First Audiobook ja JP - on22s/Side-Story GitHub Wiki

English · 简体中文 · 日本語

最初のオーディオブックを作る

最初の目標は、短い英語の地の文をRyanプリセットで読み、MP3を確認することです。 本全体の前にオリジナルの3文サンプルを使います。Download raw file で保存するか、次の英文をUTF-8の first-audiobook.txt にコピーしてください。

The rain stopped just before dawn. A small bird landed on the garden gate. By the time the kettle sang, the sky was bright.

このサンプルはリポジトリのMITライセンスで提供されるオリジナルです。会話がなく、語り手だけで操作を学べます。日本語版でも初回手順は英語サンプルのままにして、声と言語の組み合わせを保持しています。

1. Setup

LLMの設定に従い、起動済みLLMを接続します。Test Connection の後に Save Configuration を押します。テストだけでは保存されません。TTS Mode → Local Model (built in)、Device → Auto (best available)、TTS Language → English を選びます。Runs on this machine's GPU? は実際の実行先に合わせ、変更後に再度保存します。

確認： 接続テストが成功し、設定保存が完了していること。

5段階の手順図。アプリのスクリーンショットではありません（英語）

図は手順と確認点を示しており、生成成功の証拠ではありません。各確認点はこのページに日本語で記載しています。

2. Script

Select Book/Novel (Text, Markdown, or EPUB) でサンプルを選ぶと自動アップロードされます。任意の語り手欄は空にし、Generate Annotated Script を押します。

確認： 生成が終了し、3文が保持され、結果が地の文になっていること。音声の単位（チャンク）の数は変わる場合があります。

3. Voices

語り手のカードで Custom voice → Ryan を選び、キャラクタースタイルは空にします。saved を待ちます。

確認： Ryanが選択されたままで、未保存の警告がないこと。

4. Editor

最初の行で Gen を押して試聴します。問題なければ Render Pending を押します。

確認： すべての行に再生可能な音声があり、失敗／未完了の行がないこと。Text integrity は保存されたテキストと原文を照合する機能です。発話そのものは検査しないため、脱落や繰り返しも耳で確認します。

5. Editor → Result

Merge All を押し、原文との照合確認を読みます。意図しない差分があればキャンセルして直します。Result で再生し、Download MP3 を押します。

確認： ダウンロードしたファイルが開き、3文が順にすべて入っていること。欠落／破損チャンクを飛ばしてファイルが作られる場合があるため、ログも確認します。

失敗したらその段階で止めてください。 接続はLLMの設定、初回TTS取得やエラーはPinokioの Terminal と問題の切り分けを確認します。最初の音声生成は重みの取得が必要なら時間がかかります。

外部LLMには注釈用の本文、外部TTSには音声生成の入力が送られます。利用権限のある本と声を使ってください。Save Current は完全なバックアップではありません。 Editorだけで行ったチャンク編集、音声、書き出しは含まれません。本を切り替える前に作業をバックアップします。

最初のMP3の後に

安全に中断・再開する

  • Generate Annotated Script は互換性のあるチェックポイントから再開します。Start over はその本文の保存済み生成進捗を破棄します。
  • Save snapshot は実行中ジョブの完了部分を保存します。全体が完成した本ではありません。
  • 音声生成はキャンセル完了を待ち、後で Render Pending で未完了分を生成します。
  • Load は作業中のスクリプトとチャンクを置き換え、現在の書き出しを消去します。切り替える前にバックアップしてください。

エラー時はログを保持し、重複タスクを開始する前にトラブルシューティングを確認してください。

参照元

英語版の確認元（元の確認リビジョンを保持）： 8006baa05294139de4d64eb16683b6c77624cb9a: core walkthrough, current interface, saved-script behavior, and audio assembly.