IrodoriTTSやっとこさ導入したんだけど

・一度に生成出来るのが30秒
→前に回避する方法があるって聞いたんですが気のせいですか？

・サンプル音声有効になるのが30秒
→もっと長いの参照できない

どないなもんでしょ？

そういうものだと割り切って分割生成してるよ

わからん…完全に雰囲気でやっている

>そういうものだと割り切って分割生成してるよ
>わからん…完全に雰囲気でやっている
自分はWeb版と同じ画面で生成してるんですがこんな感じに変えるにはどうしたらいいんでしょうか？

>わからん…完全に雰囲気でやっている
そのUIいいね

>自分はWeb版と同じ画面で生成してるんですがこんな感じに変えるにはどうしたらいいんでしょうか？
AIに聞けばやりかた教えてくれるよ
俺が聞いたときはgradio_app.pyをイジる感じで教えてくれた

>自分はWeb版と同じ画面で生成してるんですがこんな感じに変えるにはどうしたらいいんでしょうか？
ぐーぐるAIモードでこうしたいっていったらいろいろ教えてくれた言われたとおりに3時間くらいあ〜でもないこ〜でもないでできた
でもなんか記号をカーソル位置じゃなく末尾に挿入される
セキュリティ上なんかできないって言われた（たぶんおま環

参照音声30秒は
・2分の参照音声
・そこから冒頭30秒を切りだした参照音声
この2つを使うと明らかに後者の方がクオリティ高くなるから
AIが最適なものを選んで最長30秒に再構成してるのかな？と思ってる

>俺が聞いたときはgradio_app.pyをイジる感じで教えてくれた
俺の時は元のやつはいじりたくなかったので独自UIに元々の二種類を乗っける形にした

学習が30秒なんじゃろ
参照も出力もそれ超えても質が悪くなるだけ

>でもなんか記号をカーソル位置じゃなく末尾に挿入される
これ俺も同じだ
カーソル位置に入れたいつったらJavaScript云々言い始めたから面倒くさそうでやめた

参照音声の音声AIは短いサンプルで似たボイスクローンを生成するものだから30秒以上の音声参照出来るようにしても意味ないよ
もっと再現性上げたいなら大人しくLora学習とかしよう

https://55.gigafile.nu/0506-c6f7e386dd9b3440c85c42a2eed869abf

過去に上げたのと同じだけどカーソル位置に挿入できる絵文字機能の実装ガイドまさにJavaScript併用してる
実装済みのサンプル付きなのでファイル差し替えでも動く

>・一度に生成出来るのが30秒
>→前に回避する方法があるって聞いたんですが気のせいですか？
一度に生成出来るのはそれぐらいだからテキスト欄を改行で分割生成出来る機能あるUI使えば良いよ
emojiTTSとか

irodoriはlora作ってもやっぱり30秒超えると破綻してくる感じ？

ついでにサンプル音声上限を30秒から2分まで伸ばせる機能の実装方法も付けてる

>irodoriはlora作ってもやっぱり30秒超えると破綻してくる感じ？
上で言われてる通りモデル自体の学習がそれぐらいだからLoraだろうが一度の生成では30秒ぐらいまでだよ

>上で言われてる通りモデル自体の学習がそれぐらいだからLoraだろうが一度の生成では30秒ぐらいまでだよ
そっか〜さんきゅー

LoRa作る時の音源も30秒以内にした方が良さげ
LoRa学習する時30秒超える音源は自動でカットされちゃうからメタデータの文章だけ長くて後半読み上げないという悪い学習されちゃう

30秒っていうか基本この手の学習素材は3〜10くらいがベストと言われているからな
長いのはスライスとかするべき

>一度に生成出来るのはそれぐらいだからテキスト欄を改行で分割生成出来る機能あるUI使えば良いよ
>emojiTTSとか
基本以前の問題なんですけどIrodoriTTSにemojiTTSを入れて（プラグインみたいに？）使うんです？

>30秒っていうか基本この手の学習素材は3〜10くらいがベストと言われているからな
>長いのはスライスとかするべき
気合い入れて10分くらいのサンプル撮ったのに・・・無駄だったってこと・・・？

>基本以前の問題なんですけどIrodoriTTSにemojiTTSを入れて（プラグインみたいに？）使うんです？
プラグインとかじゃなくてUIが違うだけだから完全に別で入れた方がいいよ

30秒超えると同じこと何回も言ったりセリフ飛ばしたりするからすぐに分かる

Style-Bert-VITS2も改行で分割生成になってるね
aiに聞けばirodoriにも実装できるのかな・・・

改行で区切るより別のタグで区切るようにした方がいいぶいよ

ｷﾀ━━━(ﾟ∀ﾟ)━━━!!

