Rendering and Export ja JP - on22s/Side-Story GitHub Wiki

English · 简体中文 · 日本語

音声生成・編集・書き出し

Editor で確認済み本文と声から音声を生成し、Result でMP3や他の形式を取得します。準備はスクリプトと声、設定問題はインストールと問題の切り分けを参照します。

本全体の前に試聴する

語り手、主要人物、長い文、珍しい名前、強い感情の行を Gen で生成して聴きます。脱落、繰り返し、発音、不要な音、速さ、声を原文と照合します。緑の done は生成音声が存在する状態で、品質の証明ではありません。

全体の声が違うならVoicesを修正し、1行だけならその行を修正します。通常のクローンはCustom/LoRAと同じようには読み方指示に応じません。

チャンクを編集する

各行には Speaker、Text、Delivery、Status、Audio / Actions があります。

  • Speakerを選び直し、Textに実際の発話、Deliveryに読み方を設定します。意図して変更する場合を除き原文を保持します。
  • 展開矢印の Pause after (ms) は空欄なら通常の休止、0 ならそのチャンク後に追加休止なしです。
  • Insert line below は同じ話者の空行を追加します。生成前に本文を入れます。
  • Delete line は削除します。直近削除の短時間の Undo は長期の回復手段ではありません。
  • Gen でその行を生成／再生成します。

欄の変更時に保存され、生成時にも現在の欄が保存されます。本文・話者・読み方の変更は旧音声を切り離し pending に戻すため再生成が必要です。休止だけの変更は組み立て時に反映され、TTS再生成は不要です。

保存失敗なら入力を保持し、解決してから生成します。Editor編集は作業中チャンク状態にあり、Scriptの Save Current では保存されません。本の切り替え前にバックアップします。

残りの音声を生成する

Render Pending は空でなくdoneでもないチャンクを処理します。

  • ローカルは対応する声をバッチ生成します。Custom、Clone、LoRAは対応し、Voice Designとensembleは逐次生成します。
  • 外部TTSは設定サーバーへの並列要求を使います。

主画面にStandard／Batch (Fast)の別ボタンはありません。Regenerate All は完了済みを含む全非空行を再生成し、既存音声の置き換え前に確認します。

Cancel は停止要求です。停止完了と行状態を待ちます。完了分は保持され、Render Pendingで残りを再開できます。ブラウザー接続が切れただけで重複生成を開始せず、実行タスクと更新した行を確認します。成功・失敗・キャンセル・未完了の数を読み、必要な全行を直してから結合します。空行は生成でスキップされます。

メモリーとバッチ

Setupの Parallel Workers はローカルの外側バッチ／外部の同時要求数、Max Items/Batch はローカル小バッチの上限です。0は推定値を使います。Auto-configure は12〜20 GBのGPUでParallel Workersを4にします（RX 9070 XTの実測で2より約23%速く、Whisper再現率は同等、試聴確認済み）。小さく始め、メモリー不足なら下げます。同じGPUのLLMにも余裕を残します。

Compile Codec は現在効果がありません（固定版のqwen-tts 0.1.1ではデコードがコンパイル対象外のため、速度は変わりません）。無効のままにします。Batch Seed はローカルのCustom/Clone/LoRAバッチ用で、すべての声や環境の完全再現を保証しません。速度は自分で計測します。

生成結果を確認する

Text integrity

保存済みEditor本文と利用可能な原文の追加・脱落・置換を確認します。音声内の言葉は検査しません。スクリプトJSONだけでは元の文章を照合できない場合があります。Needs delivery review があれば指示を点検し、必要なら Retry delivery only 後に音声を再生成します。

声のずれ

Check Voices はSpeechBrain/ECAPAで声のずれの可能性を示します。SpeechBrainは現行の基本依存関係に含まれ、アプリ環境を優先します。古い／独自環境では互換Pythonが必要で、Voice Lab設定のPythonは代替候補です。ネイティブVoice Toolsの追加は前提ではありません。not measured は未測定で、合格／不合格ではありません。

Cloneは参照音声、LoRAはアダプターの参照サンプルと比較します。Custom、Voice Design、ensembleはその話者の最初の完了チャンクを基準にします。後者の低いずれは生成チャンクとの一貫性で、独立した録音との一致ではありません。

flagged only で指摘行を聴き、必要ならGenで再生成します。検査は自動再生成しません。参照なしや未指摘の行も耳で確認します。

連続再生と休止

Play Sequence は行の音声を順に試聴します。全行の音声存在や結合結果を保証しません。結合／出力はSetupの Speaker Change Pause（初期500 ms）、Same Speaker Pause（初期250 ms）を使い、行の Pause after (ms) が上書きします。最後の行の後に遷移用休止は追加しません。

