Home JA

Alexandria Audiobook2 日本語 Wiki

English · 中文入門 · 日本語

Alexandria Audiobook2 は本を登場人物ごとに異なる声で読み上げ、MP3 や章付き M4B に書き出すアプリです。LLM が台本の話者と演技指示を付け、Qwen3-TTS が音声を生成します。

この Wiki の日本語ページは、現在のアプリの利用ガイドです。研究成果と実験条件は英語の正本にリンクしています。研究中の目標や特定のテストでの結果は、任意の本の品質を保証しません。

ここから始める

日本語 READMEでインストールし、最初のオーディオブックを試してください。オリジナルの短い日本語サンプルを保存してアップロードし、CustomVoice のプリセットで音声を生成・結合して MP3 をダウンロードします。研究の文書は初回利用の前提ではありません。

オーディオブックを作る

• Setup と LLM サーバー：接続、推論、コンテキストとメモリー。
• 台本生成：3 段階の処理、レビュー、プロンプト、復旧。
• 声の種類：CustomVoice、Clone、LoRA、Voice Design、状態別ペルソナ。
• 声の説明と演技指示：説明文と instruct の使い分け。
• バッチ生成：音声生成の仕組みと設定。
• 編集と書き出し：行の編集、試聴、結合、MP3 / M4B / Audacity。
• トラブルシューティング：ログ、LLM、GPU、音声の問題。

自分の声を作る

• Dataset Builder：1 サンプルずつ試聴して学習データを構築。
• LoRA 学習ガイド：録音の形式、学習設定、試聴と採用。

リファレンス

• API ガイド：curl の例、状態確認、認証、正本への案内。
• 文書一覧（英語）：追加の利用・運用ガイド。

研究と開発の正本（英語）

モデル選び、結果、プロンプトとアダプター、評価手順、Thunder 運用、Hugging Face リリースを参照してください。GOALS、RECIPES、実験索引は、目標、再現手順、個別の成果物を記録します。

アダプターは学習したプロンプトで評価してください。異なるプロンプトでの結果は、元の条件での結果とは区別する必要があります。

インストールの確認

アプリには実 API を使う検証スイートがあります。通常は、空の専用データ領域で使い捨てのアプリを起動する方式を選びます。

cd app
python run_isolated_api_tests.py
python run_isolated_api_tests.py --full

通常モードは TTS / LLM 不要で、設定、アップロード、台本ライブラリー、声、行、状態確認、Designer、LoRA 一覧、Dataset Builder、エラー処理などを検証し、実行・スキップ件数を表示します。--full は生成も検証するため、GPU と LLM が必要です。

起動中のアプリを対象にする python -m tests.test_api --url http://127.0.0.1:<port> は、対象アプリのアップロード、台本、声の設定を作成・削除します。普段使うデータで安易に実行しないでください。app から -m で実行する必要があり、python tests/test_api.py の直接実行は ModuleNotFoundError: utils になります。

通常モードの成功が確認するのは、そのスイートが通るモデル不要の API 経路です。モデルのロード、GPU、生成品質、すべてのプロバイダーや本の動作までは保証しません。

---

利用ガイドは元の Alexandria Wiki を基に、このフォークの現行動作に合わせています。リポジトリ · Issues