# Act 3: तपाईंको पोडकास्टलाई जीवन दिनुहोस् 🎤

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

## भव्य समापन

तपाईंले विषयहरू अनुसन्धान गर्नुभएको छ। तपाईंले स्क्रिप्टहरू लेख्नुभएको छ। अब अन्तिम मिठो कुरा: तपाईंको टेक्स्टलाई यथार्थपरक आवाजहरू सहित वास्तविक पोडकास्ट अडियोमा परिणत गर्ने!

भित्र जानुहोस् **VibeVoice** — माइक्रोसफ्ट रिसर्चको खुला स्रोत TTS (टेक्स्ट-टु-स्पीच) जादू जसले सिर्जना गर्छ:
- 🎭 प्राकृतिक सुन्ने संवादहरू
- 👥 एक भन्दा बढी वक्ताहरू (४ सम्म!)
- ⏱️ लामो स्वरुपको अडियो (९० मिनेटसम्म!)
- 🎵 अभिव्यक्तिमय प्रस्तुति (रोबोट आवाज होइन!)

यो नै कृत्रिम पोडकास्टको पछाडिको प्रविधि हो। आउनुहोस् तपाईंको पोडकास्ट बनाऔं!

## VibeVoice के हो? (ताकतिलो कुरा)

VibeVoice माइक्रोसफ्ट रिसर्चले विश्वलाई दिएको उपहार हो। यो विशेष गरी पोडकास्ट शैलीको संवादात्मक अडियोको लागि डिजाइन गरिएको छ।

### किन यो अद्भुत छ 🔥

* **⏱️ म्याराथन सेसनहरू**: ९० मिनेटसम्म निरन्तर भाषण उत्पन्न गर्छ (यो पुरा पोडकास्ट एपिसोड हो!)
* **👥 बहु-भाषक जादु**: ४ विभिन्न आवाजहरू सुसंगत व्यक्तित्वसहित
* **⚡ अत्यन्त कुशल**: अल्ट्रालो ७.५ हर्ज फ्रेम रेट प्रयोग गरी कम्प्युट पावर बचत गर्छ
* **🧠 स्मार्ट अडियो**: एक LLM (सन्दर्भ बुझ्छ) र एक डिफ्युजन मोडेल (यथार्थपरक अडियो बनाउँछ) सँग संयोजन
* **🎭 प्राकृतिक बहाव**: पटक-पटक बोल्ने, रोक्ने, र संवादात्मक लय स्वचालित सम्हाल्छ

**अनुवाद**: VibeVoice तपाईँको स्क्रिप्ट मात्र पढ्दैन — यो *प्रदर्शन* गर्छ, जस्तै साँच्चिकै मानिसहरू कुरा गरिरहेका छन्।

---

## शुरु गर्नु अघि 🚀

**के चाहिन्छ**:

* 🐍 **Python 3.10+** (यो पहिलेका Act 1 र 2 बाट तपाईंलाई छ)
* 🚀 **uv** (द्रुत Python प्याकेज प्रबन्धक — हामी यसलाई इन्स्टल गर्नेछौं)
* 📝 **तपाईंको स्क्रिप्ट**: Act 2 को `podcast.txt` फाइल (स्थान: `../03.Application/`)

**प्रो टिप**: यो चरणमा पूर्व-प्रशिक्षित मोडेल डाउनलोड गर्न राम्रो इन्टरनेट जडान आवश्यक छ। कफी लिनुहोस्! ☕

---

## सुरु गरौं! सजिलो तरिका 🎬

हामीले यो धेरै सजिलो बनाएका छौं। एउटा सिंगो shell स्क्रिप्टले सबै गर्छ।

### प्रक्रिया

1. **यसलाई executable बनाउनुहोस्**:
```bash
chmod +x run_vibe_voice.sh
```

2. **यसलाई चलाउनुहोस्**:
```bash
./run_vibe_voice.sh
```

3. **जादूको प्रतिक्षा गर्नुहोस्** (पहिलो पटक कती समय लाग्न सक्छ)

### पछि के हुन्छ 🎭

स्क्रिप्ट मूलतः तपाईंको स्वचालित ध्वनि ईन्जिनियर हो:

1. **📥 VibeVoice डाउनलोड गर्छ**: GitHub बाट आधिकारिक रिपो क्लोन गर्छ
2. **📦 निर्भरता इन्स्टल गर्छ**: `uv pip` प्रयोग गरी छिटो प्याकेज इन्स्टल
3. **🎬 अडियो निर्माण गर्छ**: इनफेरेन्स स्क्रिप्ट यसरी चलाउँछ:
   * `--model_path`: पूर्व-प्रशिक्षित VibeVoice-7B मोडेल
   * `--txt_path`: तपाईंको `podcast.txt` स्क्रिप्ट
   * `--speaker_names`: आवाजहरू तोक्छ (पूर्वनिर्धारित Xinran & Anchen)

**परिणाम**: तपाईंको स्क्रिप्ट साँच्चिकै पोडकास्ट एपिसोड बन्छ! 🎉

---

## तपाईंको मिशन 🎯

यो रमाइलो बनाऔं:

