arale-bot（仲町アラレ Discord 語音 bot）

大家好！我是仲町アラレ！

在 Discord 被 @ 時，會用角色口吻的日文回覆，並透過 Irodori-TTS + 情緒別 Speaker Inversion 發出語音訊息（OGG）。

私人非商用粉絲專案。角色與 BanG Dream！YUME∞MITA / 夢限大 MewType 相關 IP 歸原權利人所有；本 repo 僅供學習與同好自架。

倉庫：https://github.com/Lanternko/arale-bot
本 repo 只含可自架產線（bot + TTS server + SI embedding）。不含動畫語料、直播 raw、訓練中間檔。

---

你需要什麼

元件	需求
Discord bot	Node.js ≥ 20、自己的 Bot Token、至少一個 LLM API key
TTS	NVIDIA GPU（建議 ≥8GB VRAM；bf16 暖載約 5–7GB）、Linux 較省事
磁碟	程式 <1MB；Irodori 權重 + codec 約 2.5GB（HF 自動下載）

沒有 GPU： 仍可只跑文字模式（ARALE_REPLY_MODE=text），或把 TTS_SERVER_URL 指到別人代開的 TTS（自行承擔安全風險）。

---

目錄

bot/                         # Discord bot（npm start）
server/tts_server_irodori.py # Irodori + SI 推理 API :8055
server/start_tts_irodori.sh  # 啟動腳本
data/tts/irodori_ft/si_*/    # 各情緒 Speaker Inversion（final only）
docs/                        # 交接 / benchmark 筆記

---

1. 安裝 TTS（GPU 機）

1.1 Irodori-TTS 環境

# 任選路徑；以下以 ~/Irodori-TTS 為例
git clone https://github.com/Aratako/Irodori-TTS.git ~/Irodori-TTS
cd ~/Irodori-TTS
# 依 upstream README 建 venv 並安裝依賴（需 CUDA + torch）
# 完成後應有：~/Irodori-TTS/.venv/bin/python

權重首次請求時會從 Hugging Face 拉：

• Aratako/Irodori-TTS-500M-v3
• Aratako/Semantic-DACVAE-Japanese-32dim

1.2 啟動本 repo 的 server

git clone https://github.com/Lanternko/arale-bot.git
cd arale-bot

export TTS_VENV=$HOME/Irodori-TTS/.venv
export TTS_IRODORI_REPO=$HOME/Irodori-TTS   # 若 server 預設路徑對不上再設
export TTS_IRODORI_PRECISION=bf16             # 省 VRAM
export TTS_IDLE_UNLOAD_SECS=600               # 閒置 10 分卸載；常駐改 0

bash server/start_tts_irodori.sh
curl -s http://127.0.0.1:8055/health | python3 -m json.tool | head
# 期望 backend=irodori、mood_embed 有 announce/calm/excited…

停止時只殺明確 PID（避免 pkill -f 誤傷）：

ps -eo pid,args | grep tts_server_irodori
kill <pid>

---

2. 安裝 Discord bot

cd arale-bot/bot
npm install
cp .env.example .env
# 編輯 .env：DISCORD_TOKEN + 至少一個 AI_*_API_KEY
# TTS 若在本機：TTS_SERVER_URL=http://127.0.0.1:8055

npm run test:pure   # 不需 token / GPU
npm start           # node arale.js

Discord 權限與 intent 見 bot/.env.example 註解。

---

3. Mood → 聲音（摘要）

mood	SI embedding	用途
announce	si_arale	（預設）正面的直播聲線
calm	si_calm	敘事，平靜敘述、否定或講解
happy	si_arale	小開心
excited / hyper	si_excited（直播版本）	真的感興趣的話題
shy	si_shy_gold	害羞
nervous	si_scared_gold	短緊張；長句易「夾」
scared	si_arale	害怕（未通過測試，不使用）
laughy / sad	si_laughy / si_slow	笑 / 難過

細節與人耳判決見 docs/HANDOFF_irodori_live_2026-07-09.md、docs/BENCHMARK_irodori_2026-07-09.md。

---

4. 架構

@mention
  → LLM（reply + speech[] 最多 2 段 mood）
  → POST http://TTS/tts  → OGG
  → Discord 語音訊息（Attach Files）

• 語音文為完整日文口語（約 ≤220 字），不是舊版 72 字精華。
• 同 mood 長文 CHUNK_MAX_CHARS=200 盡量 one-shot，避免句中切塊音高跳。

---

5. 常見問題

VRAM 被佔滿？
預設 bf16 + 閒置 10 分卸載。常駐：TTS_IDLE_UNLOAD_SECS=0。

聲線不像 / 太夾？
先看 log 的 mood= / embed=。否認 AI 應用 calm，不要整段 nervous。

只想文字？
ARALE_REPLY_MODE=text，可不開 TTS。

能不能商用？
不行。粉絲自架、個人娛樂；請遵守 Discord / 各 API / 原作權利。

---

6. 開發備註

cd bot && npm run test:pure   # 轉譜 / mood / salvage
# test:e2e 需本機 TTS + 可選真 token

上游實驗與語料 pipeline 不在本公開倉庫；需要自行訓練 SI 請另尋 Irodori 文件與自己的授權語料。

---

License / 免責

• 程式碼以學習交流為目的提供；無保證、無 SLA。
• 角色形象、名稱、聲線皆屬原權利人；請勿用於商業或誤導為官方 bot。
• 使用第三方 API / 模型時遵守其服務條款。

有問題請開 GitHub Issue。祝安裝順利——これからよろしくね！