AIに聞くのが頼りになるぜ！と思ってたけど
>連日同じ会話窓で続けてるとだんだん言う事がおかしくなっていくのは
>いつものAIだな…ってなった
長くなったらダメだよ絶対アホになる仕組みだから
良い感じに煮詰まったらMDファイルにまとめて貰って続きは別のチャットにするのが良い

seed確認するのってコマンドプロンプトのログ見るしかないんかな
webui設定で出力名に反映できればいいが

>連日同じ会話窓で続けてるとだんだん言う事がおかしくなっていくのは
>いつものAIだな…ってなった
ハルシネーションってやつなんかな
なんかポンコツになるよね

エラーとの戦ってたがやっと学習始めてくれた一旦寝る

>なんかポンコツになるよね
同じチャットの以前のプロンプトに引っ張られる
だから新しいのにすれば直る

>起動時にモデル探して見つからなったらデフォルトでAratako￥irodori-tts-v2.safetensors
>の文字列画面にセットするようになってるんだよパス書き換えずに生成するとこのパス見に行ってなければwebに取りに行くの
>初期値がmodels￥irodori-tts-v2.safetensorsとかになるよう配置してる人はDLし直さないよ
自分はオフラインにしたいなと思って一度デフォルトでモデルDLしてからmodels￥irodori-tts-v2.safetensorsにしたらモデル読み込まなくなってバッチファイルの方でネットに通信しないようにしてもらったけどそれじゃ不完全なのかな？

Loraダウンロードできるとこある？

いやぁ…ある意味技術職の単価が最初に下がることになるとは思わなかった

>自分はオフラインにしたいなと思って一度デフォルトでモデルDLしてからmodels￥irodori-tts-v2.safetensorsにしたらモデル読み込まなくなってバッチファイルの方でネットに通信しないようにしてもらったけどそれじゃ不完全なのかな？
バッチで通信閉じる必要はないと思う通信するのはmodels￥irodori-tts-v2で拡張子無し記述だとHFのリポジトリ見に行って無いよってエラーになるパターンかなぁ

AIとの会話って1ターンずつやってるように見えてAI側には1回1回全部の会話投げられてるから段々アホになるよ

何年前かな
最初期のAI音声のサンプルをどっかで聞いたが
泣き笑いしているようなホラーだった
日進月歩だよねえ

このLoRA学習ってのは元の音声沢山ぶち込んだフォルダを見て学習するわけではないの？

>このLoRA学習ってのは元の音声沢山ぶち込んだフォルダを見て学習するわけではないの？
LoRa学習はその通りだよ

--dataset myorg/my_dataset ￥
に何を置けば良いのか解説してくれ

>通信するのはmodels￥irodori-tts-v2で拡張子無し記述だとHFのリポジトリ見に行って無いよってエラーになるパターンかなぁ
Geminiに聞いても正にその回答が何度も続いたよ。
ていうかGeminiの履歴見てみたらまじで教えてくれた通りだったかも。
Checkpoint 欄にIrodori-TTS￥LocalModels￥v2-normalと入れて Load Model を押してください。
確かに拡張子無しで説明してやがった。
何回も悪戦苦闘しながら解決方法出力させては改善せずで諦めてバッチファイルで妥協してたけどこれIrodori-TTS￥LocalModels￥v2-normal￥irodori-tts-v2.safetensorsみたいにしとけば読み込めたのかな

>--dataset myorg/my_dataset ￥
>に何を置けば良いのか解説してくれ
音源とメタデータ

>>--dataset myorg/my_dataset ￥
>>に何を置けば良いのか解説してくれ
>音源とメタデータ
メタデータとは？

>何回も悪戦苦闘しながら解決方法出力させては改善せずで諦めてバッチファイルで妥協してたけどこれIrodori-TTS￥LocalModels￥v2-normal￥irodori-tts-v2.safetensorsみたいにしとけば読み込めたのかな
そうそう、拡張子なしだとHFのリポジトリ、拡張子付きだとローカルのパス参照として動作するの

低音ボイス出せる絵文字がほしいな

普通に喋ってるだけのサンプルでは喘ぎ声やオホ声は難しいか…

>メタデータとは？
AIに聞いた方が早いよ

>train_500m_v2_lora.yamlのバッチサイズだけ弄って学習開始したらデフォルト50000Stepなんだけど
バッチ設定とかにもよるが
実際は5000ステップもあれば十分似てくる

絵文字調教の一覧には無いけど「♥」が普通に効いてるっぽい？

>普通に喋ってるだけのサンプルでは喘ぎ声やオホ声は難しいか…
絵文字使えばそれっぽくなるよ

>普通に喋ってるだけのサンプルでは喘ぎ声やオホ声は難しいか…
喘ぎ超え普通に出るよ文体で出る

>そうそう、拡張子なしだとHFのリポジトリ、拡張子付きだとローカルのパス参照として動作するの
今modelsフォルダ作ってそこにmodel.safetensors置いてチェックポイントの欄に
Irodori-TTS￥models￥model.safetensorsと入力してロードしてみたら成功した…。
バッチファイルでオフライン化出来てるみたいだから大きな編集はもうしたくないけどモデルロードのパスがローカルになっていれば変にpyファイル弄らなくても公式がtakaneみたいに潰れてもローカル化にはなってる…ということでいいのかな

エロゲとかの喘ぎ声の文体探してきてそれ使うのがいいよ

>絵文字調教の一覧には無いけど「♥」が普通に効いてるっぽい？
ノイズになってるから変化がたまたま効いたような感じになってるだけじゃない

画像生成AIのLoRAだと欠けてる特徴は別の素材入れたら補間できるんだけど多分これでもできるんじゃない？
A音声の普通の演技とB音声のおほ声と普通の演技同時に学習させたらA音声のおほ声が出ると思うんだよ