おもむろに貼られると喘ぎ声かも知れないと警戒するからなんか言ってくれ

>気合い入れて10分くらいのサンプル撮ったのに・・・無駄だったってこと・・・？
それが参照音声ならわからんが
追加学習するための素材だったらその10分を分割したほうがいい

grokくんにエロ小説書かせてあえぎ声だけ抜粋して読ませてる

>おもむろに貼られると喘ぎ声かも知れないと警戒するからなんか言ってくれ
ごめんただの学習はやることが多いっていうだけの音声

長さに制限がなくなったら青空文庫とか全文コピペしてぶち込めばオーディオブックができてしまうんだろうか

複数人の音源学習させたらだれでもない感じの声になる？

>おもむろに貼られると喘ぎ声かも知れないと警戒するからなんか言ってくれ
どこに警戒する要素が？

>複数人の音源学習させたらだれでもない感じの声になる？
歌のパート分けみたいになるって聞いた

>複数人の音源学習させたらだれでもない感じの声になる？
複数人の声が混ざらないでここはAの人の声、ここはBの人の声って感じで出てくる

>>複数人の音源学習させたらだれでもない感じの声になる？
>歌のパート分けみたいになるって聞いた
そういう感じで混ざっちゃうのか残念

犬の鳴き声とかを読み込ませて普通に日本語入力するとしゃべるんだろうか…どうでもいいかそんなこと

1回間違えてベースxベースでマージしたせいで
めちゃ怖い声になって一人ジャンプスケアしてた

>どこに警戒する要素が？
横からだけど
説明なしに動画だけポンと貼られると肛門がグロいことになってる動画かな？と思って警戒するのはある

スケベな音声出したいと思っても文章力ないからどうしたもんかと
AIに台本作ってもらってもなんか微妙だし

学習のマニフェストにspeaker_id含められるみたいだけどこれが話者対応になるのだろうか？やり方や使い方がよく分からない
話者=個別loraの使い方で今の所は困っていないし忘れていいのだろうか

>スケベな音声出したいと思っても文章力ないからどうしたもんかと
>AIに台本作ってもらってもなんか微妙だし
好きなエロ文章とか同人音声の台本をAIに読ませてそれっぽい台詞にするように言って
箇条書きでやりたい内容を書いてAIに台本作ってもらって最後に自分で修正しよう

>好きなエロ文章とか同人音声の台本をAIに読ませてそれっぽい台詞にするように言って
>箇条書きでやりたい内容を書いてAIに台本作ってもらって最後に自分で修正しよう
おおなるほど…
ありがとし

実際に人が話す時は同じ事を何度か繰り返したり（文章ほど推敲されてない）
えっと、とかあの、が入ったり「、」を多用したほうが自然な喋りになるよ

正直この性能だしかなり適当に書いても良い感じに読んでくれる

>学習のマニフェストにspeaker_id含められるみたいだけどこれが話者対応になるのだろうか？やり方や使い方がよく分からない
なるとも言えるがそれだけでは十分ではない
スピーカーIDを覚えさせられてもそれをどう呼び出すかかは一工夫しないと再現度が低い

>正直この性能だしかなり適当に書いても良い感じに読んでくれる
ガチャも早いから自分でシコる用途程度なら
イイ感じのがでるまでガチャって連結するだけで十分使える

タカネなくなって萎えたけどこのレベルのがローカルですぐ出てくるとはなぁ
AIの進化って早いなぁ

フェラのつもりで書いたテキストがキスっぽくなりがち

>フェラのつもりで書いたテキストがキスっぽくなりがち
あ〜ん♥ ちゅっちゅ♥ じゅっぽ♥ ちゅぽちゅぽ♥ れろれろれろ♥
みたいな適当なのでもフェラ音でよんでくれるよ

