# ಅಧ್ಯಾಯ 3: ನಿಮ್ಮ ಪಾಡ್ಕಾಸ್ಟ್ನನ್ನು ಜೀವಂತವಾಗಿಸಿಕೊಳ್ಳಿ 🎤

![lab3](../../../../translated_images/kn/lab3.b009c55c4442250b.webp)

## ಗ್ರ್ಯಾಂಡ್ ಫಿನೇಲ್

ನೀವು ವಿಷಯಗಳ ಬಗ್ಗೆ ಸಂಶೋಧನೆ ಮಾಡಿದ್ದೀರಿ. ನೀವು ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಬರೆದಿದ್ದೀರಿ. ಈಗ ಮೇಲಿನ ಚೆರಿ: ನಿಮ್ಮ ಪಠ್ಯವನ್ನು ನೈಜ ಧ್ವನಿಗಳೊಂದಿಗೆ ನಿಜವಾದ ಪಾಡ್ಕಾಸ್ಟ್ ಆಡಿಯೊವಾಗಿಸುವುದು!

ನಗೆ **VibeVoice** ಅನ್ನು ಪರಿಚಯಿಸಿ — ಮೈಕ್ರೋಸಾಫ್ಟ್ ರಿಸರ್ಚ್‌ನ ಓಪನ್-ಸೋರ್ಸ್ TTS (ಪಠ್ಯದಿಂದ ಧ್ವನಿಗೆ) ಮಾಯಾಜಾಲ ಇದು ಸೃಷ್ಟಿಸುತ್ತದೆ:
- 🎭 ನೈಜ-ಶಬ್ದವಾಗಿರುವ ಸಂಭಾಷಣೆಗಳು
- 👥 ಹಲವು ವಕ್ತಾರರು (ಗರಿಷ್ಠ 4!)
- ⏱️ ದೀರ್ಘ ರೂಪದ ಧ್ವನಿ (ಗರಿಷ್ಠ 90 ನಿಮಿಷಗಳು!)
- 🎵 ಅಭಿವ್ಯಕ್ತಿಯುತ ವಿತರಣೆ (ರೊಬೋಟ್ ಶಬ್ದವಲ್ಲ!)

ಇದು ಸಿಂಥೆಟಿಕ್ ಪಾಡ್ಕಾಸ್ಟ್‌ಗಳ ಹಿಂಭಾಗದ ತಂತ್ರಜ್ಞಾನ. ನಿಮ್ಮದು ಮಾಡೋಣ!

## VibeVoice ಎಂದರೇನು? (ತುಂಬ ಕುಲ್ ವಿಷಯಗಳು)

VibeVoice ಮೈಕ್ರೋಸಾಫ್ಟ್ ರಿಸರ್ಚ್‌ನ ವಿಶ್ವಕ್ಕೆ ಒದಗಿಸಿರುವ ಬಹುಮಾನ. ಇದು ವಿಶೇಷವಾಗಿ ಪಾಡ್ಕಾಸ್ಟ್ ಶೈಲಿಯ ಸಂಭಾಷಣಾತ್ಮಕ ಆಡಿಯೊಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

### ಯಾಕೆ ಇದು ಅದ್ಭುತವಾಗಿದೆ 🔥

* **⏱️ ಮ್ಯಾರಥನ್ ಸೆಷನ್ಸ್**: 90 ನಿಮಿಷಗಳ ನಿರಂತರ ಮಾತುಕತೆ (ಅದೇ ಒ完整 ಪಾಡ್ಕಾಸ್ಟ್ ಎಪಿಸೋಡ್!)
* **👥 ಬಹು-ವಕ್ತಾರ ಮಾಯಾಜಾಲ**: 4 ವಿಭಿನ್ನ ಧ್ವನಿಗಳಿಂದ ನಿರಂತರ ವ್ಯಕ್ತಿತ್ವಗಳು
* **⚡ ಅಂಜನೇಯ ಸಾಮರ್ಥ್ಯ**: ಅತಿ ಕಡಿಮೆ 7.5 Hz ಫ್ರೇಮ್ ದರ ಬಳಸಿ ಗಣನೆ ಶಕ್ತಿ ಉಳಿಸುವುದು
* **🧠 ಸ್ಮಾರ್ಟ್ ಆಡಿಯೊ**: LLM (ಸಂದರ್ಭವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ) ಮತ್ತು ಡಿಫ್ಯೂಶನ್ ಮಾದರಿಯನ್ನು (ನೈಜ ಆಡಿಯೋ ಸೃಷ್ಟಿಸುವುದು) ಸಂಯೋಜನೆ ಮಾಡುತ್ತದೆ
* **🎭 ನೈಜ ಹರಿವು**: ತಿರುವು ಹಿಡಿಯುವಿಕೆ, ವಿರಾಮಗಳು ಮತ್ತು ಸಂಭಾಷಣಾತ್ಮಕ ರಿದಮ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿಭಾಯಿಸುತ್ತದೆ

**ಅರ್ಥಾಂತരം**: VibeVoice ನ只是 ನಿಮ್ಮ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಓದಲು ಮಾತ್ರವಲ್ಲ — ಇದು ನಿಜವಾದ ಜನರು ಮಾತುಮಾಡುವಂತೆಯೇ ಅದನ್ನು *ನಿರ್ವಹಿಸುತ್ತದೆ*.

