Repository navigation
Releases
Voix-là 0.20.2
Modifié
- Passage au dépôt APT unique de mawena, https://apt.mawena.cloud/. Le paquet ne fournit plus sa source
/etc/apt/sources.list.d/voix-la.sourcesni sa clé/usr/share/keyrings/voix-la.gpg: il dépend de
mawena-depot, qui installe la source et la clé du dépôt unique. Un simplesudo apt update && sudo apt upgrade
fait passer une machine existante au nouveau dépôt ; l'ancienne source est retirée proprement (rm_conffile). - Installation :
curl -fsSL https://apt.mawena.cloud/installer.sh | sudo sh -s -- voix-la(README, page de
présentation,installer.shdu site qui lance désormais cet installateur). L'ancien dépôt
https://mawena.github.io/Voix-la/aptreste en ligne jusqu'à mai 2027.
Voix-là 0.20.1 — fuite de mémoire de l'interface corrigée
Corrigé
- Interface : fuite de mémoire à chaque résultat ouvert (1,4 Go après 44 min, 20 à 70 Mo par détail ouvert puis
quitté). Une page de détail quittée n'était jamais libérée : ses widgets GTK étaient reliés à ses méthodes par des
fermetures (signaux, raccourcis, fonction de dessin, minuteurs) et à elle par leurs attributs, une boucle que le
ramasse-miettes de Python ne peut pas défaire quand l'arbre de widgets est tenu côté C. Elle est maintenant démontée
(gui/commun.demonter) dès qu'elle est oubliée : signaux branchés depuis Python débranchés, raccourcis et fonctions de
dessin retirés, liens vers la page coupés. Le spectrogramme ne reste plus accroché au gestionnaire de styles de
l'application (gui/visualisations.py). Mesure et essai :tests/mesure_memoire.py,tests/test_memoire_interface.py.
Voix-là 0.20.0 — paroles bilingues, voix affinée, voix des vidéos
Ajouté
-
Paroles d'un refrain bilingue : une phrase dont la langue est douteuse est retranscrite dans ses deux langues les
plus probables, puis on garde la version la plus sûre. Une phrase est jugée douteuse dans trois cas :- Whisper n'est pas sûr de sa langue ;
- le lissage a changé sa langue ;
- elle est isolée entre deux voisines d'une autre langue.
La version la plus sûre est celle qui a la meilleure log-probabilité moyenne par jeton, avec une pénalité si le texte
tourne en boucle. Plafond : 12 phrases et 20 % de la durée chantée, mais la phrase la plus douteuse passe toujours. La
traduction française, les.srtet les.lrcsuivent. Réglageparoles_bilingue, désactivable. -
Voix affinée dans le doublage :
doubler --affinee auto|oui|non(cléaffinee). Le chant d'une voix affinée par
affinerpasse par Seed-VC 44 kHz chargé avec son propre point de contrôle, au lieu des poids de base. Le point de
contrôle est vérifié par sa somme SHA-256, puis envoyé dans le jeu de données privé de la session, sur Kaggle seulement.auto(défaut) ne s'en sert que siaffinage_pretest vrai (doubler --config affinage_pret oui), une fois
l'affinage jugé bon à l'écoute.ouiforce l'essai,nons'en passe.- Avec plusieurs voix, chaque voix décide seule. Si le point de contrôle est absent ou abîmé, ou si son chargement est
refusé, les poids de base servent, sans échec. - Le rapport (clé
affinagepar voix) et la sortie disent quelle voix a pris quel modèle. - Avec
--calcul modalourunpod,ouiest refusé (« Kaggle seulement pour l'instant ») etautogarde les poids
de base. - Interface : la page Doubler propose « Utiliser ma voix affinée » quand la voix choisie en a une.
-
Voix des vidéos :
doubler --voix-depuis <doublage> <nom> [--chanteur N]garde comme voix cible la voix d'un
chanteur d'un doublage fini (une par chanteur en duo ou à N voix), sans nouvelle session GPU.- La voix est prise dans
travail/voix_source.wav, sur les meilleurs passages où ce chanteur chante seul (ni
unisson, ni chœurs, ni duo, ni muet), assemblés en 15 à 30 s et nettoyés comme avec--ajouter-voix. - Garde-fous « voix d'artiste, usage privé » : la fiche de la voix porte
origine: video,imitation_iaet la
mention, et un avertissement s'affiche à la création. Les doublages faits avec cette voix portent « imitation par
IA » dans le commentaire du mp4, du mkv ou du mp3, et dansrapport.json. - Interface : « Garder cette voix » (une ligne par chanteur) dans les résultats, avec une case d'usage privé à cocher ;
badge « Voix d'une vidéo · imitation IA » dans la page Voix.
- La voix est prise dans
Voix-là 0.19.0 — historique des sessions GPU, quota lu avant d'envoyer, frise à N voix
Ajouté
- Journal durable des sessions GPU : doubler et affiner écrivent chaque session dans
~/.local/state/voix-la/sessions-gpu.jsonl. Ce fichier est en ajout seul : une ligne au départ, une à la fin. Chaque
ligne note le fournisseur (Kaggle, Modal ou Runpod), le noyau, le début, la fin, la durée, les cartes ou la machine, le
statut (réussie, échouée, annulée, abandonnée) et la commande. Aucun chemin ni nom de vidéo. Si l'écriture échoue, le
doublage continue. - Quota de la semaine : l'interface lit ce journal en plus des rapports, des travaux et des fichiers de session, sans
compter deux fois la même session. Le compte survit au ménage des dossiers. - Quota Kaggle lu avant de pousser un noyau (doubler, affiner) : une ligne l'annonce, par exemple « Kaggle : 20 h de
GPU restantes cette semaine, remise samedi… ». Un avertissement s'affiche si le quota est épuisé ou trop bas pour la
session estimée.- En
--calcul auto, doubler passe à Modal avant même d'envoyer le son ;--sans-quotal'en empêche. - « Lancer quand même » dans l'interface passe
--sans-quota, pour que le doublage parte bien sur Kaggle. - Si la lecture échoue, le doublage continue avec un avertissement.
- En
Corrigé
- La frise d'octave montre chaque chanteur d'un doublage à trois voix cibles ou plus sous son nom (« Chanteur 3 → voix
cible ») et dans sa propre couleur, la même que dans la frise « Voix de chaque passage », au lieu de « Voix inconnue » en
ambre ; l'infobulle, la légende et l'indication de lecture suivent.
Voix-là 0.18.0 — de deux à six voix par vidéo, en chant et en parole
Ajouté
- De deux à six voix par vidéo :
--voix chanteur1:a,chanteur2:b,chanteur3:c…(jusqu'àchanteur6) pour des chanteurs
de même genre,--voix personne1:a,personne2:b,…pour des personnes (chant comme parole) ;homme:/femme:et les
doublages à une ou deux voix ne changent pas (tests « comme avant » verts). Le premier qu'on entend prend la voix 1, le
suivant la voix 2, etc.- Chant : les empreintes des morceaux sont regroupées en N chanteurs (k-moyennes sphériques, lissage de Viterbi à N
états, section de 3 s au moins) ; un groupe n'est retenu que s'il est assez séparé et assez présent, sinon N − 1
chanteurs, jusqu'au duo ou à la voix seule d'avant. Une octave par chanteur, un seul décalage de musique pour toutes les
voix, passages chantés ensemble reconnus chanteur par chanteur (ressemblance aux N centres et hauteur). - Parole : diarisation par les empreintes CAMPPlus déjà dans le noyau (fenêtres glissantes de 1,5 s, regroupées en
personnes, changements de personne placés au creux d'énergie et ajoutés aux coupes), puis chaque personne est convertie
avec sa voix (Seed-VC 22 kHz). Choix justifié dans le README (pyannote écarté : poids à accès conditionné ; NeMo : lourd
ou limité à 4 personnes). Les chevauchements restent un seul flux, dans la voix de la personne dominante. - Correction à la main :
--passage N=voixavec N voix,--passage N=a+c(plusieurs voix ensemble),deux
(toutes). Avec plus de deux voix,--versions-duovaututilespar défaut (toutes: N fois la conversion). - Interface : la page Doubler choisit 2 à 6 voix (« Nombre de voix », chanteurs ou personnes dans l'ordre, gardés dans
interface.json), la frise « Voix de chaque passage » a six couleurs et une légende, le menu de correction une ligne
par voix, la bibliothèque et les travaux nomment « A, B et C ». - Durée estimée (
estimer_noyau_s) avec N voix ; page de manuel etdoubler --helpà jour.
