Repository navigation
Installation ja JP
通常のデスクトップ環境にはPinokioを使います。基本のインストールにはアプリとローカルQwen3-TTS実行環境が含まれます。Setup → Script → Voices → Editor → Result はネイティブVoice Toolsを追加せずに進められます。
ホーム · 次へ：LLMの設定、最初のオーディオブック
- モデルと作業領域の容量を確保してください。 TTSの各モデルは初回使用時にダウンロードされ、種類ごとに数GB必要です。Python/PyTorch環境、別途用意するLLM、本、参照音声、生成音声にも容量が必要です。作業中の使用量は完成MP3より大きくなります。
- 注釈付けの実行先を決めてください。 自動処理には到達可能なOpenAI互換LLMサーバーが必要です。外部サーバー、ホスト型API、手動コピー＆ペーストも使えます。アプリのインストールはLLMをダウンロードしません。
- 短い文章から始めてください。 実用的な音声生成にはGPUを推奨します。必要メモリーはモデル、声の種類、バッチ数、併用する処理で変わり、万能な安全値や生成速度はありません。
- 利用権限のある素材を使ってください。 外部LLMには本文と文脈、外部TTSにはクローン用参照音声と書き起こしなどが送られます。LLMの設定と声を参照してください。
- Pinokioをインストールします。
-
Download に
https://github.com/on22s/Side-Storyを貼り付けます。 - ダウンロードしたアプリで Install を選び、完了を待ちます。同じチェックアウトで別のインストーラーを同時実行しないでください。
- Start、表示された Open Web UI の順に選びます。Pinokioが空きポートを選ぶため、表示されたURLを使います。
- Setup を設定し、Save Configuration で保存してから短いサンプルを試します。
新規インストールはCPython 3.10の app/env を作成し、OS別のPyTorchを先に導入します。その構成の制約を記録してから、アプリの依存パッケージと qwen-tts==0.1.1 を導入します。既存環境は自動的に作り直されません。
Starting のままならターミナルの最初のエラーを確認してください。Reset は作業中データと設定を削除するため、通常の修復には使わないでください。問題の切り分け、バックアップを参照してください。
これは公開ソースにある導入・デバイス選択の説明です。すべてのGPU、ドライバー、OS、モデルの動作を保証するものではありません。
| 環境 | 導入される構成 | 注意点 |
|---|---|---|
| Windows/LinuxのNVIDIA | PyTorch 2.7.0、CUDA 12.8 | 対応GPUとドライバーが必要です。追加のattention wheelはPythonとOSの組み合わせにも依存します。 |
| LinuxのAMD | PyTorch 2.10.0、ROCm 7.0、triton-rocm 3.6.0 |
インストーラーが明記する検証対象はRX 9070 XT / RDNA4です。すべてのAMDカード／APUへの保証ではありません。 |
| WindowsのAMD | DirectMLパッケージを含みますが、アプリはCUDA/ROCm、MPS、CPUを選択 | この導入方法でAMD GPUによるTTS高速化は期待しないでください。CPUまたは別の対応環境を使います。 |
| Apple SiliconのmacOS | PyTorch 2.7.0、利用可能ならMPS | PyTorchの利用可能判定は全処理の動作や速度を保証しません。短いサンプルで確認してください。 |
| IntelのmacOS | 旧版PyTorch 2.2.2、CPUへのフォールバック | 環境と短いサンプルを確認してから本全体に進みます。 |
| その他のCPU環境 | CPU | 長い本には時間がかかる場合があります。先に短い文章で計測してください。 |
まず Device: auto を使います。CUDA/ROCm → MPS → CPUの順に選ばれます。ROCmでもPyTorchのデバイス名は cuda です。その名前だけでAMD環境の誤設定とは判断できません。この翻訳作業ではアプリ、GPU、モデル取得、音声生成を実行していません。
DockerとNVIDIA Container Toolkitが必要です。付属ComposeはAMD向けの手順ではありません。
git clone https://github.com/on22s/Side-Story.git
cd Side-Story
docker compose up --buildDockerホストで http://localhost:4200 を開きます。イメージのベースはPyTorch 2.8.0/CUDA 12.8で、Pinokioの固定版とは異なります。基本の実行環境を導入しますが、ネイティブVoice Toolsのビルドや preparer_env の作成は行いません。
付属マウントは data/runtime（作業状態・レポート・出力）、data/uploads、data/scripts、data/designed_voices、data/clone_voices、data/lora_models、data/lora_datasets、data/dataset_builder、data/output（生成した行の音声）、data/config（設定）を保持します。Hugging Faceモデルは名前付き hf_cache ボリュームに保持します。
Composeを変更してもこれらを維持してください。docker run を使うなら /alexandria/runtime と /alexandria/config を自分で永続化します。再ビルドはバックアップではありません。更新前にバックアップを確認してください。
コンテナー内の localhost はコンテナー自身です。ホスト上のLLMには、コンテナーから到達可能なアドレスを使います。
既定のポート公開は 127.0.0.1:4200:4200 です。コンテナー内は転送用に 0.0.0.0 で待ち受けますが、ホスト側はループバックのみです。認証は既定で無効です。別のインターフェース、トンネル、リバースプロキシで公開する前に：
-
ALEXANDRIA_AUTH_PASSWORDを実行環境に設定します。Basic認証の既定ユーザーはalexandria、変更にはALEXANDRIA_AUTH_USERNAMEを使います。 - 信頼できるローカルネットワーク外ではHTTPSを使います。
- ドメインには
ALEXANDRIA_ALLOWED_HOSTSを設定します。別オリジンのブラウザーAPIアクセスには、正確なオリジンをCORS_ORIGINS（カンマ区切り）に設定します。これはCORSとリクエストのオリジン検査の両方に使われます。ALEXANDRIA_ALLOWED_ORIGINSは検査だけを拡張し、それだけではCORSを許可しません。 - パスワードをイメージ、リポジトリ、共有Compose、診断投稿に含めないでください。
ホスト／オリジン検査は認証や暗号化の代わりにはなりません。
- Colabノートブックの手順に従ってください。GPUの利用可否とセッション制限はColab側に依存します。
- 導入済み環境では
app/からアプリ用Pythonでpython app.pyを実行できます。既定ポートは4200、変更にはALEXANDRIA_PORTを使います。 - 追加ツールはネイティブPreparer/Voice Labや付属 Start LLM に必要な場合だけ導入します。
英語版の確認元（元の確認リビジョンを保持）： 8c7a33cb310ab9264594a09ca27e48271585094f: README, core installer, PyTorch installer, device resolver, Dockerfile, Compose, app security configuration.