---

## ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು 🚀

**ನಿಮಗೆ ಬೇಕಾಗಿರುವವು**:

* 🐍 **Python 3.10+** (ನೀವು ಈಗಾಗಲೇ_ACTs 1 ಮತ್ತು 2 ರಿಂದ ಇದನ್ನು ಹೊಂದಿದ್ದೀರಿ)
* 🚀 **uv** (ತ್ವರಿತ Python ಪ್ಯಾಕೇಜ್ ಮ್ಯಾನೇಜರ್ — ನಾವು ಅದನ್ನು ಸ್ಥಾಪಿಸೋಣ)
* 📝 **ನಿಮ್ಮ ಸ್ಕ್ರಿಪ್ಟ್**: Act 2 ನ `podcast.txt` ಫೈಲ್ (ಸ್ಟೋರೇಜ್ `../03.Application/` ನಲ್ಲಿ)

**ಪ್ರೊ ಟಿಪ್**: ಈ ಹಂತವು ಪೂರ್ವ-ಪ್ರಶಿಕ್ಷಿತ ಮಾದರಿಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಲು ಉತ್ತಮ ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕವನ್ನು ಅಗತ್ಯವಿದೆ. ಒಂದು ಕಾಫಿ ಒಡೆಯಿರಿ! ☕

---

## ಹೋಗೆ ಹೋಗೋಣ! ಸುಲಭ ಮಾರ್ಗ 🎬

ನಾವು ಇದನ್ನು ತುಂಬಾ ಸರಳಗೊಳಿಸಿದ್ದೇವೆ. ಒಬ್ಬ ಶೆಲ್ ಸ್ಕ್ರಿಪ್ಟ್ ಎಲ್ಲವನ್ನೂ ಮಾಡುತ್ತದೆ.

### ಪ್ರಕ್ರಿಯೆ

1. **ಅದನ್ನು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅನುಮತಿಸು**:
```bash
chmod +x run_vibe_voice.sh
```

2. **ಇದನ್ನು ಚಲಾಯಿಸಿ**:
```bash
./run_vibe_voice.sh
```

3. **ಮಾಯಾಜಾಲಕ್ಕಾಗಿ ಕಾಯಿರಿ** (ಮೊದಲ ಬಾರಿಗೆ ಕೆಲ ನಿಮಿಷಗಳು ಹಿಡಿಯಬಹುದು)

### ಹಿನ್ನೆಲೆಯಲ್ಲಾದ್ದು ಏನು ನಡೆಯುತ್ತದೆ 🎭

ಸ್ಕ್ರಿಪ್ಟ್ ಮೂಲತಃ ನಿಮ್ಮ ಸ್ವಯಂ ಧ್ವನಿ ಇಂಜಿನಿಯರ್:

1. **📥 VibeVoice ಡೌನ್‌ಲೋಡ್ ಮಾಡುತ್ತದೆ**: GitHub ನಿಂದ ಅಧಿಕೃತ ರೆಪೋ ಕ್ಲೋನ್ ಮಾಡುತ್ತದೆ
2. **📦 ಅವಲಂಬನೆಗಳನ್ನು ಸ್ಥಾಪನೆ ಮಾಡುತ್ತದೆ**: `uv pip` ಬಳಸಿ ಹೊರಗಿಳುವ ಪ್ಯಾಕೇಜ್ ಇನ್ಸ್ಟಾಲೇಶನ್
3. **🎬 ಆಡಿಯೋ ಸೃಷ್ಟಿ**: ಇನ್ಫರೆನ್ಸ್ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಈಡೇರಿಸುತ್ತದೆ:
   * `--model_path`: ಪೂರ್ವ-ಪರಿಶಿಕ್ಷಿತ VibeVoice-7B ಮಾದರಿ
   * `--txt_path`: ನಿಮ್ಮ `podcast.txt` ಸ್ಕ್ರಿಪ್ಟ್
   * `--speaker_names`: ಧ್ವನಿಗಳನ್ನು ನಿಗದಿಪಡಿಸುತ್ತದೆ (ಡಿDefault Xinran & Anchen)