10分いくかいかないかくらいの学習データでも再現度相当だな
ただ劇的ってほどじゃないから余程特徴的な声出したいとかじゃなければ
ワンショットリファレンスで十分ともいえる

VITSとかからずっとこういうの作ってるからLoRA作るよりモデル丸ごと学習して話者切り替えのほうがしっくり来る

LoRAの作り方教えてください

自分はデフォの４０ステップでボイス生成してるけどみんな何ステップで生成してるの？
リファレンス元の質に寄るとこ大きいかもだけど何ステップくらいから妥協というか体感それっぽくなってますかね？
あとこのIrodoriって生成される音声時間も指定できたりしないの？

長文か連続生成はむりなんか？
20秒くらいしかまともに従ってくれない

としあきはNum stepsやCFG scale speakerとか弄ってる？

長文は無理だね
変な部分繰り返したり飛ばしたりしちゃう

>としあきはNum stepsやCFG scale speakerとか弄ってる？
どっかで10ステップでもそれっぽくなるって見たよ
そう思わなかったけど

>としあきはNum stepsやCFG scale speakerとか弄ってる？
追加学習前提だけどあんまり
こういうの得てしてこの数値で調整するって時点でデータに問題があると判断する

リファレンス生成に感情をいじれるプロンプト欲しい
顔文字を囲えるエスケープ文字でもいい

長文安定させるのはTextのCFGscaleでなんとかするんだろうけどたぶん何かが犠牲になる

同じ人でも清楚系と幼馴染で分けてlora作ったほうがいいの？

>同じ人でも清楚系と幼馴染で分けてlora作ったほうがいいの？
出力するときもそれで分けたいならそうだろうね
キャラや演じた時期で結構声変わるし学習は沼

>同じ人でも清楚系と幼馴染で分けてlora作ったほうがいいの？
理屈の上ではそう
でも素材が少ないとかだと別キャラクターとして一緒に学習させたら補間してくれるかも

モデルってLoadmodelっていうの押せばいいんかね？
デフォルトのやつ
それとも他におすすめで使ってるモデルとかあったりする？

どうしたとしあきぜんぜん成果物が上がってないじゃないか
もっと上げてくれていいんだぞ

>どうしたとしあきぜんぜん成果物が上がってないじゃないか
>もっと上げてくれていいんだぞ
インストールしようとしたらパソコン動かなくなった

>どうしたとしあきぜんぜん成果物が上がってないじゃないか
>もっと上げてくれていいんだぞ
自分の成果物もそうだけどLoRaとか学習データの話出てて
キャラ再現が主だろうし迂闊にあげられない代物ばかりなんだろうね

>>どうしたとしあきぜんぜん成果物が上がってないじゃないか
>>もっと上げてくれていいんだぞ
>自分の成果物もそうだけどLoRaとか学習データの話出てて
>キャラ再現が主だろうし迂闊にあげられない代物ばかりなんだろうね
他人の絵は平気でコラするのに声には慎重なのも不思議な話だ

高嶺の悲劇を繰り返すわけにはいかないのだ

これに関しては他人の成果物待つより自分でやったほうが圧倒的に早いぞ

ボイスデザインを試してみようとしたらCPUしか選べないんだが…

>どうしたとしあきぜんぜん成果物が上がってないじゃないか
>もっと上げてくれていいんだぞ
自分のために作ってるものを他の人に見せるなんてそんな

画像でもゲームやアニメの絵柄には似せてもいいけど
個人の絵柄に似せすぎるとお出ししにくいみたいな…

>高嶺の悲劇を繰り返すわけにはいかないのだ
こっちはローカルやんけー

takane並のクオリティでる？

CLIとWEBUIとPythonスクリプトどれで使ってる？

>どうしたとしあきぜんぜん成果物が上がってないじゃないか
>もっと上げてくれていいんだぞ
いきなり言われても需要がわからんので短めの文字コラ画像貼ってくれ
読むようにするから

>takane並のクオリティでる？
出る出る

>>takane並のクオリティでる？
>出る出る
今晩入れます！

>こっちはローカルやんけー
成果物上げるのに慎重になってるって事だよ

迂闊に上げて「このとしあきあの声優好きなんだ・・・」って噂されたら恥ずかしいし

ローカルで動かせるとはいえGithubが突然消えたしたら困るからね
フォーク版があるにはあるが

うるさいですね

前にいもげに貼ったウマシコがxに転載されて炎上とかmayのたんプリスレに貼られたAIコラがxに転載されて騒ぎとかあったからね

完成した音声をダウンロードしようと思ったら
間違えて参照音声をダウンロードしてしまうのが俺です

>完成した音声をダウンロードしようと思ったら
>間違えて参照音声をダウンロードしてしまうのが俺です
自動で保存されてない？

ひろし声蘇生は合法？

他人の成果物を乞食するならまず自分が上げろって話だし

>長くなったらダメだよ絶対アホになる仕組みだから
>良い感じに煮詰まったらMDファイルにまとめて貰って続きは別のチャットにするのが良い
経験的にそうなったわ
分かりやすい部分ｄと最初はここを押してねとか的確に指示してくれるのに
だんだん存在しないUIについて語りだしたりする

>>完成した音声をダウンロードしようと思ったら
>>間違えて参照音声をダウンロードしてしまうのが俺です
>自動で保存されてない？
↓押すまではずっとメモリ上にしか無いな

>完成した音声をダウンロードしようと思ったら
>間違えて参照音声をダウンロードしてしまうのが俺です
あれって長さがちょうどよくカットされた状態のを保存するのに使うんでしょ