プログラムの中に30って書いてあるだろ

正直これ性能はめちゃくちゃすごいけど
絵出すAIと違ってスレ立っててもやることないのはあれだな

>スピーカーIDを覚えさせられてもそれをどう呼び出すかかは一工夫しないと再現度が低い
なんか思った以上に難しそうだな…よし忘れよう！

>あ〜ん♥ ちゅっちゅ♥ じゅっぽ♥ ちゅぽちゅぽ♥ れろれろれろ♥
はむ…とかむぐ…とか入れてたけどもっとシンプルなほうがよかったのかもしれないな

https://github.com/sbintuitions/sarashina2.2-tts/blob/main/README_ja.md
これ使ってみた人おるかな？

>正直これ性能はめちゃくちゃすごいけど
>絵出すAIと違ってスレ立っててもやることないのはあれだな
表には出せないようなボイスばかり作ってるわ
本名呼ばせたり…

音声作るの自体は一瞬だけどリク受けてもサンプル無いと作れんしな

>正直これ性能はめちゃくちゃすごいけど
>絵出すAIと違ってスレ立っててもやることないのはあれだな
声優の声学習させて出力したものを貼るのが思いっきりグレーだからねぇ

AI動画も作ってるからキャラと声一致させて映像で作れもするが
あんましね

sarashinaは出力ファイルに人間に聞こえない音声成分で透かしが入るって書いてあってAI音声系は今後そういう実装になっていくのかな

irodoriは英語苦手だな
中学生が教科書見ながら喋ってるみたいになって可愛い

英語は無理だからカタカナ英語使うしかないね

喘ぎ声を裏で音量を抑えつつ再生させて表で微反響ボイスにして合わせるように喋らせて心の声を再現してる

>>あ〜ん♥ ちゅっちゅ♥ じゅっぽ♥ ちゅぽちゅぽ♥ れろれろれろ♥
>はむ…とかむぐ…とか入れてたけどもっとシンプルなほうがよかったのかもしれないな
読み上げるセリフが入ってると
「あっこれ文章だった？」って判断されちゃう場合がある

好きなこと言わせられるんだけど好きなキャラとは日常会話程度のことしか言わせられないチキン野郎だ
エロ担当なキャラは別だけど

何でも自分の好きなように出来ると一気に冷めちゃうからな

>声優の声学習させて出力したものを貼るのが思いっきりグレーだからねぇ
まんま出ちゃうんだもの……

超初歩的な質問で申し訳ないけどirodoriやれる環境組むにはどのぐらいのPCスペック必要？
ググったりしても書いてるとこ見つからなくて

>超初歩的な質問で申し訳ないけどirodoriやれる環境組むにはどのぐらいのPCスペック必要？
>ググったりしても書いてるとこ見つからなくて
絵よりだいぶ要求低い
グラボ6〜8G
メモリ16あれば十分ってAIに言われた
3060(12)と32Gだけどいける…？って聞いたらエリートっすよ！みたいに言われて照れた

>>超初歩的な質問で申し訳ないけどirodoriやれる環境組むにはどのぐらいのPCスペック必要？
>>ググったりしても書いてるとこ見つからなくて
>絵よりだいぶ要求低い
>グラボ6〜8G
>メモリ16あれば十分ってAIに言われた
>3060(12)と32Gだけどいける…？って聞いたらエリートっすよ！みたいに言われて照れた
おお…ありがとう！
画像生成はWEBサービス使ってる低スペック勢だけど試してみるよ

自分の声学習させて喘ぎ声出させると…

グラボ2070のクソ環境だがまあまあやれてる
でも学習とかはColabでやってる

こんなスレにエリートが来なすった

>自分の声学習させて喘ぎ声出させると…
ナゼソンナコトヲスル……？

>好きなこと言わせられるんだけど好きなキャラとは日常会話程度のことしか言わせられないチキン野郎だ
エロセリフそのものじゃなくて
「今夜、予定ある？」みたいなその一歩前をほのめかすセリフをやると背徳感ありそう

絵の時も自分のlora作って
好きなキャラとスケベさせてる絵を作りまくるぞ！って言ってるとしあきいたけど
自分lora作るための素材（写真）選別してる段階で心が折れたって言ってた