- Chant : les empreintes des morceaux sont regroupées en N chanteurs (k-moyennes sphériques, lissage de Viterbi à N
Voix-là 0.17.2 — page Doubler corrigée, nouvelle page d'accueil, installation en une ligne
Ajouté
- Nouvelle page d'accueil (
site/, https://mawena.github.io/Voix-la/) : accroche, ce que Voix-là change et garde, schéma de
la chaîne de traitement, visite de l'application avec de vraies captures (données inventées), fonctions, installation
par APT avec boutons « Copier », mise à jour, vérification de la clé, usage responsable (« imitation par IA »), crédits et
licences (YingMusic et NLLB : usage non commercial). Statique, sans traqueur ni CDN, claire et sombre, adaptée au
téléphone ; police Bricolage Grotesque (SIL OFL) servie depuis le site. - Installation en une ligne :
curl -fsSL https://mawena.github.io/Voix-la/installer.sh | sudo sh(site/installer.sh:
clé, dépôt, installation). README réorganisé : une ligne, pas à pas, mises à jour,.deben dernier recours.
Modifié
scripts/publier-apt.shpublie tout le contenu desite/à la racine degh-pages(et non plus seulement
index.html), sans jamais toucher àapt/.
Corrigé
- Interface : la page Doubler levait une erreur (
NameError) à chaque ouverture de l'application depuis la 0.17.0,
en lisant le moyen de calcul choisi dans les préférences ; le choix « Calcul » de la page reprend bien la préférence. - Interface (essais sous Xvfb) : les scénarios « puis-… », « pause », « retour », « fermer » et « ab » du détail d'un
doublage, déplacés par erreur dans l'essai du clavier lors d'une fusion, sont remis dansscenario().
Voix-là 0.17.1 — source APT limitée à amd64
Corrigé
- Dépôt APT : la source posée par le paquet déclare
Architectures: amd64, pour qu'apt updatene signale plus
l'absence de paquets i386 sur un système qui accepte aussi le 32 bits (le paquet, enall, est toujours trouvé).
Voix-là 0.17.0 — calcul sur Modal ou Runpod quand Kaggle n'est pas disponible
Ajouté
- Doubler ailleurs que sur Kaggle quand Kaggle n'est pas disponible (file « queued » sans fin, quota épuisé, refus) :
option--calcul kaggle|modal|runpod|autoet clécalculde la configuration (kagglepar défaut, donc rien ne change
sans demande).--gpugarde son sens (le nombre de cartes). Le MÊME noyaukaggle/doubler_kaggle.pytourne partout :
seuls ses chemins d'entrée et de sortie se déplacent, parDOUBLER_ENTREESetDOUBLER_SORTIE(Kaggle par défaut).- Modal (
calcul_modal.py,calcul_modal_hote.py) : application éphémère (with app.run()) lancée avec le client
installé dans~/modal-venv; cartemodal.gpu(L4 par défaut ; A10, A100-40GB,L4:2…) ; mêmes versions de
bibliothèques que le noyau Kaggle (Python 3.13, torch 2.11.0, transformers 5.20.2…) ; modèles publics seulement dans le
volumevoix-la-modeles(doubler --calcul modal --preparer-outils, l'équivalent du noyau d'outils de Kaggle). Le son
et la référence de la voix passent par un volume éphémère supprimé par Modal à la fin, et sont effacés du conteneur.