>↓押すまではずっとメモリ上にしか無いな
そっか環境が違ったみたいごめんよぉ

>完成した音声をダウンロードしようと思ったら
>間違えて参照音声をダウンロードしてしまうのが俺です
俺も何度かやっちゃったわこれ

>もっと上げてくれていいんだぞ
リスクしかねえよ

takaneの悲劇は繰り返さない…！

完成品はgradio_outputsにあるからいちいちダウンロードしなくてもいいぞ
逆に言うと何回も試行錯誤してるとそこにファイル溜まるからこまめに整理しないといけない

やってると結構根気が必要で疲れてる時とかは遊びづらい
自動生成してくれる機能とかあればな

俺が無用な承認欲求に突き動かされて成果物をネットに上げたりしないよう俺の作るエロASMRでは俺の本名を呼ばせている

>俺が無用な承認欲求に突き動かされて成果物をネットに上げたりしないよう俺の作るエロASMRでは俺の本名を呼ばせている
なんか素直にそうだなといえないこの気持ち

俺の特殊性癖がバレてしまうからあげようにもあげられない

他人のって自分じゃ思いつかないような内容だったりするから割と好き

画像と音声合わせて簡単にmp4化できたらオリジナル音声でも上げやすいかな？
後でアップロードするわ

最初作って興奮してたら喘ぎ声が音割れするようになってこれは本物の声じゃないなと実感して冷めてしまった
やっぱりまだまだ何でも作れるってわけでもないなぁ

>俺が無用な承認欲求に突き動かされて成果物をネットに上げたりしないよう俺の作るエロASMRでは俺の本名を呼ばせている
sora2でそんな事してたわ

喋らせるネタが思いつかない
AIに作らせてもイマイチなテキストしか作れない
良い道具だけあってもダメだな

ローカル環境構築したまではいいけど仕事が忙しくて何作ろうかとか頭が回らない

フェラ音が微妙に乾き気味なのどうにかしたい

キャラクターの声で違和感なく本名読んでくれるの最高だよね
バーチャコールSの時に夢見た時代が今ようやく来た感じ

Num Steps上げてみては？

意外とここで使ってるからとしあき呼びでも自分の事だと思えるから便利
まあ権利不安で上げないが

これって呼吸音とか出せる？

うかつにアップロードするとキャラや声優の名誉を棄損しちまうからよ

昼にアップロードしてくれたとしあき感謝

後はエロチャットに対応したGemma-4を探すだけ

>昼にアップロードしてくれたとしあき感謝
>後はエロチャットに対応したGemma-4を探すだけ
普通にirodori-tts-apiとSillyTavernでよくね？

青二の所から
野沢雅子ボイスサンプル入手しちまえば
おもしれーセリフ言わせ放題よ
アップロードできねーけど いっぺん試してみてくれよな！

声優LoRAとか上げるやついたとしてもぶっ殺されるのはそいつで元のIrodoriは大丈夫だと思うけどね

オッスオラ極右！言わせるか

野沢悟空作ったとしてどのぐらい再現できる？違和感ない？

参照用ボイスって何秒くらいの用意してるの？

>野沢雅子ボイスサンプル入手しちまえば
BGMはいってんじゃん

>これって呼吸音とか出せる？
🌬️🌬️ぜーっ、ぜーっ、畜生、もう、走れねぇ…

自分の声学習させて洋画の吹き替えしたい

>声優LoRAとか上げるやついたとしてもぶっ殺されるのはそいつで元のIrodoriは大丈夫だと思うけどね
Takaneとの違いはそこでうまくやってると思う

>音声参照とloraがごっちゃになってるとしあきが複数いるだろこのスレ
コピペレスと思われ

やっぱコピペ居る？

エロ声よりも何か付き合ってるとかすでに肉体関係にあるって前提の
なにげない日常会話を雑談としてダラダラ続けるのが凄く楽しい
すぐ出来てノーコストってのを生かした娯楽だと思ってる

コピペにしては遅いような…
でも脈略も無い支離滅裂なレスはコピペそのものだし…

fp32とbf16が使えるけどbf16が使える環境だとこっちの方がいいのか？

自分がついていけない話をされると
一方的に疎外感感じてコピペ始める底辺だからこのコピペ犯
某AIスレで「勝手に疎外感」って呼ばれてた

まずゲームをダウンロードします
BGMをオフにします

bf16は精度は落ちるけど軽い

>BGMをオフにします
効果音もオフにします

呼吸んははぁ…でため息とか
すーっ…で吸う
はーっ…で吐く
くらいは出たけど単語以上に音が割れやすい感じ

>まずゲームをダウンロードします
>BGMをオフにします
…BGMオプションが…ねぇ

ソシャゲだとキャラ解放させないと音声ライブラリに
登録されないこと多いからどうしても音源欲しい場合は
少し遊ばないといけないか

>>まずゲームをダウンロードします
>>BGMをオフにします
>…BGMオプションが…ねぇ
ソースフォルダの音声ファイルを空ファイルで差し替えます

>fp32とbf16が使えるけどbf16が使える環境だとこっちの方がいいのか？
わずかに品質落ちるけどVRAM消費が2GBくらい減る
LLMも立てるとかチャット読み上げ用途なら影響ないのでお勧め

