# ធាតុទី 3: ផ្តល់ជីវិតដល់ពិឃាតកាស​​របស់អ្នក 🎤 ![ឡាប៣](../../../../translated_images/km/lab3.b009c55c4442250b.webp) ## ការសម្រួលចុងក្រោយ អ្នកបានស្រាវជ្រាវប្រធានបទ។ អ្នកបានសរសេរស្ទាត់_SCRIPT។ ឥឡូវសម្រាប់កំពូលដែលមានផ្លែ៖ បម្លែងអត្ថបទរបស់អ្នកទៅជាសម្លេងពិឃាតកាសពិតជាមួយសំលេងដែលស្រដៀងនឹងមនុស្ស! ណែនាំទៅកាន់ **VibeVoice** — ជា TTS (text-to-speech) មកពី Microsoft Research ដែលបើកចំហរដែលបង្កើត: - 🎭 សំលេងដូចមនុស្សធម្មតា - 👥 អ្នកនិយាយច្រើននាក់ (រហូតទៅ 4!) - ⏱️ សម្លេងរយៈពេលយូរ (រហូតដល់ 90នាទី!) - 🎵 ការច្រេីនដែលមានអារម្មណ៍ (មិនមែនជាសម្លេងយន្តប្រូប!) នេះជាបច្ចេកវិទ្យាគ្រប់ក្រោមខាងក្រោយនៃពិឃាតកាសសינתេតិក។ យើងាធ្វើរបស់អ្នកឲ្យបាន! ## VibeVoice គឺអ្វី? (អ្វីដែលគួរឱ្យទាក់ទាញ) VibeVoice គឺជាអំណោយពី Microsoft Research សម្រាប់សហគមន៍។ វាត្រូវបានរចនាពិសេសសម្រាប់សម្លេងសន្ទនាទម្រង់ពិឃាតកាស។ ### ហេតុអ្វីបានជាវាពិសេស 🔥 * **⏱️ សម័យម៉ារ៉ាតុង**: បង្កើតសំលេងប្រកបដោយរហូតដល់ 90 នាទីដោយឈរតែកន្លងតែមួយ (នោះគឺជាព្រឹត្តិការណ៍ពិឃាតកាសពេញមួយភាគ!) * **👥 តន្ត្រីអ្នកនិយាយច្រើន**: រហូតដល់ 4 សំលេងផ្សេងគ្នាមួយដែលរក្សាភាពវិនិច្ឆ័យខ្លួនឯង * **⚡ ប្រសិទ្ធភាពខ្លាំង**: ប្រើអត្រាខ្នាតស្រទាប់ទាប 7.5 Hz ដើម្បីសន្សំថាមពលកុំព្យូទ័រ * **🧠 សម្ភាសន៍ស្វ័យប្រវត្តិ**: ផ្គុំគ្នារវាង LLM (យល់បរិបទ) និងម៉ូដែល diffusion (បង្កើតសំលេងដែលស្រដៀង) * **🎭 ទំនិញធម្មជាតិ**: ដោះស្រាយការចាប់អារម្មណ៍ច្រេីន, ពេលវេលាឈប់, និងបាញ់ចេញសន្ទនា ដោយស្វ័យប្រវត្តិ ការបកប្រែ: VibeVoice មិនត្រឹមតែអានស្គ្រីបរបស់អ្នកប៉ុណ្ណោះទេ — វា *ធ្វើការសម្តែង* ដូចមនុស្សពិតៗកំពុងនិយាយ។ --- ## មុនពេលអ្នកចាប់ផ្ដើម 🚀 **អ្វីដែលអ្នកត្រូវការ**: * 🐍 **Python 3.10+** (អ្នកបានមាននេះពី ធាតុទី 1 & 2) * 🚀 **uv** (កម្មវិធីគ្រប់គ្រងPackage Python លឿន — យើងនឹងតំឡើងវា) * 📝 **ស្គ្រីបរបស់អ្នក**: ឯកសារ `podcast.txt` ពី Act 2 (នៅក្នុង `../03.Application/`) **គន្លឹះជំនាញ**: ជំហាននេះត្រូវការតភ្ជាប់អ៊ីនធឺណិតល្អសម្រាប់ទាញយកម៉ូដែលដែលបានហ្វឺងជាមុន។ ចាប់កាហ្វេមួយកែវ! ☕ --- ## ចាប់ផ្ដើម! វិធីងាយស្រួល 🎬 យើងបានធ្វើវាឲ្យសាមញ្ញណាស់។ ស្គ្រីប shell មួយធ្វើអ្វីគ្រប់យ៉ាង។ ### ដំណើរការ 1. **ធ្វើឲ្យវាអាចដំណើរការ​បាន**: ```bash chmod +x run_vibe_voice.sh ``` 2. **រត់វា**: ```bash ./run_vibe_voice.sh ``` 3. **រងចាំការព្យូរពេល** (នេះអាចចំណាយពីរប៉ុន្មាននាទីនៅលើការរត់ដំបូង) ### អ្វីកើតឡើងនៅពីក្រោយឆាក 🎭 ស្គ្រីបគឺដូចជាវិស្វករសម្លេងឯករាជ្យរបស់អ្នក: 1. **📥 ទាញយក VibeVoice**: គូសរចនាសម្ព័ន្ធ repo ផ្លូវការពី GitHub 2. **📦 តំឡើងឧបករណ៍ដែលត្រូវការ**: ប្រើ `uv pip` សម្រាប់ការតំឡើងកញ្ចប់យ៉ាងលឿន 3. **🎬 បង្កើតសម្លេង**: រត់ស្គ្រីប inference ជាមួយ: * `--model_path`: ម៉ូដែល VibeVoice-7B ដែលបានហ្វឺងជាមុន * `--txt_path`: ស្គ្រីប `podcast.txt` របស់អ្នក * `--speaker_names`: ដាក់ឈ្មោះសំលេង (Xinran & Anchen ជាគោលបំណង) **លទ្ធផល**: ស្គ្រីបរបស់អ្នកក្លាយជាពិឃាតកាសពិតមួយភាគ! 🎉 --- ## បេសកកម្មរបស់អ្នក 🎯 យើងធ្វើឱ្យវាពិបាកគួរឱ្យចាប់អារម្មណ៍: ### កិច្ចការ 1: បង្កើតមាតិកា កែទម្រង់ `../03.Application/podcast.txt` ជាមួយសន្ទនា రะหว่างមនុស្សពីរនាក់។ ធ្វើអោយវាពីស្តីពីបច្ចេកវិទ្យា, ចំណង់ចំណូលចិត្ត, ឬអ្វីដែរ! គ្រាន់តែធ្វើឲ្យវាស៊ូសែនសន្ទនានោះ។ **ឧទាហរណ៍ទ្រង់ទ្រាយ**: ``` Speaker 1: Hey! Did you hear about the new AI model? Speaker 2: No way! Tell me more! Speaker 1: It's called... ``` ### កិច្ចការ 2: បង្កើតសម្លេង រត់ស្គ្រីបហើយមើលមន្តសាស្ត្រ។ ដំណើរការដំបូងនឹងចំណាយពេលច្រើនជាងគេ (ទាញយកម៉ូដែល)។ ### កិច្ចការ 3: ស្ដាប់ និងវិភាគ - តើវាស្តាប់ហើយមានអារម្មណ៍ធម្មជាតិទេ? - តើអ្នកនិយាយមានសំលេងផ្សេងគ្នាទេ? - តើការផ្លាស់ប្ដូរនិយាយរលូនទេ? - មានមុនសម័យប្រដាប់យន្តណាមួយទេ? ### កិច្ចការ 4: សាកល្បង (សម្រាប់អ្នកដែលមានចិត្តក្លាហាន) កែ `run_vibe_voice.sh` និងផ្លាស់ប្ដូរ `--speaker_names` ដើម្បីសាកល្បងការសម្របសម្រួលសំលេងផ្សេងៗ។ VibeVoice មានសំលេងដែលបានហ្វឺងជាមុនជាច្រើន! **បញ្ហាបូណុស**: សាកល្បងសន្ទនានៅលើអ្នកនិយាយ 3 នាក់! 