English · 简体中文 · 日本語

最初に失敗した段階と実際のエラーから調べます。依存関係／設定変更前に保存し、修正後は短い文章で試します。Resetは作業中データと設定を削除し、通常の修復操作ではありません。

ホーム · 更新とバックアップ

• Pinokioの Terminal、起動途中なら Starting で出力を読みます。
• 実行タスクのタブでログを読みます。Reports → Runs は履歴、Review Checkpoints は残っているレビューの確認用です。
• OS、GPU／ドライバー、導入方法、操作、モデル、最初の完全なエラー、リビジョンを記録します。
• チェックアウト直下で python env_doctor.py。追加環境は --voice-tools、構造化出力は --json。
• Voice Labの Copy diagnostics／Download diagnostics は機密除去済みでも公開前に点検します。キー、非公開本文、録音、不要な個人パスを除きます。

環境検査は音声生成やGPU互換性の実測ではありません。この翻訳はコード／UI参照で、実行試験はしていません。

台本生成中のモデルの応答はすべて logs/llm_responses.log（レビューは logs/review_responses.log）にあります。隣の *.requests.log には各応答を生んだリクエストが request= ID で対応付けて記録され、問題の応答を再現できます。報告に添付する前に、非公開の本文が含まれていないか確認してください。

1. ターミナルの最初のtraceback、ModuleNotFoundError、ImportError、Address already in useを確認。
2. 基本 Install が完了したか。アプリは app/env を使い、任意のPATH上のPythonではありません。
3. 依存不足は停止して Reinstall。OS固有PyTorchを無関係なパッケージで上書きしません。
4. 追加attention wheelはCPython 3.10が必要です。新規は3.10ですが既存環境は作り直されません。環境再作成前にバックアップします。
5. 直接起動のポート競合は競合サービスを止めるか空き ALEXANDRIA_PORT を指定。Pinokioは現在のリンクを使います。

Dockerはコンテナーログ、NVIDIA runtime、ループバック公開を確認します。付属ComposeはAMD用汎用構成ではありません。インストールを参照してください。

Test Connection は保存しません。LLM Location の切り替え後も Save Configuration を押して結果を待ちます。読み込み警告は Retry loading configuration で解決してから上書きします。ALEXANDRIA_CONFIG_PATH と ALEXANDRIA_DATA_DIR により既定 app/config.json と使用先が異なる場合があります。付属 Start LLM は既定ファイルを編集するため、独自パスではSetupで手動確認します。

1. APIサーバー起動と対象モデル読み込み。
2. Base URL がOpenAI互換API（通常 /v1）でバックエンドから到達可能か。
3. Model Name が正確な提供IDか。更新アイコンで確認。
4. API Key が正しいか。env:NAME の変数が実行プロセスにあるか。
5. Test Connection のURL検証、一覧取得、生成要求のどこが失敗したか。
6. 成功後に保存し、短い生成または Test this book with the LLM。

Dockerのlocalhostはコンテナーです。転送URLがローカルに見えても Runs on this machine's GPU? は実際の計算場所に合わせます。

構造化回答と原文保持を検査します。接続できてもJSON不正、本文不足、思考過程、誤注釈があり得ます。

• 指示追従モデルと対応する推論／非推論設定を使い、<think> 禁止だけに頼りません。
• 未対応のcustom headers/bodyを除いて切り分けます。
• 文脈／出力上限を確認し、短い文章と控えめな設定で試します。
• エラーとチェックポイントを削除せず確認します。同じ不正回答の再試行だけでは時間／料金が増える場合があります。
• 手動方式は最終回答だけを貼り付けます。

スクリプトと確認、接続・費用・送信先を参照してください。

手動方式で Test Connection／Test this book with the LLM は使いません。現行のテストは通常の手動応答に非対応で、表示されない回答待ちになる場合があります。Cancel book test 後、短い文章を通常の Generate Annotated Script で処理し、Your turn → Copy prompt → Model reply → Submit reply を使います。

再試行回数を増やす前に提供元を確認します。Minimum interval (seconds) は間隔、Request timeout (seconds) は待ち時間を調整しますが、誤キー／不正要求は直りません。When retries run out の停止／待機後は接続を直して再開します。failoverは外部・有料先に切り替え得るので両プロファイルを確認します。

Windowsは Pause/Resume に非対応です。スクリプト生成はCancel停止後のGenerateで互換チェックポイントから再開できますが、すべての高度なタスクや変更済み入力に当てはまるとは限りません。