>ソースフォルダの音声ファイルを空ファイルで差し替えます
ソースの音声いじれるならキャラ音声もぶっこぬけるんじゃ…

速度が倍くらい違うからwav保存用はfp32使ってLLM連携でしゃべらせる場合はbf16使ってるな
ただそれでも数秒かかっちゃうのは仕方なし

>bf16は精度は落ちるけど軽い
精度落ちるのか…
元々軽いみたいだし精度重視の方がいいな

版権キャラ元の音源だと迂闊にここでうｐ出来ないし
ここで成果物お出しするならVoiceDesignで遊んだほうがいいかもしれない

>AI音声スレ
>話題のirodoriTTSデモ版はこちら
>https://huggingface.co/spaces/Aratako/Irodori-TTS-500M-v2-Demo
URLがhuggingfaceだけどそれ自分らが使うと見知らぬ誰かに使用料行かない？
画像生成初期の頃にそれで外国の人が利用料数十万請求来たって話ししてて
そこのサイト使うの避けてたんだが

絵文字で声色変えられるのが便利でいいね

自分用エロボイスを作ろうとしても
最初の導入部分の雑談作るのが楽しすぎて
駅前で待ち合わせした後にラブホへ向かう間の雑談で10分越えてしまった

>そこのサイト使うの避けてたんだが
設置者が負担に感じれば閉じるだろうよ

huggingfaceっていう謎の秘密結社はいったいどうやって収益あげているのか謎だ

>>そこのサイト使うの避けてたんだが
>設置者が負担に感じれば閉じるだろうよ
つまり誰かが金払ってるって認識で合ってる？

メメントモリでキャラコンプしてて良かった
いいかんじに有名声優が揃ってる

>>>そこのサイト使うの避けてたんだが
>>設置者が負担に感じれば閉じるだろうよ
>つまり誰かが金払ってるって認識で合ってる？
AIにでもどうやって運営してんのここって聞きゃいいだろ

これはゼロショット学習というやつかい

もうついて行けねぇって投げ出したFGO復帰するかな
ただもう二度と復帰しないつもりだったからバックアップ用のコード控えないでアプリ消したから運営に頭下げないと

やっぱり自重出来ない奴出てきたか

>No.1400842116
何度も貼るほど面白くないよそれ

有名ソシャゲのキャラボイスは大体海外に上がってるからそこから落としてるぞ

ウリンちゃんつくって

ｷﾀ━━━(ﾟ∀ﾟ)━━━!!

絵柄に権利は無いけどコレ◯◯の声だよね？って裁判で言われたら言い逃れ出来ないぞ

>AIにでもどうやって運営してんのここって聞きゃいいだろ
なるほど
聞いてみたら子こういう回答だった
>もし高性能GPU（有料ティア）を使っていたら作成者がその時間分を負担しますが、このデモは無料のZero枠を使っているため、作成者もほとんど（または全く）負担していない可能性が高いです。
おそらく問題ないみたいなので適度に触ってみるよ
とはいえもし設置者に請求行ってカンパ募ってきたら払うけど

sin波の合成です

>1776161013984.mp4
最後うんちがまんしてるみたいだな

>絵柄に権利は無いけどコレ◯◯の声だよね？って裁判で言われたら言い逃れ出来ないぞ
声に著作権ってないんじゃなかった？

碌にAI使ったことない奴多すぎだろこのスレ
一部がはしゃいでんのか？

権利の怪しい素材を使った制作物をWebに晒すなよ
常識だろ

実際声の権利はマジで弱いけど、とはいえ声優とかキャラのデータでファインチューニングしたモデルを公開するのは普通に違法

>碌にAI使ったことない奴多すぎだろこのスレ
>一部がはしゃいでんのか？
それは何に対して義憤を募らせてるんだ？

>権利の怪しい素材を使った制作物をWebに晒すなよ
>常識だろ
普段エロ絵や漫画のコマを無断転載して時には勝手にコラしてるとしあきの言葉とは到底思えぬ

最初はだれでも初心者だから親切にするぜ

LMstudioスレ立てたら有識者集まるかな

>それは何に対して義憤を募らせてるんだ？
馬鹿どもに車を与えるなの気持ち

>>それは何に対して義憤を募らせてるんだ？
>馬鹿どもに車を与えるなの気持ち
あっご自身は免許を持っていると思っていらっしゃる…

肩の力抜きなふたばだぞここ

>>それは何に対して義憤を募らせてるんだ？
>馬鹿どもに車を与えるなの気持ち
それ単独でスレ立てて演説したほういいと思うよ
またはSNSで

本家には是非パワーアップしたV3を作って頂きたい

構って欲しいだけの低知能が暴れ出したし
また次のスレで会おうねでいいんじゃないもう

すみません僕まだAI仮免で…

>LMstudioスレ立てたら有識者集まるかな
集まるときと集まらない時の差が激しい気がする
AI全般スレみたいなお題で立てて細分化した話題に乗ってくるか様子見るとかどうだろ

他人が作ったLoraでローカルでエッチボイス言わせまくりたい

声は普通にディープフェイクの範疇だからな…

だいぶアウトなやつなのでテレグラムとかで細々とやるくらいのほうがほんとはいいんだ
連日ここでスレ立つとロクなことないし

>LMstudioスレ立てたら有識者集まるかな
ローカルエロ小説生成スレとかにした方が良いな

好きなVtuberあへあへさせてる

ローカルで遊んでるけどすごく自然だな
時間がとける

>LMstudioスレ立てたら有識者集まるかな
何の話すんの？
通常用途もエロもgemma4使っとけって話にしかならないと思うけど

既に版権キャラ出してウケると勘違いしてる奴も居るし潮時だな

>AI全般スレみたいなお題で立てて細分化した話題に乗ってくるか様子見るとかどうだろ
以前なら雑談スレがAI総合スレみたいな感じだったけど今はどこだろ
グッチ…？

>以前なら雑談スレがAI総合スレみたいな感じだったけど今はどこだろ
>グッチ…？
たまに何か技術的な話してるけど
基本はどこにもなじめなかった陰キャたちがあいつらアホって言い合ってる場所だから
脳に悪い影響の方が大きいぞあそこ

