# ਅੱਖਰ 3: ਆਪਣੇ ਪੋਡਕਾਸਟ ਨੂੰ ਜੀਵੰਤ ਬਣਾਓ 🎤 ![lab3](../../../../translated_images/pa/lab3.b009c55c4442250b.webp) ## ਮਹਾਨ ਸਮਾਪਤੀ ਤੁਸੀਂ ਵਿਸ਼ਿਆਂ ਤੇ ਖੋਜ ਕੀਤੀ ਹੈ। ਤੁਸੀਂ ਸਕ੍ਰਿਪਟ ਲਿਖੇ ਹਨ। ਹੁਣ ਚੇਰੀ ਤੇ ਚੈਰੀ: ਆਪਣੀ ਲਿਖਤੀ ਗੱਲਬਾਤ ਨੂੰ ਅਸਲੀ ਪੋਡਕਾਸਟ ਆਡੀਓ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਲਈ ਤਿਆਰ ਹੋ ਜਾਓ! ਪਰਚਾਰ ਕਰੋ **VibeVoice** — ਮਾਇਕ੍ਰੋਸੌਫਟ ਰਿਸਰਚ ਦਾ ਖੁੱਲ੍ਹਾ-ਸਰੋਤ TTS (ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ) ਜਾਦੂ ਜੋ ਬਣਾਉਂਦਾ ਹੈ: - 🎭 ਕੁਦਰਤੀ-ਸੁਣਾਈ ਦੇਣ ਵਾਲੀਆਂ ਗੱਲਬਾਤਾਂ - 👥 ਕਈ ਬੋਲਣ ਵਾਲੇ (ਅੱਧ-ਚਾਰ ਤੱਕ!) - ⏱️ ਲੰਬੇ ਸਮੇਂ ਵਾਲਾ ਆਡੀਓ (ਅੱਧ-90 ਮਿੰਟ ਤੱਕ!) - 🎵 ਭਾਵਪੂਰਕ ਪ੍ਰਸਤੁਤੀ (ਰੋਬੋਟ ਵੋਇਸ ਨਹੀਂ!) ਇਹ ਹੈ ਤਕਨੀਕ ਜੋ ਕ੍ਰਿਤ੍ਰਿਮ ਪੋਡਕਾਸਟਾਂ ਪਿੱਛੇ ਹੁੰਦੀ ਹੈ। ਆਓ ਆਪਣਾ ਬਣਾਈਏ! ## VibeVoice ਕੀ ਹੈ? (ਜੋ ਚੰਗਾ ਹੈ) VibeVoice ਮਾਇਕ੍ਰੋਸੌਫਟ ਰਿਸਰਚ ਦੀ ਦੁਨੀਆ ਨੂੰ ਤੋਹਫਾ ਹੈ। ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਪੋਡਕਾਸਟ-ਸਟਾਈਲ ਗੱਲਬਾਤ ਦੇ ਆਡੀਓ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ### ਇਹ ਕਿਉਂ ਸ਼ਾਨਦਾਰ ਹੈ 🔥 * **⏱️ ਲੰਮੇ ਸੈਸ਼ਨ**: ਲਗਾਤਾਰ 90 ਮਿੰਟ ਤੱਕ ਸਪੀਚ ਤਿਆਰ ਕਰਦਾ ਹੈ (ਇੱਕ ਪੂਰਾ ਪੋਡਕਾਸਟ ਐਪੀਸੋਡ!) * **👥 ਬਹੁ-ਵੋਇਸ ਮੈਜਿਕ**: ਇਕਰੂਪ ਸ਼ਖਸੀਆਂ ਨਾਲ 4 ਵੱਖ-ਵੱਖ ਆਵਾਜ਼ਾਂ * **⚡ ਬਹੁਤ ਤੇਜ਼**: 7.5 Hz ਫਰੇਮ ਦਰ ਵਰਤਦਾ ਹੈ ਤਾਂ ਜੋ ਸੰਸਾਧਨ ਬਚਾਇਆ ਜਾ ਸਕੇ * **🧠 ਸਮਾਰਟ ਆਡੀਓ**: LLM (ਸੰਦਰਭ ਸਮਝਦਾ ਹੈ) ਅਤੇ ਡਿਫਯੂਜ਼ਨ ਮਾਡਲ (ਅਸਲੀਅਤ ਵਰਗੀ ਆਡੀਓ ਬਣਾਉਂਦਾ ਹੈ) ਇਕੱਠੇ ਕਰਦਾ ਹੈ * **🎭 ਕੁਦਰਤੀ ਸਪਰ set**: ਟਰਨ-ਟੇਕਿੰਗ, ਰੋਕ, ਅਤੇ ਗੱਲਬਾਤ ਦਾ ਰਿਦਮ ਆਪਣੇ ਆਪ ਸੰਭਾਲਦਾ ਹੈ **ਅਨੁਵਾਦ**: VibeVoice ਸਿਰਫ ਤੁਹਾਡਾ ਸਕ੍ਰਿਪਟ ਨਹੀਂ ਪੜ੍ਹਦਾ — ਇਹ ਇਸ ਦਾ ਨਾਟਕ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਅਸਲੀ ਲੋਕ ਗੱਲ ਕਰ ਰਹੇ ਹੋਣ। --- ## ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ 🚀 **ਤੁਹਾਨੂੰ ਚਾਹੀਦਾ ਹੈ**: * 🐍 **Python 3.10+** (ਤੁਹਾਡੇ ਕੋਲ ਪਹਿਲਾਂ ਹੀ Acts 1 & 2 ਤੋਂ ਹੈ) * 🚀 **uv** (ਇੱਕ ਤੇਜ਼ Python ਪੈਕੇਜ ਮੇਨੇਜਰ — ਅਸੀਂ ਇਸਨੂੰ ਇੰਸਟਾਲ ਕਰਾਂਗੇ) * 📝 **ਤੁਹਾਡਾ ਸਕ੍ਰਿਪਟ**: Act 2 ਤੋਂ `podcast.txt` ਫਾਈਲ (ਜੋ `../03.Application/` ਵਿੱਚ ਹੈ) **ਪ੍ਰੋ ਸੁਝਾਅ**: ਇਸ ਕਦਮ ਲਈ ਵਧੀਆ ਇੰਟਰਨੈੱਟ ਕਨੈਕਸ਼ਨ ਦੀ ਲੋੜ ਹੈ, ਮਾਡਲ ਡਾਊਨਲੋਡ ਕਰਨ ਲਈ। ਇੱਕ ਕੌਫੀ ਲਓ! ☕ --- ## ਆਓ ਚੱਲੀਏ! ਆਸਾਨ ਤਰੀਕਾ 🎬 ਅਸੀਂ ਇਹ ਬਿਲਕੁਲ ਆਸਾਨ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਇੱਕ ਸ਼ੈੱਲ ਸਕ੍ਰਿਪਟ ਸਾਰਾ ਕੰਮ ਕਰਦਾ ਹੈ। ### ਪ੍ਰਕਿਰਿਆ 1. **ਇਸਨੂੰ ਚਲਾਉਣਯੋਗ ਬਣਾਓ**: ```bash chmod +x run_vibe_voice.sh ``` 2. **ਇਸਨੂੰ ਚਲਾਓ**: ```bash ./run_vibe_voice.sh ``` 3. **ਜਾਦੂ ਦੇ ਵਾਰੀ ਕਰੋ** (ਪਹਿਲੀ ਵਾਰੀ ਥੋੜਾ ਸਮਾਂ ਲੱਗ ਸਕਦਾ ਹੈ) ### ਪਿੱਛੇ ਕੀ ਹੋ ਰਿਹਾ ਹੈ 🎭 ਇਹ ਸਕ੍ਰਿਪਟ ਬੁਨਿਆਦੀ ਤੌਰ ਤੇ ਤੁਹਾਡਾ ਆਟੋਮੇਟਿਕ ਸਾਊਂਡ ਇੰਜੀਨੀਅਰ ਹੈ: 1. **📥 VibeVoice ਡਾਊਨਲੋਡ ਕਰੋ**: GitHub ਤੋਂ ਅਧਿਕਾਰਕ ਰੇਪੋ ਕਲੋਨ ਕਰਦਾ ਹੈ 2. **📦 ਆਵਸ਼ਯਕ ਪੈਕੇਜ ਇੰਸਟਾਲ ਕਰਦਾ ਹੈ**: `uv pip` ਨਾਲ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਪੈਕੇਜ ਲਾਉਂਦਾ ਹੈ 3. **🎬 ਆਡੀਓ ਤਿਆਰ ਕਰਦਾ ਹੈ**: ਇੰਫਰਨਸ ਸਕ੍ਰਿਪਟ ਚਲਾਉਂਦਾ ਹੈ: * `--model_path`: ਮਾਡਲ VibeVoice-7B * `--txt_path`: ਤੁਹਾਡਾ `podcast.txt` ਸਕ੍ਰਿਪਟ * `--speaker_names`: ਆਵਾਜ਼ਾਂ ਦੇ ਨਾਂ (ਮੂਲ ਰੂਪ ਵਿੱਚ Xinran & Anchen) **ਨਤੀਜਾ**: ਤੁਹਾਡਾ ਸਕ੍ਰਿਪਟ ਅਸਲੀ ਪੋਡਕਾਸਟ ਐਪੀਸੋਡ ਬਣ ਜਾਂਦਾ ਹੈ! 