Une session interrompue ne se reprend pas (l'application s'arrête avec le PC, rien n'est facturé) :--reprendrela
clôt proprement. - Runpod (
calcul_runpod.py), payant, jamais automatique : un pod RTX 4090 (image PyTorch officielle, SSH sur
22/tcp,runpodctl3,sshetscp). Le pod est toujours supprimé :finallycôté PC (essais, vérification),
minuterie dans le pod posée avant tout envoi (runpodctlet$RUNPOD_POD_IDaprèsrunpod.duree_max_min, 90 min par
défaut), pods nommésvoix-la-…, etdoubler --nettoyer-runpodqui supprime les restes de ce nom, jamais d'autres
pods.--reprendresuit le pod, rapatrie, puis le supprime. - auto : Kaggle d'abord, puis Modal si Kaggle n'est pas disponible (jeton absent, refus, quota épuisé, accès refusé,
ou « queued » au-delà dekaggle.attente_file_min, 20 min par défaut). En basculant,doublerdit que la version
Kaggle reste en file et donne le lien de son notebook à annuler sur le site (l'outilkagglene sait pas l'annuler,
etdoublern'appelle jamaiskaggle kernels delete). - La durée et le coût sont estimés selon la carte, en dollars (estimations, pas des mesures : à corriger après les
premiers essais réels) ; les rapports des sessions Modal et Runpod ne servent pas à estimer Kaggle. - Confidentialité : la référence et l'empreinte de la voix ne sont gardées ni sur Modal (le volume des modèles ne
contient que des modèles publics) ni sur Runpod (le pod est supprimé) ; le dossier local envoyé est effacé. - Interface : « Secours » (Réglages > Doublage) branché sur Modal et Runpod, réglage « Calcul du GPU », ligne « Calcul »
de la page Doubler avec la durée et le coût estimés en dollars ; un doublage sur Modal ou Runpod ne passe pas par le
quota de Kaggle.
- Modal (
Voix-là 0.16.0 — affinage de la voix sur son chant, dépôt APT signé
Ajouté
-
Dépôt APT signé sur GitHub Pages (https://mawena.github.io/Voix-la/apt) :
apt upgradeinstalle les nouvelles
versions. Clé dédiée « Voix-là APT (mawena) » (data/apt/), publication parmake apt/scripts/publier-apt.sh
(index all et amd64, anciennes versions conservées), page d'accueil danssite/. Le paquet pose lui-même la source
/etc/apt/sources.list.d/voix-la.sourceset la clé/usr/share/keyrings/voix-la.gpg. -
Affinage de la voix sur son chant (commande
affiner, pas encore essayée pour de vrai : aucune session Kaggle n'a
encore tourné). Apprend le timbre chanté d'une voix sur 5 à 10 min de son chant, par un court entraînement de Seed-VC
44,1 kHz sur le GPU gratuit de Kaggle (recherche, guide d'enregistrement et plan d'intégration au doublage dans
docs/affinage.md) :affiner [nom]lit les prises devoix/<nom>/chant/(celles de la séance d'enregistrement), quels que soient leur
format et leur fréquence (m4a, aac, mp3, wav, ogg, opus, 3gp, amr, flac : ffmpeg les convertit), les contrôle sur le PC
(saturation, bruit de fond, silence, niveau ; alerte sous 16 kHz), n'envoie que les prises retenues (2 min de chant
exploitable au moins) dans un jeu de données privé, puis suit le noyau privékaggle/affiner_kaggle.py, rapatrie et
range le point de contrôle dansvoix/<nom>/affinage/;--essaifait tout sauf l'envoi,--reprendrefinit un
affinage interrompu,--etataffiche la fiche,--evenementssuit l'avancement ;- interface, page Voix : le bouton « Affiner ma voix sur mon chant… » (à partir de 2 min de chant exploitable) ajoute un
travailaffinageà la file, avec suivi par étapes et annulation, comme un doublage ; il reste désactivé avec la
mention « en préparation : l'essai réel n'est pas encore fait » tant que la cléaffinage_pretdeconfig.jsonn'est
pas vraie ; « Reprendre l'affinage » ; badge « affinée » sur une voix qui a un point de contrôle ; nouveau module
voixla/affinage.py; - paquet Debian :
affiner,affiner.py,kaggle/affiner_kaggle.pyet la page de manuelaffiner(1);scripts/build-deb.sh
vérifie la version deaffineret la présence de ces fichiers dans le paquet ; - Limite :
doublern'utilise pas encore la voix affinée (Seed-VC 44k avec repli zéro-shot : voirdocs/affinage.md).
