AIGCPanelのワンストップAIデジタル人用デスクトップアプリがv2.5.0バージョンをリリースし、これまでGPUがないユーザーにとって無力だったクラウド音声機能を実際にデスクトップに接続しました。今回のアップデートの核となるポイントは非常に明確です：AIモデルページの「他のモデル」のエントリーポイントに、火山エンジンのDouBao音声またはアリババクラウドのDashScopeのAPI Keyを入力するだけで、クラウド音声モデルがすぐに利用可能になります。ローカルにGPUが一つもないユーザーでも、クラウドソリューションで高品質な音声合成を行うことが可能です。

Keyの入力は非常に手間がかかりません。ソフトウェアは保存前に「こんにちは、これは音声試聴です」という文章を合成して確認し、インターフェースが正常に動作していることを確認した後のみ保存が許可されます。これにより、ユーザーが後にタスクでエラーログを探して苦労する必要がありません。この背後には、メインプロセスによって管理される音声プロバイダー登録表があります。各ベンダーは自分のHTTPインターフェースを統一されたsoundTts呼び出しに適合させれば、簡単に接続できます。DouBao音声はX-Api-Key認証を使用し、返却されるのは複数のJSONパケットで構成された単方向のストリームであり、ソフトウェアはセグメントを解析して完全なオーディオに再構築する必要があります。一方、アリババクラウドはDashScopeのqwen-ttsを使用し、オーディオリンクやbase64データを返します。今後新しいベンダーを追加する場合は、1つのproviderファイルを作成すれば済みます。

image.png

本当の変化は、「音声」が散らばっていた設定から一貫した体系に収束したことです。デジタル人の側では「音声トーン」と呼ばれ、ライブ配信の側では「ライブトーン」と呼ばれ、それぞれ別々のライブラリを持っています。どちらも音声合成や音声クローンのトーンを追加でき、保存前には直接再生できます。両方のトーンは別々のテーブルに格納され、お互いに影響を与えません。音声クローンの参照オーディオは再録音または再アップロードする必要があります。対応するテキストと組み合わせて、以前のデジタル人のトーンライブラリを再利用することはできません。過去のように「このクローンの音声は誰が偏らせたのか」という議論はもう起こりません。追加ポップアップの右側には使い方の説明が丁寧に記載されています：クローンの録音要件、合成の操作ガイドなどが表示されます。

バックエンドにはVoiceService工場と2つのストレージ識別子SoundVoiceおよびLiveVoiceが存在します。各トーンの記録にはタイプ、モデル識別子、パラメータ、参照オーディオパスが保存されています。トーンの再生とライブ配信のリアルタイム合成は同じsynthesize()呼び出しチェーンを使用しており、結果は完全に一致しています。さらに素晴らしいのは、ライブ配信でトーンを変更する際にはライブサービスを動かす必要がない点です。クライアントはVoice:プレフィックスを持つプロバイダ名を公開するだけで、それ以外のルーティングは内部で処理されます。今後新しいトーンを追加する際には、ライブ端末で1行のコードさえ変更する必要がありません。ライブ設定では選択されたトーンを優先的に使用し、選ばれていない場合は古い音声駆動設定に戻ります。古いユーザーの既存設定は有効のままです。

ライブコントロールコンソールにも目が付きました。上部に新設された「モデル制御」領域では、ライブモデルの起動・停止、実行状態の確認が可能です。隣接する「モデルログ」ボタンをクリックするとリアルタイムログが表示されます。まだライブモデルをインポートしていない場合、ここでは自動的に提示され、一括でAIモデル画面にジャンプします。以前は「ライブモデルが起動したかどうか」を確認するためには複数のページを切り替えていたものが、今では1つの領域ですべて確認可能です。実装上も特別な仕組みを使わず、モデルリストからライブ機能を持つレコードを抽出し、ステータスアイコンやログの表示は既存のコンポーネントを再利用しています。

UIの細かい部分が全面的に磨き直されました。ポップアップの内容は自然に高さが調整され、小さなウィンドウでも画面外に溢れることはありません。左側のナビゲーションで選択されている項目はブランドブルーの薄い背景色に変更され、ダークモードも明るく調整されています。無効状態のボタンは薄い灰色の背景に中程度のグレーソース文字が表示され、見づらいという問題は解消されました。いくつかの厄介なバグも修正されました。一般的なモデルタスクが異常終了した際に誤って成功と判定されていた問題は、今では本当に結果が出ているかを検証するように改善されました。一部のエラーメッセージが英語インターフェースで中文で表示されていた問題も修正されました。また、新しいWindowsでwmicによるエラーが発生していた問題も同時に解決されました。