Skip to content

Releases

Voix-là 0.20.2

Choose a tag to compare

@mawena mawena released this 17 Nov 09:38

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.sources ni sa clé /usr/share/keyrings/voix-la.gpg : il dépend de
    mawena-depot, qui installe la source et la clé du dépôt unique. Un simple sudo 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.sh du site qui lance désormais cet installateur). L'ancien dépôt
    https://mawena.github.io/Voix-la/apt reste en ligne jusqu'à mai 2027.

Voix-là 0.20.1 — fuite de mémoire de l'interface corrigée

Choose a tag to compare

@mawena mawena released this 12 Nov 08:07

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

Choose a tag to compare

@mawena mawena released this 11 Nov 18:18

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 .srt et les .lrc suivent. Réglage paroles_bilingue, désactivable.

  • Voix affinée dans le doublage : doubler --affinee auto|oui|non (clé affinee). Le chant d'une voix affinée par
    affiner passe 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 si affinage_pret est vrai (doubler --config affinage_pret oui), une fois
      l'affinage jugé bon à l'écoute. oui force l'essai, non s'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 affinage par voix) et la sortie disent quelle voix a pris quel modèle.
    • Avec --calcul modal ou runpod, oui est refusé (« Kaggle seulement pour l'instant ») et auto garde 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_ia et 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 dans rapport.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.

Voix-là 0.19.0 — historique des sessions GPU, quota lu avant d'envoyer, frise à N voix

Choose a tag to compare

@mawena mawena released this 11 Nov 15:44

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-quota l'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.

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

Choose a tag to compare

@mawena mawena released this 10 Nov 19:01

Ajouté

  • De deux à six voix par vidéo : --voix chanteur1:a,chanteur2:b,chanteur3:c… (jusqu'à chanteur6) 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=voix avec N voix, --passage N=a+c (plusieurs voix ensemble), deux
      (toutes). Avec plus de deux voix, --versions-duo vaut utiles par 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 et doubler --help à jour.

Voix-là 0.17.2 — page Doubler corrigée, nouvelle page d'accueil, installation en une ligne

Choose a tag to compare

@mawena mawena released this 10 Nov 18:16

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, .deb en dernier recours.

Modifié

  • scripts/publier-apt.sh publie tout le contenu de site/ à la racine de gh-pages (et non plus seulement
    index.html), sans jamais toucher à apt/.

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 dans scenario().

Voix-là 0.17.1 — source APT limitée à amd64

Choose a tag to compare

@mawena mawena released this 10 Nov 17:44

Corrigé

  • Dépôt APT : la source posée par le paquet déclare Architectures: amd64, pour qu'apt update ne signale plus
    l'absence de paquets i386 sur un système qui accepte aussi le 32 bits (le paquet, en all, est toujours trouvé).

Voix-là 0.17.0 — calcul sur Modal ou Runpod quand Kaggle n'est pas disponible

Choose a tag to compare

@mawena mawena released this 10 Nov 17:17

Ajouté

  • Doubler ailleurs que sur Kaggle quand Kaggle n'est pas disponible (file « queued » sans fin, quota épuisé, refus) :
    option --calcul kaggle|modal|runpod|auto et clé calcul de la configuration (kaggle par défaut, donc rien ne change
    sans demande). --gpu garde son sens (le nombre de cartes). Le MÊME noyau kaggle/doubler_kaggle.py tourne partout :
    seuls ses chemins d'entrée et de sortie se déplacent, par DOUBLER_ENTREES et DOUBLER_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 ; carte modal.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
      volume voix-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) : --reprendre la
      clôt proprement.
    • Runpod (calcul_runpod.py), payant, jamais automatique : un pod RTX 4090 (image PyTorch officielle, SSH sur
      22/tcp, runpodctl 3, ssh et scp). Le pod est toujours supprimé : finally côté PC (essais, vérification),
      minuterie dans le pod posée avant tout envoi (runpodctl et $RUNPOD_POD_ID après runpod.duree_max_min, 90 min par
      défaut), pods nommés voix-la-…, et doubler --nettoyer-runpod qui supprime les restes de ce nom, jamais d'autres
      pods. --reprendre suit 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 de kaggle.attente_file_min, 20 min par défaut). En basculant, doubler dit que la version
      Kaggle reste en file et donne le lien de son notebook à annuler sur le site (l'outil kaggle ne sait pas l'annuler,
      et doubler n'appelle jamais kaggle 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.

Voix-là 0.16.0 — affinage de la voix sur son chant, dépôt APT signé

Choose a tag to compare

@mawena mawena released this 10 Nov 16:48

Ajouté

  • Dépôt APT signé sur GitHub Pages (https://mawena.github.io/Voix-la/apt) : apt upgrade installe les nouvelles
    versions. Clé dédiée « Voix-là APT (mawena) » (data/apt/), publication par make apt / scripts/publier-apt.sh
    (index all et amd64, anciennes versions conservées), page d'accueil dans site/. Le paquet pose lui-même la source
    /etc/apt/sources.list.d/voix-la.sources et 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 de voix/<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 privé kaggle/affiner_kaggle.py, rapatrie et
      range le point de contrôle dans voix/<nom>/affinage/ ; --essai fait tout sauf l'envoi, --reprendre finit un
      affinage interrompu, --etat affiche la fiche, --evenements suit l'avancement ;
    • interface, page Voix : le bouton « Affiner ma voix sur mon chant… » (à partir de 2 min de chant exploitable) ajoute un
      travail affinage à 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 clé affinage_pret de config.json n'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.py et la page de manuel affiner(1) ; scripts/build-deb.sh
      vérifie la version de affiner et la présence de ces fichiers dans le paquet ;
    • Limite : doubler n'utilise pas encore la voix affinée (Seed-VC 44k avec repli zéro-shot : voir docs/affinage.md).

Voix-là 0.15.0 — transposition de la chanson dans la tessiture de la voix

Choose a tag to compare

@mawena mawena released this 10 Nov 11:11

Ajouté

  • Transposition de la chanson dans la tessiture de la voix cible (--transposer auto|non|N, clé transposer de la
    configuration, auto par 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_dt pour 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 de banc/realisme/, copiée dans
      le noyau) ; chaque voix reçoit musique_dt plus 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.json du 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 (réglages zone) ;
    • 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 dans travail/instrumental_transpose_<dt>.wav
      (--remix la 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, doubler avertit avant l'envoi, ne transpose pas, et la voix garde l'octave seule ; le paquet
      Debian dépend de librubberband2 et installe transposition.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) et doubler l'affiche. --remix suit cette décision ;
      --transposer non --remix ne 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, --transposer parmi
      les options suivies. Page de manuel, doubler --help et 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.