Skip to content

Releases

Release v0.3.0

Choose a tag to compare

@smorce smorce released this 20 Aug 01:00

Release Header

🚀 IRIS v0.3.0 リリースノート

📋 概要

IRIS v0.3.0 は、自動リリースノート生成のための構成を追加する主要なリリースです。

✨ 新機能

  • 🎉 自動リリースノート生成機能の構成を追加しました。(commit: 761e871) 🟢 🔄

🛠 改善点

  • 🚀 リポジトリサマリーファイルの無視設定を更新しました。(commit: 761e871) 🟢 🔄
  • 🚀 GitHub Actions ワークフローの依存関係を更新しました。(commit: 761e871) 🟢 🔄
  • 🚀 リポジトリサマリーファイルの無視設定を更新しました。(commit: 761e871) 🟢 🔄

👏 謝辞

  • smorce に感謝します。 🟢

📒J.U.I.C.E. v0.2.0 リリースノート

Choose a tag to compare

@smorce smorce released this 01 Aug 17:07

a-captivating-3d-rendering-of-a-whimsical-adorable-jRoCA42gSD6klhE-SnjOkg-wWViHCTqQqKf1dpYLyndkA

リリース日: 2024-08-02

このリリースでは、ユーザーエクスペリエンスの向上と新機能の追加に重点を置いています。主な変更点は以下のとおりです。

新機能

  • アバター画像の更新: より魅力的なアバター画像 stela2_removebg.png を採用しました。
  • アイドル時の動画更新: アバターが待機状態の際に表示される動画を stela2_idle.mp4 に更新しました。
  • 自動メジャーバージョンタグ付け: auto_tag_major.sh スクリプトを追加し、メジャーバージョンアップ時に自動的にタグ付けできるようにしました。
  • 自動マイナーバージョンタグ付け: auto_tag_minor.sh スクリプトを追加し、マイナーバージョンアップ時に自動的にタグ付けできるようにしました。

変更点

  • ソース管理の効率化: .SourceSageignore ファイルに不要なファイルとフォルダを追加し、ソース管理を効率化しました。
  • ステータス表示の改善: 接続状態や処理状況をより明確に表示するため、ステータス表示のスタイルを改善しました。
  • 音声認識の精度向上: 音声認識処理を改善し、認識精度を向上させました。
  • GPT応答の改善: GPTの応答内容をより自然で魅力的なものにするため、プロンプトを調整しました。
  • 音声合成の安定化: 音声合成処理の安定性を向上させました。
  • ストリーミング終了時の処理: ストリーミング終了時に適切なメッセージを表示するようにしました。
  • ビデオフレーム監視の安定化: ビデオフレーム監視処理の安定性を向上させました。

修正

  • ビデオフレーム監視のエラー処理: ビデオフレーム監視処理で発生する可能性のあるエラーを適切に処理するようにしました。

その他

  • いくつかの内部的なリファクタリングとコードのクリーンアップを行いました。

既知の問題

  • 現在、音声認識は日本語にのみ対応しています。
  • 音声合成は、ElevenLabs の特定の音声に限定されています。

今後の予定

  • より高速なレスポンス

謝辞

このリリースに貢献してくれたすべての皆様に感謝いたします。特に、貴重なフィードバックを提供してくれたユーザーの皆様に感謝いたします。

📒J.U.I.C.E. v0.1.0 リリースノート

Choose a tag to compare

@smorce smorce released this 29 Jul 17:47

CbB-bqYIS5y-sBY6_Z935w

公開日: 2024年07月30日

JUICE (Just Unlimited Intelligent Conversational Engine) は、リアルタイムなAI会話システムを構築するためのソフトウェアです。このバージョンでは、主要な機能の開発と、将来の拡張に向けた基盤作りに重点を置きました。

新機能

  • 低遅延のリアルタイムAI会話システムの初期バージョンを実装しました。
  • 音声認識、言語モデル(LLM)、テキスト読み上げ(TTS)、アバター生成といった主要技術を活用しました。
  • ユーザーがリアルなデジタルアバターと自然な会話を開始できるよう設計しました。
  • シームレスで自然なユーザー体験を目指しました。

変更点

  • D-ID APIキーとOpenAI APIキーの読み込みをapi.jsonから行うようにしました。
  • startSpeechRecognition()関数でブラウザのWeb Speech APIを使用して音声認識を開始するようにしました。
  • 認識されたテキストはgetGPTResponse()関数に渡されるようにしました。
  • getGPTResponse()関数はOpenAI APIを使用して、認識されたテキストに対するGPTの応答を生成するようにしました。
  • synthesizeSpeech()関数は ElevenLabs の Turbo v2.5 を利用して、GPTの応答テキストを音声に変換するようにしました。
  • sendScriptToDId()関数は音声URLをD-ID APIに送信し、動画生成をリクエストするようにしました。
  • 各ステップの進行状況はstatusLabelに表示するようにしました。
  • ストリーミングされていない間は、playIdleVideo()関数で設定された画像が表示されるようにしました。

修正された問題

  • 今回は最初のリリースなので、修正された問題はありません。

既知の問題

  • 各APIの利用方法、エラー処理などは、それぞれの公式ドキュメントを参照してください。

今後の予定

  • 今後のバージョンでは、ユーザーエクスペリエンスを向上させるための新機能の追加や、より多くのユースケースに対応するための拡張を予定しています。
  • 特に、感情分析やパーソナライズされた応答の生成など、AI会話の質を高める機能の開発に力を入れていきます。

開発について

このリポジトリのリリースノートやREADME、コミットメッセージの9割近くは、claude.ai や ChatGPT4 を活用した AIRA、SourceSage、Gaiah、HarmonAI_II で生成しています。