Troubleshooting JA

トラブルシューティング

日本語ホーム · English

まず Script の Generate 下の活動表示、logs/api/<task>-latest.log、logs/llm_responses.log・logs/review_responses.log を確認します。各応答を生んだリクエストは隣の *.requests.log に request= ID で記録されています。活動表示は待機理由、試行、残り時間を示します。ランチャーのログは logs/api/start.js/latest、関連セッションは logs/sessions/ です。Pinokio の起動問題は READMEを参照してください。

台本生成

失敗する・応答が不正

Base URL でサーバーに到達できるか、Model Name がロード中のモデルと一致するか確認し、Test Connection を実行します。更新ボタンでモデル一覧を確認できます。実際の応答は logs/llm_responses.log（生成）または logs/review_responses.log（レビュー）にあり、そのリクエストは対応する .requests.log にあります。JSON schema を有効にし、推論モデルは low とサーバー側の予算を使います。<think> を禁止しないでください。

コンテキストが足りない

プロンプト、出力、推論の合計を確認します。8k は常に不十分なのではなく、32k も常に安全ではありません。エラーとトークン数を見て、対象段階の文章量、行数、文脈、レビュー範囲を減らすか、モデルと VRAM が許す範囲で容量を増やします。

LM Studio の最適化はモデル別のガード付き設定で、ローカルのフォールバックは 8,192 です。コンテキスト設定を参照し、Test this book with the LLM を使ってください。サンプル成功は全行の保証ではありません。

Idle・一時停止

活動表示でモデル待ち、レート制限のバックオフ、再試行を確認します。長く応答しない場合は Setup で接続テストをします。When retries run out → pause で一時停止した実行は Resume を待ちます。Windows の Pause は無効ですが、Cancel と Resume failed run は使用できます。

名前の揺れ

登場人物一覧はリクエスト間で引き継がれます。Find Nicknames と Edit aliases を使うか、Editor や Saved Scripts の話者修復で修正します。

API が使えない

How requests are sent を manual にします。manual_llm/pending.json にリクエストを書き出し、Script のパネルでプロンプトをコピーして応答を貼り付けます。

音声生成

ダウンロードが遅い・止まる

初回に Hugging Face からモデルを取得します。0% のままならネットワークやプロキシを確認します。未完了ファイルをキャッシュから削除して再試行するか、download_model.py でアプリ外から取得できます。HTTP 429 は Hugging Face アカウントのアクセストークンを HF_TOKEN に設定する方法があります。

制限のあるネットワーク向けに、英語ガイドは起動前の HF_ENDPOINT=https://hf-mirror.com、または start.js の shell.run の env: { HF_ENDPOINT: "https://hf-mirror.com" } を紹介しています。必要な場合に利用するダウンロード先を指定してください。

ロード失敗

logs/api/audio-latest.log の最初の traceback と空き GPU メモリーを確認します。最後の手段として Device を cpu にできますが、低速です。AMD APU は自動で fp32 を使うため、bf16 の強制指定を解除してください。

Clone / LoRA / Voice Design

• Clone：参照のパス、正確な文字起こし、5–15 秒の明瞭な音声を確認。約 7 秒より短い参照は不安定になりやすく、Designer の声はプレビューだけでなく保存が必要です。
• LoRA：学習完了、プロジェクトからの相対パス lora_models/<adapter_id>、Voices の更新を確認します。
• 学習した声が止まらない：学習率が高すぎる・過学習の可能性があります。既製の声を使い、1e-6 で再学習して epochs を見直します。学習ガイドを参照してください。
• Voice Design：説明は年齢・声質など、指示は感情・読み方に分け、矛盾を避けます。
• 外部 TTS：Gradio の URL と起動状態を確認。1 行ずつのリクエストで、CustomVoice / Clone に対応します。Voice Design / LoRA やローカルのバッチ処理には local が必要です。

速度と VRAM

Auto-Configure → Compile Codec → Sub-batching から始め、VRAM に余裕があれば Parallel Workers を増やします。初回はロードとコンパイルに時間がかかります。バッチ生成を参照してください。

LLM が別の場所にある場合は Provider request options の Runs on this machine's GPU? を No にします。同じ GPU 上にあるならメモリーを共有するため、その分を見込んでください。

メモリー不足なら Parallel Workers と Max Items/Batch を下げ、他の GPU アプリを閉じます。開始前の検査後に別プロセスがメモリーを使う場合もあります。学習は GPU を専有し、アプリがモデルをアンロードします。声の種類の切り替え時は追加のメモリーが一時的に必要になることがあります。

2 回目のバッチが止まる場合はメモリー断片化も確認します。アプリはサブバッチ間で解放処理をしますが、続く場合はバッチを小さくするか、大きな実行の間に再起動します。AMD の MIOpen workspace 警告はアプリが自動対処します。

出力音声と文章

428 バイト程度の MP3 は ffmpeg の欠落・エンコード不可を確認します。Pinokio または app/env で起動してください。手動確認の例：

ffmpeg -encoders 2>/dev/null | grep mp3

CustomVoice は seed を変えるか、ランダムにして試せます。指示の矛盾や体の動作の記述を避け、恒常的な声質は固定記述へ、感情は行の指示へ置きます。LoRA は学習データに感情の幅を含めます。

文字化けはアップロード時の修復、Saved Scripts の修復プレビュー、UTF-8 を確認します。’ のような文字化けが対象です。記号的な仮名など読み上げられない文字を TTS の前で除く動作もあります。

学習と Windows

loss が 10 より高い場合は WAV、文字起こし、参照音声を確認し、学習率を上げて解決しないでください。単調な声は感情を増やし、rank 8–16 も試します。学習の停止・クラッシュは最初の CUDA / ROCm エラーと GPU の専有状態を確認し、バッチ設定を見直します。

Windows のファイルロックエラーが続く場合は Parallel Workers を下げ、プロジェクトファイルを開いているエディターやファイルブラウザーを閉じます。アプリは原子的な保存とバックオフ付き再試行を行います。

インストールの検証

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

空の専用データ領域のアプリで検証します。通常モードはモデル不要の API 経路、--full は GPU と LLM が必要な生成も対象です。通常モードが通っても生成や GPU の動作を保証しません。普段使う起動中のアプリを検証する方式はデータを変更するため、ホームの注意点を先に確認してください。