>>好きなこと言わせられるんだけど好きなキャラとは日常会話程度のことしか言わせられないチキン野郎だ
>エロセリフそのものじゃなくて
>「今夜、予定ある？」みたいなその一歩前をほのめかすセリフをやると背徳感ありそう
すでにやることやってる関係って前提でダラダラ雑談させるの楽しいぞ…

俺はSora2で自分の声聞いて後悔したんだ

関係ないけどサムスンのスマホは録音機能がデフォであるんで
通話のあとで自分の声聞いて「なんで変なタイミングで愛想笑いしてんだよキモ」とか
振り返って微妙な気分になれる

SUNOにも自分の歌声取り入れる機能があるが
絶対に試そうとは思わない

自分の思い描いた台詞を出力できるからキャラの理想の台詞が聞けるけど
それを自分で打ち込んで出力するのがすごい小っ恥ずかしくなる

絵と比べて凄い速さで出力されるから
会話してる感覚で次々出してそのまま保存もせずポイ
みたいな使い方しちゃってる

あっ……！　や、やめ……んんっ♡
ひゃうっ⁉　あ、あんっ……！　だ、だめっ……そこはっ……はあっ♡
ううっ……！　やめ……はあっ、あんっ♡　んんんっ！！　あぁぁっ……！！😭
あっ……！　んんっ♡　や、やめ……このっ……はあっ、あんっ！！😭
ひゃあっ⁉　脚……そんなに持ち上げないでっ……！　や、やめ……あんっ♡
嘘…やめ…！あぁぁぁぁっ⁉　入っ……入ってきたっ……！！　太い……っ、んんんんっ♡
うううっ……！　あっ、あっ、あんっ♡　抜け……抜けない……っ！　こんな……深いところ……はあっ、はあっ……だめぇっ！！♡
Grokに出力させたやつ

あぁんっ♡　あっ、あっ、あぁぁぁっ！！　感じて……なんか……はひっ♡　あんっ、あんっ…！！♡
あぁぁぁぁっ⁉ひゃうううんっ♡　深っ……深すぎるっ……！！
うううっ……！　感じて……なんか…！　あっ、あっ、あんっ♡　だめ……イかない……イかないから……はひっ♡　あぁぁぁっ！！♡
んんんっ♡　あんっ、あんっ…あぁぁぁっ！！　私は……絶対に…イかない…から…はあっ、はあっ…！！♡
あぁぁぁんっ♡　はひっ……あんっ、あんっ……だめ……もう……イッ……イっちゃう……っ……！！😭
その2

どうすりゃ喘ぎ声になる？ってパーツの組み立て方とか聞いたほうがいいんでないかな

女性はかなり似るけど男性はあんまできねえぞ

自分で考えないと自分のツボなんか分からないしやってればコツも分かってきて上達してくのに
何でも聞いたりAI任せにしててもすぐ飽きるんじゃね

irodoriならとりあえず🥵を入れるだけでセックス中っぽくなる

「そなたのような男は初めてじゃ♡」

>女性はかなり似るけど男性はあんまできねえぞ
男性を似せる必要ある？（過激派）

>「そなたのような男は初めてじゃ♡」(野太い声)

>男性を似せる必要ある？（過激派）
あるよ(竿役)

ふふふ・・・セックス！

ｷﾀ━━━(ﾟ∀ﾟ)━━━!!

こういう感じのシチュエーションの煽り的なのばっか作ってる……

エロアニメの竿役のちょいキモい声の素材ほしいな〜と思いつつ
やっぱ素材集めの気力がわかないというか…

>1777648695629.mp4
竿役のボイス要る？

盛るな

>エロアニメの竿役のちょいキモい声の素材ほしいな〜と思いつつ
>やっぱ素材集めの気力がわかないというか…
それならもう自分の声で良いのでは……？

漫画の台詞読ませるだけだとやっぱ台本読んでる感がつよい

この技術のおかげでエロMMDとかコイカツのボイスが無い動画に吹き込めてありがたい…
それまでは同人のエロボイスを切り取ったりして使ってたから大変だった

irodoriは音声参照させちゃうと演技の幅が縮まるよね

自分の声を録音して音声参照や

>irodoriは音声参照させちゃうと演技の幅が縮まるよね
演技のシチュエーションにあった素材が用意出来たらいいんだけどマイナーキャラだと難しいのがね

>自分の声を録音して音声参照や
自分より活舌がいい…