### कार्य 1: सामग्री सिर्जना गर्नुहोस्
`../03.Application/podcast.txt` मा दुई व्यक्तिहरूको बीचमा कुराकानी सम्पादन गर्नुहोस्। यो प्रविधि, रुचि, जे जे भए पनि हुन सक्छ! संवादात्मक बनाउनुहोस्।

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

### कार्य 2: अडियो उत्पादन गर्नुहोस्
स्क्रिप्ट चलाउनुहोस् र जादू हेरौं। पहिलो पटक मोडेल डाउनलोड गर्दा समय लाग्न सक्छ।

### कार्य 3: सुन्नुहोस् र विश्लेषण गर्नुहोस्
- के यो स्वाभाविक लाग्छ?
- वक्ताहरूको आवाज फरक छ?
- पटक-पटक बोल्ने क्रम सहज छ?
- कुनै रोबोट उजुरीहरू?

### कार्य 4: प्रयोग गर्नुहोस् (साहसीहरूका लागि)
`run_vibe_voice.sh` सम्पादन गरेर `--speaker_names` परिवर्तन गर्नुहोस् विभिन्न आवाज संयोजनहरू प्रयास गर्न। VibeVoice का धेरै पूर्व-प्रशिक्षित आवाजहरू छन्!

**बोनस चुनौती**: ३ वक्ता बीचको संवाद प्रयास गर्नुहोस्! 🎆

---

## थप जान्नुहोस् 📚

* **🏠 परियोजना होमपेज**: [VibeVoice आधिकारिक साइट](https://microsoft.github.io/VibeVoice/)
* **🤗 पूर्व-प्रशिक्षित मोडेल**: [Hugging Face - VibeVoice-7B](https://huggingface.co/vibevoice/VibeVoice-7B)
* **📖 अनुसन्धान पेपर**: प्रविधिमा गहिराइमा जानुहोस् (यदि तपाईंलाई त्यो रुचि छ भने)

> **⚠️ जिम्मेवार AI सम्झना**: VibeVoice शक्तिशाली छ। यसलाई नैतिक रूपमा प्रयोग गर्नुहोस्! डीपफेक वा भ्रमपूर्ण सामग्री बनाउनु हुँदैन। राम्रो सामग्री सिर्जना गर्नुहोस् जसले मानिसहरूको सहयोग गर्छ। 🙏

---

## 🏆 बधाई छ! तपाईं सफल हुनुभयो!

तपाईंले पूर्ण पाइपलाइन पूरा गर्नुभयो:
1. ✅ **Act 1**: अनुकूलित उपकरणहरू सहित AI एजेन्टहरू बनाउनु भयो
2. ✅ **Act 2**: बहु-एजेन्ट कार्यप्रवाहलाई व्यवस्थित गर्नुभयो
3. ✅ **Act 3**: वास्तविक पोडकास्ट अडियो सिर्जना गर्नुभयो

**अब तपाईंको हातमा छ**:
- कार्यरत AI अनुसन्धान सहायक
- पूर्ण पोडकास्ट उत्पादन कार्यप्रवाह
- साँच्चिकै अडियो फाइल जसलाई तपाईं साझा गर्न सक्नुहुन्छ

### अर्को के? 🚀

**तपाईंको पोडकास्ट सुरु गर्नुहोस्!**
- पोडकास्ट प्लेटफर्ममा अपलोड गर्नुहोस्
- सामाजिक सञ्जालमा साझा गर्नुहोस्
- पुन: पुनरावृति र सुधार गर्नुहोस्

**निर्माण गरिरहनुहोस्!**
- फरक विषयहरू प्रयास गर्नुहोस्
- थप वक्तासँग प्रयोग गर्नुहोस्
- पृष्ठभूमि संगीत थप्नुहोस्
- वेब इन्टरफेस बनाउनुहोस्
- सम्पूर्ण प्रक्रिया स्वचालित गर्नुहोस्

**तपाईंको काम साझा गर्नुहोस्!**
हामीलाई ट्याग गर्नुहोस्! विश्वलाई देखाउनुहोस् तपाईंले के बनाउनु भयो। AI पोडकास्ट क्रान्ति तपाईंबाट सुरु हुन्छ। 🎙️

---

**प्रश्न? विचार? सफलताको कथाहरू?** कार्यशाला च्याटमा पठाउनुहोस्!

**सामग्री सिर्जनाको भविष्यमा स्वागत छ।** 🌟

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**अस्वीकरण**:  
यो दस्तावेज AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरी अनुवाद गरिएको हो। हामी शुद्धताको लागि प्रयासरत छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटिहरू वा गलतफहमी हुनसक्छ। मूल दस्तावेज यसको मूल भाषामा नै आधिकारिक स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानिस अनुवादको सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा गलत व्याख्याको लागि हामी जिम्मेवार छैनौं।
<!-- CO-OP TRANSLATOR DISCLAIMER END -->