>以前なら雑談スレがAI総合スレみたいな感じだったけど今はどこだろ
あそこAIに絵を描いてもらってって頭に付いてる

>>LMstudioスレ立てたら有識者集まるかな
>ローカルエロ小説生成スレとかにした方が良いな
生成エロ小説ってだけでもかなり人限られるのに
ローカルだけに絞られるとどうだろうな…
いるにはいるんだろうけど3人ぐらいでほそぼそ語り合う感じのスレになるのでは

>通常用途もエロもgemma4使っとけって話にしかならないと思うけど
確かにGemma4強すぎて今はもうこれでいいって感じあるな

>何の話すんの？
>通常用途もエロもgemma4使っとけって話にしかならないと思うけど
grok3の影を求め彷徨ってる
gemme4じゃ足りない

Gemma4は後二世代位進化したらおシコりはもうこれで良いじゃんってなりそう

>>通常用途もエロもgemma4使っとけって話にしかならないと思うけど
>確かにGemma4強すぎて今はもうこれでいいって感じあるな
PCはどれぐらいのスペックのやつ使ってるの？

じゃあGemma4スレにしよう

グッチはエロゲスと同じなんで…

元のIrodoriには問題ないとはいえ悪用する奴が出始めて作者がめんどくさくなって消したり次のモデルの開発辞めちゃったら終わりだからなぁ

人口多くなると絶対にアホが出るからなあ…

まあ正直ここで話してるよりAIに相談してどうやって使えばいいか聞くか
学習素材の音声集めたり文字起こしデータ作ったりしてるほうが有益よ

youtubeの指定URLを切り取って自動でwave変換して文字起こしするアプリ作ったから
これで好きに素材集められる

>>AI全般スレみたいなお題で立てて細分化した話題に乗ってくるか様子見るとかどうだろ
>以前なら雑談スレがAI総合スレみたいな感じだったけど今はどこだろ
>グッチ…？
ないんじゃない？　そういうスレ立てても荒らし来るし

権利とかどうでも良いよ
正しいLoRAの作り方を解説してくれた方が有益

正直生成物を世に出さない為にもスレは要らないと思う
ここにある質問もAIに聞けば分かるようなものばかりだし必要性薄いかと

>元のIrodoriには問題ないとはいえ
うーん
大元も学習データは普通に版権もの大量に食わせてるんじゃないか？

参照音声も30秒以上は長くしても無駄って聞いたけど
2分ちょいの方が明らかに元キャラに似てるしもう自分の感覚を信じるしかねえってなってる

作ったLoRAは何処から読み込ませるの

4Kvideoダウンローダーってやつが便利でいい
有料だとDLした動画を無音にまでしてくれる

書き込みにファイル添付できてなおかつ時間で消滅するここは生成AI適正が高すぎるんだ

>権利とかどうでも良いよ
>正しいLoRAの作り方を解説してくれた方が有益
こういう奴が混ざるから
詳しくは自分で考えてねってなる
自分じゃ分からんくせに悪意だけいっちょまえな底辺

pythonなんもわからん

LoRa作った後AVのお気に入り喘ぎ声に被せて動画生成してる
これ絶対に世にお出しできないわ

アプリ経由のBGM分離は分離してるように聞こえても
よく聞くとBGM被ったままだったりSEは残存したりしてるから
結局ゴミとりしないと雑音がまざったデータになるよ

GitHubのURL投げてAIに聞いても無理なら
ここで説明しても理解できないだろうから諦めたほうがいいよ

デザインのほうはちょっと難しいけど
クローンのほうがやばいな

ローカルでdemcus動かして無音化が一番精度はいいかなあって気はするな

>こういう奴が混ざるから
>詳しくは自分で考えてねってなる
>自分じゃ分からんくせに悪意だけいっちょまえな底辺
そういう風に悪意のある捉え方するのって当人が・・・

とし
去年だったと思うんだけどイラン人のシャニマスオタクが1人で作った声優ボイスのAI読み上げツール覚えてない？
短い命だったけどあのクオリティはやばかったと思う

ゴチャゴチャここで聞くよりclaudeに100ドル渡した方がよっぽど頼りになるぞ

「ここまでやったけど分からないんです」にはとしあき優しいけど
なあまずは何したらいいの？次は？って聞くヤツに対しては死ね！ってなるからな

GPTに聞きながら入れた
エラーログコピペしながら言う通りにやれば何とかなる

言っちゃあれだけどpythonすらも何なのか調べてこないならいきなりAIなんてハードル高すぎて無理だぞ

汚め音声作品ぶち込んで追加学習させてるけどかなりヤバい

ごくまれに有益情報や便利なツールが投下されたりする場合があるからバカにできんのよ
髪の気まぐれみたいなもんだけど

>去年だったと思うんだけどイラン人のシャニマスオタクが1人で作った声優ボイスのAI読み上げツール覚えてない？
どっちかていうとデレマスオタクっぽいけどな

絵文字を文頭につけるのか文末につけるのか公式すらブレてるな…

>髪の気まぐれみたいなもんだけど
髪は死んだ

>絵文字を文頭につけるのか文末につけるのか公式すらブレてるな…
絵文字によって効果違うからね
文章次第になる

>PCはどれぐらいのスペックのやつ使ってるの？
これで31B Q8動かしてる

>>元のIrodoriには問題ないとはいえ
>うーん
>大元も学習データは普通に版権もの大量に食わせてるんじゃないか？

汎用的なモデルを作るための大量のデータを無差別に入れるような学習と、特定の声優を再現するLoRAみたいな学習だと法律的な整理が大きく違うからね
ちなみに前イラン人がやってた話者IDをつけた学習はこの中間にあるかなり攻めた行為