**ಫಲಿತಾಂಶ**: ನಿಮ್ಮ ಸ್ಕ್ರಿಪ್ಟ್ ನಿಜವಾದ ಪಾಡ್ಕಾಸ್ಟ್ ಎಪಿಸೋಡ್ ಆಗುತ್ತದೆ! 🎉

---

## ನಿಮ್ಮ ಮಿಷನ್ 🎯

ಇದನ್ನು ರೋಚಕವಾಗಿಸೋಣ:

### ಕಾರ್ಯ 1: ವಿಷಯ ಅಭಿವೃದ್ಧಿಪಡಿಸಿ
`../03.Application/podcast.txt` ಅನ್ನು ಎರಡು ಜನರ ನಡುವೆ ಸಂಭಾಷಣೆಯಾಗಿ ಸಂಪಾದಿಸಿ. ಅದು ಟೆಕ್, ಹಬೀಸ್, ಯಾವುದಾದರೂ ವಿಷಯವಾಗಬಹುದು! ಅದ್ಭುತ ಸಂಭಾಷಣೆ ಇರಲಿ.

**ರೂಪುರೇಷೆ ಉದಾಹರಣೆ**:
```
Speaker 1: Hey! Did you hear about the new AI model?
Speaker 2: No way! Tell me more!
Speaker 1: It's called...
```

### ಕಾರ್ಯ 2: ಆಡಿಯೋ ಸೃಷ್ಟಿಸಿ
ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಚಾಲನೆಯಲ್ಲಿಟ್ಟು ಮಾಯಾಜಾಲವನ್ನು ನೋಡಿ. ಮೊದಲ ಬಾರಿಗೆ ಹೆಚ್ಚಿನ ಸಮಯ ಹಿಡಿಯಬಹುದು (ಮಾದರಿಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಲಾಗುವುದು).

### ಕೆಲಸ 3: ಕೇಳಿ ಮತ್ತು ವಿಶ್ಲೇಷಿಸಿ
- ಅದು ನೈಜವಾಗಿ ಕೇಳೆತೆ?
- ವಕ್ತಾರರ ಧ್ವನಿಗಳು ವಿಭಿನ್ನವೇ?
- ತಿರುವು ಹಿಡಿಯುವಿಕೆ ಸುಗಮವಿದೆಯೆ?
- ಯಾವುದೇ ರೊಬೋಟಿಕ್ ಕ್ಷಣಗಳಿವೆಯೇ?

### ಕಾರ್ಯ 4: ಪ್ರಯೋಗ ಮಾಡಿ (ಧೈರ್ಯವಂತರಿಗೆ)
`run_vibe_voice.sh` ನಲ್ಲಿರುವ `--speaker_names` ಅನ್ನು ಬದಲಿಸಿ ಬೇರೆ ಧ್ವನಿಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ. VibeVoice ನಲ್ಲಿ ಹಲವು ಪೂರ್ವ-ಶಿಕ್ಷಿತ ಧ್ವನಿಗಳಿವೆ!

**ಬೋನಸ್ ಚಾಲೆಂಜ್**: 3-ವಕ್ತಾರ ಸಂಭಾಷಣೆಯನ್ನು ಪ್ರಯತ್ನಿಸಿ! 🎆

---

## ಇನ್ನೂ ತಿಳಿದುಕೊಳ್ಳಿ 📚

* **🏠 ಪ್ರಾಜೆಕ್ಟ್ ಹೋಮ್‌ಪೇಜ್**: [VibeVoice ಅಧಿಕೃತ ಸ್ಥಳ](https://microsoft.github.io/VibeVoice/)
* **🤗 ಪೂರ್ವ-ಶಿಕ್ಷಿತ ಮಾದರಿ**: [Hugging Face - VibeVoice-7B](https://huggingface.co/vibevoice/VibeVoice-7B)
* **📖 ಸಂಶೋಧನಾ ಲೇಖನ**: ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಹೆಚ್ಚಿನ ಪಾತಾಳದಲ್ಲಿ ಪ್ರವಿಷ್ಟರಾಗಿ (ನೀವು ಅದಕ್ಕೆ ಆಸಕ್ತಿ ಇದ್ದರೆ)

> **⚠️ ಜವಾಬ್ದಾರಿಯುತ AI ಮುನ್ಸೂಚನೆ**: VibeVoice ಶಕ್ತಿಶಾಲಿಯಾಗಿದೆ. ಇದನ್ನು ನೈತಿಕವಾಗಿ ಉಪಯೋಗಿಸಿ! ಡೀಪ್‌ಫೇಕ್ಸ್ ಅಥವಾ ತಪ್ಪು ಸಮಗ್ರಿ ಸೃಷ್ಟಿಸಬೇಡಿ. ಜನರಿಗೆ ಸಹಾಯ ಮಾಡುವ ಅದ್ಭುತ ವಿಷಯಗಳನ್ನು ರಚಿಸಿ. 🙏