🎉 --- ## ਤੁਹਾਡਾ ਮਿਸ਼ਨ 🎯 ਚਲੋ ਮਜ਼ੇਦਾਰ ਬਣਾਈਏ: ### ਟਾਸਕ 1: ਸਮੱਗਰੀ ਬਣਾਓ `../03.Application/podcast.txt` ਵਿੱਚ ਦੋ ਲੋਕਾਂ ਦੀ ਗੱਲਬਾਤ ਲਿਖੋ। ਇਹ ਟੈਕਨਾਲੋਜੀ, ਸ਼ੌਕ, ਕੁਝ ਵੀ ਹੋ ਸਕਦਾ ਹੈ! ਗੱਲਬਾਤੀ ਬਣਾਓ। **ਫਾਰਮੈਟ ਉਦਾਹਰਨ**: ``` Speaker 1: Hey! Did you hear about the new AI model? Speaker 2: No way! Tell me more! Speaker 1: It's called... ``` ### ਟਾਸਕ 2: ਆਡੀਓ ਤਿਆਰ ਕਰੋ ਸਕ੍ਰਿਪਟ ਚਲਾਓ ਅਤੇ ਜਾਦੂ ਦੇਖੋ। ਪਹਿਲੀ ਵਾਰੀ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲਈਹੇਗਾ (ਮਾਡਲ ਡਾਊਨਲੋਡ ਕਰਨਾ). ### ਟਾਸਕ 3: ਸੁਣੋ ਅਤੇ ਵਿ਷ਲੇਸ਼ਣ ਕਰੋ - ਕੀ ਇਹ ਕੁਦਰਤੀ ਲੱਗਦਾ ਹੈ? - ਕੀ ਬੋਲਣ ਵਾਲਿਆਂ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਆਵਾਜ਼ਾਂ ਹਨ? - ਟਰਨ-ਟੇਕਿੰਗ ਸੁਗਮ ਹੈ? - ਕੋਈ ਰੋਬੋਟਿਕ ਲਹਿਰਾਂ ਹਨ? ### ਟਾਸਕ 4: ਪ੍ਰਯੋਗ ਕਰੋ (ਹਿੰਮਤੀ ਲਈ) `run_vibe_voice.sh` ਸੰਪਾਦਿਤ ਕਰੋ ਅਤੇ `--speaker_names` ਬਦਲ ਕੇ ਵੱਖ-ਵੱਖ ਆਵਾਜ਼ਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। VibeVoice ਕੋਲ ਕਈ ਪ੍ਰੀ-ਟ੍ਰੇਨਡ ਆਵਾਜ਼ਾਂ ਹਨ! **ਬੋਨਸ ਚੈਲੇਂਜ**: 3-ਵਕਤ ਦਰਮਿਆਨ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ! 🎆 --- ## ਹੋਰ ਸਿੱਖੋ 📚 * **🏠 ਪ੍ਰੋਜੈਕਟ ਮੁੱਖ ਪੰਨਾ**: [VibeVoice ਅਧਿਕਾਰਿਕ ਸਾਈਟ](https://microsoft.github.io/VibeVoice/) * **🤗 ਪ੍ਰੀ-ਟ੍ਰੇਨਡ ਮਾਡਲ**: [Hugging Face - VibeVoice-7B](https://huggingface.co/vibevoice/VibeVoice-7B) * **📖 ਰਿਸਰਚ ਪੇਪਰ**: ਜੇ ਤੁਸੀਂ ਤਕਨੀਕ ਵਿੱਚ ਗਹਿਰਾਈ ਨਾਲ ਜਾਣਾ ਚਾਹੁੰਦੇ ਹੋ > **⚠️ ਜ਼ਿੰਮੇਵਾਰ AI ਦੀ ਯਾਦਗਾਰ**: VibeVoice ਬਹੁਤ ਤਾਕਤਵਰ ਹੈ। ਇਸਨੂੰ ਸੰਵੈਧਾਨਕ ਤਰੀਕੇ ਨਾਲ ਵਰਤੋ! ਡੀਪਫੇਕ ਜਾਂ ਗਲਤ ਸਮੱਗਰੀ ਨਾ ਬਣਾਓ। ਕੂਲ ਸਮੱਗਰੀ ਬਣਾਓ ਜੋ ਲੋਕਾਂ ਦੀ ਮਦਦ ਕਰੇ। 