エロ音声同人作って見てえ

>絵文字を文頭につけるのか文末につけるのか公式すらブレてるな…
アイコンを謎の単語として読み上げようとするとか
アイコン抜いても変わらん気がするなってなったら効いてない
っていう判断の仕方して自分で考えるしかない感じ

一晩で好きなキャラをオリジナル対魔忍に出来るのはこれちょっと問題だと思う

アイコン入れられてもその文章や参照音声だと適用できないっすよ
ってなると無視されてるように感じる

>絵文字を文頭につけるのか文末につけるのか公式すらブレてるな…
つまりどっちでもいいってことだよ

>エロ音声同人作って見てえ
自分の発想力の無さにちょっと凹むことになるぞ

>なあまずは何したらいいの？次は？って聞くヤツに対しては死ね！ってなるからな

>最初はだれでも初心者だから親切にするぜ

>作ったLoRAは何処から読み込ませるの
モデルに直接マージするのが簡単で動的LoRa適用はフォーク版のEmoji-TTSか自分で改造だね

何が何でもスレ潰せってやつが連投してるな

とりあえずかわいい女の子がペアで主役してるようなアニメを探して来て
射精煽りと射精禁止のボイスを作って出力をLRいずれかに限定した上で合体
両耳から煽られて禁止されてってシチュのボイスを作るんだ
やばいぞ

>>なあまずは何したらいいの？次は？って聞くヤツに対しては死ね！ってなるからな
>>最初はだれでも初心者だから親切にするぜ
そこは別に矛盾しない

これデフォルトだとテキストからAIが空気読んで男か女か決めてるのか
どちらかに指示とか出来るのかな

>言っちゃあれだけどpythonすらも何なのか調べてこないならいきなりAIなんてハードル高すぎて無理だぞ
そんな事言ってるからインストールするだけでドヤ顔で報告するだけのスレになるんだよ
聞けば簡単に入れられるのにハードルもクソもないよ

>これデフォルトだとテキストからAIが空気読んで男か女か決めてるのか
参照音声なしでオホ声のテキストだけつっこむと
ゴリラのマネしてるオッサンが出て来たぞ

多分そういう明確な目的ある人はいいんだろうけど
ぼんやりとニュース読み上げ音声ほしい程度だとここでは対象外なんだろうな…

>参照音声なしでオホ声のテキストだけつっこむと
>ゴリラのマネしてるオッサンが出て来たぞ
ダメだった

>聞けば簡単に入れられるのにハードルもクソもないよ
世の中の馬鹿率を甘く見てるな

>ぼんやりとニュース読み上げ音声ほしい程度だとここでは対象外なんだろうな…
それだったらむしろtakaneの前モデルのtsukasaのほうがいい

>ぼんやりとニュース読み上げ音声ほしい程度だとここでは対象外なんだろうな…
それは別のモデルで良いと思う
普通の文章をあんまり感情込めずに読むだけならいろんなモデルでできる

ニュース読み上げ程度ならずんだもんでも…

>多分そういう明確な目的ある人はいいんだろうけど
>ぼんやりとニュース読み上げ音声ほしい程度だとここでは対象外なんだろうな…
それだったらVoiceDesignのほうをおすすめする
話し方や雰囲気とかプロンプト指定出来るから理想的なの組み上げること出来る

>ニュース読み上げ程度ならずんだもんでも…
ほどほどの人工っぽさにも良さはあるけど
やっぱ乳は大きければ大きいほどいいよ

>>聞けば簡単に入れられるのにハードルもクソもないよ
>世の中の馬鹿率を甘く見てるな
Grokのスレでさえリク厨いたしな
お前のスマホなりＰＣで作れよと

ローカルにしたけど全然動かない…
30分で10秒生成とかキツイ
流石にパソコン新しくしようかと思うんだけど
普通に動かすならおいくら万円くらいかかるんかな？

まず今のPCスペックを晒すんだ

スパロボとかの音声拾ってきて追加学習に混ぜて
全然違う子にフィンファンネル！とか言わせるだけでも楽しい

>まず今のPCスペックを晒すんだ
10年前のPSO推奨スペックパソコン…

動画がクソ重くて文章は重い画像は軽いぐらいの認識だけど
音声はどのあたり？

モデルに混ぜ込んで取り出す流れがよくわからん過ぎて吐きそう

今PC使ってるならモニタやキーボードみたいな周辺機器は流用できるだろうから
本当にPC本体だけでいいけどこの音声のやつだけなら10万しないBTOでもいけるんじゃないか

なんとなく１５秒ぐらいの素材を作って読ませてたけど元々の数分のデータ読ませたらかなり変わった

音声まとめてアップロードしてる動画とか分割が面倒だと思ってたけどこれはそっちのほうがサンプルとしては楽か

>今PC使ってるならモニタやキーボードみたいな周辺機器は流用できるだろうから
>本当にPC本体だけでいいけどこの音声のやつだけなら10万しないBTOでもいけるんじゃないか
あ…そうなんだ…
じゃあGW前に買っちゃおうかな…
ありがとし

>ローカルにしたけど全然動かない…
>30分で10秒生成とかキツイ
一応聞くけどステップ数40のままだとかない？

ゲームに出てると致命傷になりかねないんだな
たしかに音声だけ再生できるもんな

動画やるなら最低でもグラボ12Gのメモリ64G用意しろって俺は言われた
それでも動画は数分かけて5秒とかそんなんだって
画像はグラボ12でメモリ32あれば十分いける（大いに越した事はないが）
今話題になってるirodoriって音声の奴はグラボ6〜8でメモリ16あれば大丈夫っぽいよ