---

## 🏆 ಅಭಿನಂದನೆಗಳು! ನೀವು ಮಾಡಿದ್ದೀರಿ!

ನೀವು ಸಂಪೂರ್ಣ ಕಾರ್ಯಪಟಲವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ್ದೀರಿ:
1. ✅ **ಅಧ್ಯಾಯ 1**: ಕಸ್ಟಮ್ ಟೂಲ್‌ಗಳೊಂದಿಗೆ AI ಏಜೆಂಟುಗಳನ್ನು ನಿರ್ಮಿಸಿದೆ
2. ✅ **ಅಧ್ಯಾಯ 2**: ಬಹು-ಏಜೆಂಟ್ ವರ್ಕ್ಫ್ಲೋವನ್ನು ಸಂಯೋಜಿಸಿದೆ
3. ✅ **ಅಧ್ಯಾಯ 3**: ನಿಜವಾದ ಪಾಡ್ಕಾಸ್ಟ್ ಆಡಿಯೋವನ್ನು ಸೃಷ್ಟಿಸಿದ್ದು

**ನೀವು ಈಗ ಹೊಂದಿರುವವು**:
- ಕಾರ್ಯಾಚರಣೆ ಮಾಡಬಹುದಾದ AI ಸಂಶೋಧನಾ ಸಹಾಯಕ
- ಪೂರ್ಣ ಪಾಡ್ಕಾಸ್ಟ್ ಉತ್ಪಾದನಾ ಕಾರ್ಯಪಟಲ
- ನೀವು ಹಂಚಿಕೊಳ್ಳಬಹುದಾದ ನಿಜವಾದ ಆಡಿಯೋ ಫೈಲ್

### ಮುಂದೇನು? 🚀

**ನಿಮ್ಮ ಪಾಡ್ಕಾಸ್ಟ್ ಅನ್ನು ಆರಂಭಿಸಿ!**
- ಪಾಡ್ಕಾಸ್ಟ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ಗಳಿಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಿ
- ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ಹಂಚಿಕೊಳ್ಳಿ
- ಪುನರಾವೃತ್ತಿ ಮಾಡಿ ಮತ್ತು ಸುಧಾರಿಸು

**ಮುಂದುವರಿಸಿ ನಿರ್ಮಾಣ ಮಾಡಿರಿ!**
- ವಿಭಿನ್ನ ವಿಷಯಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ
- ಹೆಚ್ಚಿನ ವಕ್ತಾರರೊಂದಿಗೆ ಪ್ರಾಯೋಗಿಕತೆ ಮಾಡಿ
- ಹಿನ್ನೆಲೆ ಸಂಗೀತ ಸೇರಿಸಿ
- ವೆಬ್ ಇಂಟರ್ಫೇಸ್ ನಿರ್ಮಿಸಿ
- ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಿ

**ನಿಮ್ಮ ಕೆಲಸವನ್ನು ಹಂಚಿಕೊಳ್ಳಿ!**
ನಮ್ಮನ್ನು ಟ್ಯಾಗ್ ಮಾಡಿ! ನೀವು ನಿರ್ಮಿಸಿದ್ದ ಅದ್ಭುತವನ್ನು ಜಗತ್ತಿಗೆ ತೋರಿಸಿ. AI ಪಾಡ್ಕಾಸ್ಟ್ ಕ್ರಾಂತಿ ನಿಮ್ಮಿಂದಲೇ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. 🎙️

---

**ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ? ಆಲೋಚನೆಗಳು? ಯಶೋತ್ತರ ಕಥೆಗಳು?** ವರ್ಕ್‌ಶಾಪ್ ಚಾಟ್‌ನಲ್ಲಿ ಹಂಚಿಕೊಳ್ಳಿ!

**ವಿಷಯ ರಚನೆಯ ಭವಿಷ್ಯಕ್ಕೆ ಸ್ವಾಗತ.** 🌟

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ನಿರಾಕರಣೆ**:  
ಈ ದಾಖಲೆಯನ್ನು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯ ಸಮರ್ಪಣೆ ಮಾಡುತ್ತಿರುವಾಗಲೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ತಪ್ಪು ಮಾಹಿತಿ ಇರಬಹುದು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ದಾಖಲೆ ಯಥಾರ್ಥ ಭಾಷೆಯಲ್ಲಿ ಅಧಿಕೃತ ಸ್ವರೂಪವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಬಿಡುವಾಗುವಿಕೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->