🙏 --- ## 🏆 ਵਧਾਈਆਂ! ਤੁਸੀਂ ਕਰ ਲਿਆ! ਤੁਸੀਂ ਪੂਰਾ ਪ੍ਰਕਿਰਿਆ ਸਫਲਤਾ ਨਾਲ ਮੁਕੰਮਲ ਕੀਤਾ: 1. ✅ **ਅੰਸ਼ 1**: ਕਸਟਮ ਟੂਲਜ਼ ਨਾਲ AI ਏਜੰਟ ਬਣਾਏ 2. ✅ **ਅੰਸ਼ 2**: ਬਹੁ-ਏਜੰਟ ਵਰਕਫਲੋਅ ਦੇ ਤਹਿਤ ਕੰਮ ਕੀਤਾ 3. ✅ **ਅੰਸ਼ 3**: ਅਸਲ ਪੋਡਕਾਸਟ ਆਡੀਓ ਤਿਆਰ ਕੀਤਾ **ਹੁਣ ਤੁਹਾਡੇ ਕੋਲ ਹੈ**: - ਕੰਮ ਕਰਨ ਵਾਲਾ AI ਰਿਸਰਚ ਸਹਾਇਕ - ਪੂਰਾ ਪੋਡਕਾਸਟ ਪ੍ਰੋਡਕਸ਼ਨ ਵਰਕਫਲੋਅ - ਇੱਕ ਅਸਲੀ ਆਡੀਓ ਫਾਈਲ ਜੋ ਤੁਸੀਂ ਸਾਂਝੀ ਕਰ ਸਕਦੇ ਹੋ ### ਅਗਲਾ ਕੀ? 🚀 **ਆਪਣਾ ਪੋਡਕਾਸਟ ਲਾਂਚ ਕਰੋ!** - ਪੋਡਕਾਸਟ ਪਲੇਟਫਾਰਮਾਂ ‘ਤੇ ਅਪਲੋਡ ਕਰੋ - ਸੋਸ਼ਲ ਮੀਡੀਆ ‘ਤੇ ਸਾਂਝਾ ਕਰੋ - ਸੁਧਾਰ ਕਰਦੇ ਰਹੋ **ਬਣਾਉਂਦੇ ਰਹੋ!** - ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ - ਵੱਧ ਵੋਇਸਾਂ ਨਾਲ ਐਕਸਪੇਰੀਮੈਂਟ ਕਰੋ - ਪਿਛੋਕੜ ਸੰਗੀਤ ਜੋੜੋ - ਵੈੱਬ ਇੰਟਰਫੇਸ ਬਣਾਓ - ਸਾਰੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਟੋਮੇਟ ਕਰੋ **ਆਪਣਾ ਕੰਮ ਸਾਂਝਾ ਕਰੋ!** ਸਾਨੂੰ ਟੈਗ ਕਰੋ! ਦੁਨੀਆ ਨੂੰ ਦਿਖਾਓ ਤੁਸੀਂ ਕੀ ਬਣਾਇਆ ਹੈ। AI ਪੋਡਕਾਸਟ ਇਨਕਲਾਬ ਤੁਹਾਡੇ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। 🎙️ --- **ਸਵਾਲ? ਵਿਚਾਰ? ਕਾਮਯਾਬੀਆਂ?** ਵਰਕਸ਼ਾਪ ਚੈਟ ਵਿੱਚ ਦੱਸੋ! **ਸਾਮਗਰੀ ਬਨਾਉਣ ਦੇ ਭਵਿੱਖ ਵਿੱਚ ਤੁਹਾਡਾ ਸੁਆਗਤ ਹੈ।** 🌟 --- **ਅਸਵੀਕਾਰੋ**: ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਅਤ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਹੀਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਇਸਦੇ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੀ ਪ੍ਰਮਾਣਿਕ ਸਰੋਤ ਸਮਝਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹਤਵਪੂਰਣ ਜਾਣਕਾਰੀ ਲਈ, ਪ੍ਰੋਫੈਸ਼ਨਲ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਿਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਨਾਲ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤ ਸਮਝ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।