>>今PC使ってるならモニタやキーボードみたいな周辺機器は流用できるだろうから
>>本当にPC本体だけでいいけどこの音声のやつだけなら10万しないBTOでもいけるんじゃないか
>あ…そうなんだ…
>じゃあGW前に買っちゃおうかな…
>ありがとし
まあグラボさえつければそこそこいけると思うよ

そして安いからとRadeon搭載を買ってしまうとしであった

>あ…そうなんだ…
>じゃあGW前に買っちゃおうかな…
>ありがとし
絵やゲームもやるならもうちょい上の方が良いとは思う
あと世間的にはAI遊びってそんなに一般的じゃないから
グラボは3060の12Gより最近の8Gの方がいいですよねみたいなのが多いから気を付けて

10万じゃいろいろ値上がり過ぎて無理
20万だな

去年の今頃ならPC！PCオススメ！って声を大にして言えたんだけどな…
メモリの値段が4倍とか5倍になっちゃった

>>あ…そうなんだ…
>>じゃあGW前に買っちゃおうかな…
>>ありがとし
>絵やゲームもやるならもうちょい上の方が良いとは思う
>あと世間的にはAI遊びってそんなに一般的じゃないから
>グラボは3060の12Gより最近の8Gの方がいいですよねみたいなのが多いから気を付けて
よく分からんがLLMだとVRAMの多さが正義だろ

>それだったらむしろtakaneの前モデルのtsukasaのほうがいい
>それは別のモデルで良いと思う
>普通の文章をあんまり感情込めずに読むだけならいろんなモデルでできる
>ニュース読み上げ程度ならずんだもんでも…
>それだったらVoiceDesignのほうをおすすめする
>話し方や雰囲気とかプロンプト指定出来るから理想的なの組み上げること出来る
ありがとう
教えてもらった方面で理想の読み上げ探してみるよ

>そして安いからとRadeon搭載を買ってしまうとしであった
まあやる気があればRadeonでも出来るし

>よく分からんがLLMだとVRAMの多さが正義だろ
なので俺もおととしの年末に買った時に3060の12Gに変更してもらったけど
なんで？みたいな顔されたの覚えてる

>10万じゃいろいろ値上がり過ぎて無理
>20万だな
2020年頃だったら10万以内でそこそこ組めたのに…
むかしはよかった老人になってしまう

>よく分からんがLLMだとVRAMの多さが正義だろ
どうせ収まらん
メインメモリガン積み

わかりましたintelArc買います…

>>10万じゃいろいろ値上がり過ぎて無理
>>20万だな
>2020年頃だったら10万以内でそこそこ組めたのに…
>むかしはよかった老人になってしまう
2020年ごろに10万で作ったパソコンで普通に生成出来るん？

>>2020年頃だったら10万以内でそこそこ組めたのに…
>>むかしはよかった老人になってしまう
>2020年ごろに10万で作ったパソコンで普通に生成出来るん？
その頃なら10万ちょいで中の下程度のスペック（当時）が組めたのになって話でしょ
今は世間でミドルって言われてるクラスのPC下さい！で20万用意せにゃならんって話で
ってこれ説明しないとわからん・・・？

>そして安いからとRadeon搭載を買ってしまうとしであった
マジでありそうだから困る

>わかりましたintelArc買います…
intelArcはRadeon以上の茨の道ぞ

>ローカルにしたけど全然動かない…
>30分で10秒生成とかキツイ
>流石にパソコン新しくしようかと思うんだけど
>普通に動かすならおいくら万円くらいかかるんかな？
Colabつかってええんやで？

>>よく分からんがLLMだとVRAMの多さが正義だろ
>どうせ収まらん
>メインメモリガン積み
でも流石に8Gと12Gの差はデカすぎる

外山恒一の政見放送の文字起こしを読み込ませてるけど外山恒一みたいには喋ってくれないな

>外山恒一の政見放送の文字起こしを読み込ませてるけど外山恒一みたいには喋ってくれないな
録音してそのデータを参照音声のとこにぶちこんでごらん

今は全部更新するよりグラボだけ買い替えとき

何喋らせたらいいか思いつかない
女の子の声で読み上げると意外といける

>外山恒一の政見放送の文字起こしを読み込ませてるけど外山恒一みたいには喋ってくれないな
ああ…次はマタヨシだ

LoRA素材作るのめんどくさいな…
参照だけでもそれなりに似るし

チャッピー扱い方間違えて絵文字追加できなかった

>何喋らせたらいいか思いつかない
>女の子の声で読み上げると意外といける

>参照音声なしでオホ声のテキストだけつっこむと
>ゴリラのマネしてるオッサンが出て来たぞ

>2020年ごろに10万で作ったパソコンで普通に生成出来るん？
わからん
スタートアップのシステムでこの部分見て

なんかAI関連の技術で必要メモリが1/6で済む技術が見つかったってニュースがあって
メモリ関連が一気に下がったって記事が流れて来たけど
それ結局また需要が増えるんじゃない？って結ばれてたしもう何もわからん

>ローカルにしたけど全然動かない…
>30分で10秒生成とかキツイ
>流石にパソコン新しくしようかと思うんだけど
>普通に動かすならおいくら万円くらいかかるんかな？
Colabで動かすの貼っておくね
https://github.com/shinshin86/Irodori-TTS-500M-v2-VoiceDesign-with-colab