🎆 --- ## រៀនបន្ថែម 📚 * **🏠 ទំព័រដើមគម្រោង**: [VibeVoice Official Site](https://microsoft.github.io/VibeVoice/) * **🤗 ម៉ូដែលបានហ្វឺងជាមុន**: [Hugging Face - VibeVoice-7B](https://huggingface.co/vibevoice/VibeVoice-7B) * **📖 អត្ថបទស្រាវជ្រាវ**: ជ្រៀតចូលទៅក្នុងបច្ចេកវិទ្យា (បើអ្នកចាប់អារម្មណ៍) > **⚠️ ការមិនលេបលាន់ពីបច្ចេកវិទ្យា AI**: VibeVoice មានកម្លាំងខ្លាំង។ សូមប្រើវាដោយមានបាងឬទុកចិត្ត! កុំបង្កើត deepfakes ឬមាតិកាដែលបន្លំ។ បង្កើតអ្វីដែលកម្សាន្តនិងជួយអ្នកផ្សេង។ 🙏 --- ## 🏆 អបអរសាទរ! អ្នកបានជោគជ័យ! អ្នកបានបញ្ចប់ដំណើរពេញលេញ: 1. ✅ **ធាតុ 1**: បង្កើតភ្នាក់ងារ AI ជាមួយឧបករណ៍ផ្ទាល់ខ្លួន 2. ✅ **ធាតុ 2**: អង្គភាពគ្រប់គ្រងការងារជាច្រើនភ្នាក់ងារ 3. ✅ **ធាតុ 3**: បង្កើតសម្លេងពិឃាតកាសពិត **ឥឡូវនេះអ្នកមាន**: - ជំនួយការស្រាវជ្រាវ AI ដែលអាចប្រើបាន - ដំណើរការផលិតពិឃាតកាសពេញលេញ - ឯកសាសម្លេងពិតដែលអ្នកអាចចែករំលែកបាន ### តើអ្វីទៅបន្ទាប់? 🚀 **ចាប់ផ្ដើមផ្សព្វផ្សាយពិឃាតកាសរបស់អ្នក!** - ផ្ទុកឡើងទៅវេទិកាពិឃាតកាស - ចែករំលែកលើបណ្ដាញសង្គម - បន្តកែសម្រួល និងបង្កើនគុណភាព **បន្តសាងសង់!** - សាកល្បងប្រធានបទប្លែកៗ - សាកល្បងជាមួយអ្នកនិយាយច្រើនជាងនេះ - បន្ថែមតន្ត្រីផ្ទៃខាងក្រោយ - បង្កើតចំណុចប្រទាក់គេហទំព័រ - អូតូម៉ាទ៊ីកអ្វីគ្រប់យ៉ាង **ចែករំលែកការងាររបស់អ្នក!** សម្គាល់ពួកយើង! បង្ហាញពិភពលោកអំពីអ្វីដែលអ្នកបានបង្កើត។ ជំនាន់វិវឌ្ឍន៍ពិឃាតកាស AI ចាប់ផ្តើមពីអ្នក។ 🎙️ --- **សំណួរ? យោបល់? រឿងជោគជ័យ?** ដាក់ពួកវាទៅក្នុងជជែកសិក្ខាសាលា! **ស្វាគមន៍មកកាន់អនាគតនៃការបង្កើតមាតិកា។** 🌟 --- **ការមិនទទួលខុសត្រូវ**: ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ខណៈពេលយើងខិតខំដើម្បីភាពត្រឹមត្រូវ សូមយល់រួចថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមក្នុងភាសាដើមគួរត្រូវបានចាត់ទុកថាជាប្រភពដែលអាចទុកចិត្តបាន។ សម្រាប់ព័ត៌មានដែលមានសារៈសំខាន់ យើងផ្តល់អនុសាសន៍ឱ្យប្រើសេវាបកប្រែដោយមនុស្សជាជំនាញ។ ពួកយើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសណាមួយដែលកើតឡើងពីការប្រើប្រាស់បកប្រែនេះទេ។