Voix-là 0.15.0 — transposition de la chanson dans la tessiture de la voix
Ajouté
- Transposition de la chanson dans la tessiture de la voix cible (
--transposer auto|non|N, clétransposerde la
configuration,autopar défaut). Mesuré avec les proches de la voix cible : ils ne la reconnaissent que lorsque la
voix convertie chante près de sa zone naturelle (reconnue à 174 et 219 Hz, pas de 246 à 295 Hz, pour une zone vers
190 Hz). Une chanson hors de la tessiture est donc transposée EN ENTIER, musique comprise, comme un changement de
tonalité au karaoké :- le noyau choisit un seul nombre entier de demi-tons
musique_dtpour toute la chanson, le plus petit possible,
de −5 à +5, qui range au mieux la voix convertie dans la zone de la voix cible (règle debanc/realisme/, copiée dans
le noyau) ; chaque voix reçoitmusique_dtplus son octave (−12, 0 ou +12, règle d'avant inchangée) ; en duo, un
seul décalage minimise l'écart total des deux voix à leur zone ; parole : jamais ; - la zone vient de
tessiture.jsondu dossier de la voix, sinon de deux fois sa hauteur de parole, ±4 demi-tons ;
elle part au noyau avec les autres données de la voix (réglageszone) ; - sur le PC, la musique seule est transposée par Rubber Band R3 (nouveau module
transposition.py, par ctypes sur
librubberband.so.2), à l'échantillon près, avant le mixage, et gardée danstravail/instrumental_transpose_<dt>.wav
(--remixla réutilise). Le doublage et « Beat seul » sont sur la musique transposée ; « Original » et « Voix
d'origine seule » ne le sont jamais ; l'auto-tune détecte sa gamme sur la musique transposée ; - sans
librubberband.so.2,doubleravertit avant l'envoi, ne transpose pas, et la voix garde l'octave seule ; le paquet
Debian dépend delibrubberband2et installetransposition.py; - la décision est dans
rapport.json(transposition:musique_dt, décalage et octave par voix, médianes avant et
après, zone, raison ;mix.transposition: ce que le PC a fait) etdoublerl'affiche.--remixsuit cette décision ;
--transposer non --remixne peut pas changer la voix sans reconvertir, et le dit sans erreur ; - interface : l'interrupteur « Transposer la chanson dans ma tessiture » (allumé par défaut, avec info-bulle) sur la page
Doubler, la ligne « Chanson transposée de −3 demi-tons pour ta voix » dans le détail d'un résultat,--transposerparmi
les options suivies. Page de manuel,doubler --helpet README mis à jour ; l'estimation de durée n'a pas changé. - Limites : le Karaoké, le partage et les pistes reconstruites par l'interface lisent encore
travail/instrumental.wav
(non transposé) ; un rap sur un fond tonal passe en mode chant et est transposé comme lui.
- le noyau choisit un seul nombre entier de demi-tons