>わからん
>スタートアップのシステムでこの部分見て
メモリ64いいなぁ
俺も去年足しとけばよかった…

>なんかAI関連の技術で必要メモリが1/6で済む技術が見つかったってニュースがあって
>メモリ関連が一気に下がったって記事が流れて来たけど
>それ結局また需要が増えるんじゃない？って結ばれてたしもう何もわからん
少なくとも性能は上がるんでない
需要と価格の方はわからんけど

>ああ…次は号泣議員だ…

>なんかAI関連の技術で必要メモリが1/6で済む技術が見つかったってニュースがあって
>メモリ関連が一気に下がったって記事が流れて来たけど
>それ結局また需要が増えるんじゃない？って結ばれてたしもう何もわからん
新品の流通には関係ないよ
既存の手持ちで夢が広がりんぐって話やろ

>>ああ…次は号泣議員だ…

露骨な喘ぎテキスト入れると全然別人になっちゃうから加減が難しい

VoiceDesignで生成した声を参照音声にして適当に作った
ちょっとブレは出てるけどまぁまぁオリキャラとして使えるな

喋ってもらいたい隠語を文字に起こそうと思ったけど俺には無理だ…
AIに作ってもらってるけど

>露骨な喘ぎテキスト入れると全然別人になっちゃうから加減が難しい
台本を作ってちょっとずつ納得行くの拾ってって編集するしかない

>参照音声も30秒以上は長くしても無駄って聞いたけど
>2分ちょいの方が明らかに元キャラに似てるしもう自分の感覚を信じるしかねえってなってる
多分長い方がたまたまいい感じの部分でトリミングされてるんだと思う
処理時間が伸びるのを気にしなければそれでいいと思う

>喋ってもらいたい隠語を文字に起こそうと思ったけど俺には無理だ…
>AIに作ってもらってるけど
はじめてpixivの小説タブ押したぜ〜

ゼロ！ゼロ！ゼロ！

クローンで句読点入れると（入れなくても）結構長い空白ができちゃうのはサンプル内の空白のせいなんだろうか

colabはGoogleのスケベ検閲AIは音声には反応しないの？

FP32とBF16ってどっちの方が良いの？

うちの環境では参照音声が低めの声で静かにしゃべっているほうが上手い感じになってくれる
でもうまくできてるのもシード値変えると全然ダメだったりガチャ要素は多分にあるなあ

>FP32とBF16ってどっちの方が良いの？
BF16はFP32相当の精度でデータ量半分だった筈
お好みで

Loraと音声参照で似てる度全部違う？

保存時の名前のルールとか保存先複数にしてクラウドで聞くとかがWEBだと面倒でpythonでGUI作ってそこから呼ばせてるけど今のところ快適
一個のテキストに対して複数の音声参照対象追加してそれぞれで聞き比べサンプルする機能と設定内容iniに記憶させるのが楽でこれなしだとやってられない…

低音喘ぎ出させる方法ないの

>うちの環境では参照音声が低めの声で静かにしゃべっているほうが上手い感じになってくれる
読ませる文にもよるのかなあ
きっちりキャラ作ってる高い声の方が安定してる

同人エロ音声にいかにも入ってそうな文体だとそっちに釣られて声もそれっぽくなる感じがする

>低音喘ぎ出させる方法ないの
低音の声優の声を参照させて
おっ…おお…おおお…っ！とかオホ気味にさせたら低くなったよ

>同人エロ音声にいかにも入ってそうな文体だとそっちに釣られて声もそれっぽくなる感じがする
同人エロ音声ってちょくちょく10円セールとかやってるから
そういうの大量に食わせてる感じはする

>そういうの大量に食わせてる感じはする
大部分はエロゲの音声とテキストデータを大量に食わせてるよ

生成した音声から学習用Dataset作るのって投入した文字列と生成した音声ファイルの紐づけをひたすらコピペする地味な作業するしかないの？
音声作り倒してWhisperでも良いのかもしれないけど・・・

>FP32とBF16ってどっちの方が良いの？
RYX30x0以降なら軽さ重視でこだわりないならbf16
RTX20x0以前ならfp32

>低音喘ぎ出させる方法ないの
んっ、んっ、んっ、
じゃダメな奴なの？

音声参照してかなり似てる声にエロセリフ言わせたり軽く喘がせたりで十分満足出来てる
それ以上は一回シコるまでのコストが高すぎる気がして気軽な方へ逃げてる

低い声が魅力のキャラでもかわいい声であんあん言い出すのが不満なら
オホらせるしかないんじゃないかなってのがここ２〜３日使ってみた感想

>生成した音声から学習用Dataset作るのって投入した文字列と生成した音声ファイルの紐づけをひたすらコピペする地味な作業するしかないの？
>音声作り倒してWhisperでも良いのかもしれないけど・・・
AIに頼んでテキストも同時に吐くようにプログラム組めば…？
mp3のタグの中にテキスト埋め込んでおいて単体管理もとか色々できて良いよ

LoRA学習用のDataset作るときに絵文字も付与しておいた方が効果高いのかな？

オホ声はオホ声用の絵文字作ってもらって学習してもらわないと出ないんじゃね？
作者に伝えておけ

オホはおっおっおおっ…！とかで出たよ

オホ声はまだまだ職人の領分か

ふぅっ、ふぅっ、ふぅっで大体どうにかなるよ

オホはいぐっ！とか濁音セリフ混ぜておくと
あーはいはいって勝手に理解してくれることが多い
CFGをどっちも高めにしたほうがいい

としあきたちは相談役のchatAIって何使ってる？
chatGPTのThinkingモードで相談してるけど無料だとすぐに切れちゃうんだよね
やっぱ課金プランじゃないとダメか