モデル取得・読み込み・kernelウォームアップの可能性があります。ターミナル、通信、ディスクを確認します。Compile Codec は現在効果がないため、初回の遅さの原因ではありません。

取得エラーは通信、容量、Hugging Faceの状態を確認します。重みはGitとは別です。アクセス／レート制限で必要なら正当な HF_TOKEN を使い、公開しません。ミラーは取得ファイルや認証情報の信頼先を変えます。未知のミラーや信頼できない送信先にトークンを渡さず、破損と分からないキャッシュを削除しません。

起動警告とPyTorch構成を確認します。Device: auto はCUDA/ROCm → MPS → CPUです。GPUをPyTorchが使えない場合はドライバー／ビルド／環境の不一致を調べます。

• AMD/Linux：実際のGPUとROCm。cuda 名はROCmでも使います。
• AMD/Windows：現行resolverはDirectMLを使いません。
• Apple Silicon：PyTorchのMPS利用可能判定が必要ですが、モデル動作保証ではありません。
• 後のインストールでPyTorchが置き換わった場合、適切なプロジェクトインストーラーで確認し、汎用indexから無条件更新しません。

ハードウェアの注意点を読み、他人の速度を自分の保証にしないでください。

1. Setupの Parallel Workers と Max Items/Batch を下げます。
2. 他のGPU処理とLLM共有を確認。
3. Runs on this machine's GPU? を正しく設定。誤ったNoは競合を許す場合があります。
4. Compile Codecは現在速度に効果がないため無効のままにします。Auto-configureでGPUに合うバッチ数を選びます。
5. Review Script が「GPUメモリーが既に満杯」としてすぐ停止したら、メモリーを空けて（例：保持しているモデルをアンロード）から再開します。
6. 少数のpending行で再試行。

Render Pendingは対応するローカルバッチを自動選択します。Voice Design／ensembleは逐次なのでworkerを増やしても万能ではありません。CPUは遅く、長い処理には不向きな場合があります。音声生成を参照してください。

明瞭な参照と実発話の正確な書き起こしを使います。3～30秒と品質検査の具体的結果を確認します。ファイルはアプリ側から読める必要があり、ノートPCのパスはサーバー／コンテナーから自動で読めません。声と録音の権利も確認します。CloneはCustom/LoRA/Voice Designのようには行の読み方を使わず、指示変更だけで悪い参照は直りません。声に従い代表行を聴きます。

外部は TTS Mode: external、Gradio URL、起動状態、External call timeout (s) を確認します。Custom/Clone対応で、ローカル限定の声はローカルTTSが必要です。ローカルは最初の読み込み／生成エラー、メモリー、該当話者設定を確認します。失敗／欠落チャンクを解決せず結合を繰り返さないでください。

MP3対応FFmpegが必要です。POSIXシェルでは：

ffmpeg -encoders 2>/dev/null | grep mp3

Windowsは ffmpeg -encoders で libmp3lame などを確認します。複数導入があればアプリ環境が使う実体を確認します。行音声はWAVへ代替する場合がありますが、結合MP3にはencoderが必要です。有効な音声を削除せずFFmpegを直します。出力ガイドも参照してください。

停止して Install Voice Tools (Optional)、その後 python env_doctor.py --voice-tools。

• Preparerは通常preparer_envを使い、別Voice Lab環境は自動的な完全代替ではありません。
• primary GGUFは実在パスが必要です。optional/default from Setupというラベルに頼らないでください。
• 話者分離には互換pyannote、トークン、Community-1アクセスが必要です。付属導入はLinux AMDのみ。
• Profileにはllama-cpp-pythonとGGUF、Trainには選択Pythonの学習依存関係。
• 入力変更の警告は再度事前検査し、迂回しません。
• コンパイラー／SDKエラーは画面更新だけでは直りません。

追加ツールを参照します。

UTF-8と対象版を確認し、原本を保持します。既知の問題はメモリー内で修復される場合がありますが、未解決は報告されます。結合承認前に差分を読み、欠落や話者を確認します。API成功は忠実な朗読の証明ではありません。

リビジョン、導入方法、OS/GPU、関連設定、操作、期待と実際の結果、最初のエラー、短いサンプルでも起きるかを記載します。実行していない試験を成功と報告しないでください。全設定、非公開／著作権のある本、他人の録音を不用意に添付せず、必要な部分の機密を除いた短いログから始めます。

英語版の確認元（元の確認リビジョンを保持）： 8c7a33cb310ab9264594a09ca27e48271585094f: README troubleshooting, launcher startup, UI controls, device resolution, LLM connection test, manual requests and book preflight, environment diagnostics.