MP3を結合する

  1. 必要な全行の本文と音声を確認。
  2. Merge All。
  3. Continue with this source text? の一致／差分／照合不可を読みます。意図しない差分はキャンセルして直し、確認後だけ Continue with text を選びます。
  4. Resultが開いたらGeneration Logsの完了結果を待ちます。実行中は Cancel Merge が使えます。
  5. 最終音声を再生し Download MP3。

確認後に原文やチャンクが変わると再確認を求められます。結合や書き出しは不完全な結果でもファイルを作る場合があります。 欠落／破損チャンクを飛ばした数が結果／ログに出ます。ファイルやDoneだけで全行収録と判断せず、スキップ警告を調べます。

章付きM4B

結合後に M4B Export Options を開きます。

  1. Title、Author、Narrator、Year、Description を入力。
  2. 任意の Cover Image をアップロードし、結果を待ちます。使用権限のある画像を使います。
  3. Per-chunk chapters を無効なら章の自動検出、有効なら各生成チャンクに移動マーカー。
  4. 必要なら Require ready で声のReadyを要求。
  5. Export M4B で完了を待ちます。実行中は Cancel M4B。

AAC音声、メタデータ、章マーカーを含みます。Chapter、Part、Prologue、Epilogueなどの見出しや一部の構造的な語り手タイトルを認識し、見つからなければチャンクごとの章になります。本の目次との完全一致を仮定せず、プレーヤーで確認します。Require readyはユーザーの声マークを検査し、音声完全性は検査しません。AAC M4Bと埋め込み章対応のプレーヤーを使います。

章を個別ファイルにする

Chapter-by-Chapter Export で：

  1. Format：MP3またはWAV。
  2. Filename template：{chapter_number}、{chapter_name}、{book_name}、{series_name}、{volume_number} が使用可能。拡張子は自動追加。
  3. Number padding とテンプレートに使う本・シリーズ・巻を入力。
  4. Chapters (optional) に 1, 3, 5-7 のように指定。空欄なら全部。
  5. Per-chunk と Require ready を必要に応じて指定。
  6. Changed only は初期状態で有効です。前回以降に追跡対象音声／休止が変わった章を出力し、変化のない既存章ファイルを再利用できます。本文／読み方変更には先に音声再生成が必要です。全章を作り直すなら無効にします。
  7. Preview names で名前と数を確認し Export chapters。
  8. 個別ダウンロードまたはこの欄の Download all (zip)。

章検出はM4Bと同じです。Changed onlyで0件なら新規変更がない可能性があります。既存一覧を確認するか無効にして再出力します。ファイル名プリセットはブラウザー保存なので、移行前に付近の操作でエクスポートしてください。

Audacity

Resultの Export to Audacity でZIPを取得します。project.lof、チャンク注釈の labels.txt、話していない箇所が無音の話者別全長WAVが含まれます。

展開したファイルをまとめて保持し、Audacityで project.lof を開き、File → Import → Labels から labels.txt を読み込みます。トラックを同時再生すると時系列を再構成しますが、出力の音声スキップ警告も確認します。

必要なファイルを保持する

主MP3操作横の Download All (zip) は存在する主MP3とM4Bをまとめます。未作成M4Bの生成、Audacity ZIPの収録、全プロジェクトの保存は行いません。章出力には別のZIPがあります。

本文・声・休止の変更後は必要な音声と出力を作り直します。キャンセル／失敗後も以前の出力が残る場合があるため最新タスク結果を確認します。行音声は voicelines/ に安定したチャンクIDと話者名で保存され、単純な順番番号ではありません。順番はEditor／メタデータで確認します。MP3変換失敗時にWAVが残る場合があります。

別スクリプトをLoadする前に出力を取得します。編集可能な状態はバックアップ、他のガイドはホームへ。

参照元

英語版の確認元（元の確認リビジョンを保持）： 8c7a33cb310ab9264594a09ca27e48271585094f: Editor and Result controls, render and export UI, export and readiness routes, voice-drift references, speaker-analysis environment, and chunk edits, pauses, chapter detection, and audio assembly.