# Akt 3: Ożyw Swoje Podcasty 🎤 ![lab3](../../../../translated_images/pl/lab3.b009c55c4442250b.webp) ## Wielki Finał Przeprowadziłeś badania tematów. Napisałeś scenariusze. Teraz wisienka na torcie: przekształcenie tekstu w rzeczywisty podcast z realistycznymi głosami! Przedstawiamy **VibeVoice** — otwartoźródłową technologię TTS (text-to-speech) Microsoft Research, która tworzy: - 🎭 Naturalnie brzmiące rozmowy - 👥 Wielu rozmówców (aż do 4!) - ⏱️ Długie nagrania (do 90 minut!) - 🎵 Ekspresyjną interpretację (żadnych robotycznych głosów!) To technologia stojąca za syntetycznymi podcastami. Stwórzmy Twój! ## Co to jest VibeVoice? (Fajne rzeczy) VibeVoice to prezent od Microsoft Research dla świata. Został zaprojektowany specjalnie do podcastowych, konwersacyjnych nagrań audio. ### Dlaczego jest świetny 🔥 * **⏱️ Sesje Maratońskie**: Generuje aż do 90 minut ciągłej mowy (czyli cały odcinek podcastu!) * **👥 Magia Wielu Głosów**: Do 4 różnych głosów z zachowaniem spójnych osobowości * **⚡ Niesamowita Efektywność**: Używa ultra niskiej częstotliwości ramek 7,5 Hz, by oszczędzać moc obliczeniową * **🧠 Inteligentne Audio**: Łączy LLM (rozumie kontekst) z modelem dyfuzji (tworzy realistyczne audio) * **🎭 Naturalny Przepływ**: Automatycznie obsługuje przekazywanie głosu, pauzy i rytm rozmowy **Tłumaczenie**: VibeVoice nie tylko czyta Twój scenariusz — *wykonuje* go jak prawdziwi ludzie rozmawiający. --- ## Zanim zaczniesz 🚀 **Co potrzebujesz**: * 🐍 **Python 3.10+** (masz już z aktów 1 i 2) * 🚀 **uv** (szybki menedżer pakietów Python — zainstalujemy go) * 📝 **Twój scenariusz**: plik `podcast.txt` z Aktu 2 (w `../03.Application/`) **Pro Tip**: Ten krok wymaga dobrego połączenia internetowego, by pobrać wytrenowany model. Zaparz sobie kawę! ☕ --- ## Zaczynamy! Prosty sposób 🎬 Uprościliśmy to do maksimum. Jeden skrypt shell robi wszystko. ### Proces 1. **Nadaj uprawnienia do uruchomienia**: ```bash chmod +x run_vibe_voice.sh ``` 2. **Uruchom go**: ```bash ./run_vibe_voice.sh ``` 3. **Czekaj na magię** (pierwsze uruchomienie może potrwać kilka minut) ### Co dzieje się w tle 🎭 Skrypt to właściwie Twój zautomatyzowany inżynier dźwięku: 1. **📥 Pobiera VibeVoice**: Klonuje oficjalne repozytorium z GitHuba 2. **📦 Instaluje Zależności**: Używa `uv pip` do błyskawicznej instalacji pakietów 3. **🎬 Generuje Audio**: Wykonuje skrypt inferencyjny z: * `--model_path`: wytrenowany model VibeVoice-7B * `--txt_path`: Twój scenariusz `podcast.txt` * `--speaker_names`: przypisuje głosy (domyślnie Xinran i Anchen) **Efekt**: Twój scenariusz staje się prawdziwym odcinkiem podcastu! 🎉 --- ## Twoje zadanie 🎯 Zróbmy to ciekawie: ### Zadanie 1: Stwórz treść Edytuj `../03.Application/podcast.txt`, tworząc rozmowę między dwiema osobami. Może być o technologiach, hobby, czymkolwiek! Po prostu zrób to konwersacyjnie. **Przykład formatu**: ``` Speaker 1: Hey! Did you hear about the new AI model? Speaker 2: No way! Tell me more! Speaker 1: It's called... ``` ### Zadanie 2: Wygeneruj audio Uruchom skrypt i obserwuj, jak dzieje się magia. Za pierwszym razem zajmie to nieco więcej czasu (pobieranie modelu). ### Zadanie 3: Posłuchaj i przeanalizuj - Czy brzmi naturalnie? - Czy głosy rozmówców są wyraźnie różne? - Czy przekazywanie głosu jest płynne? - Czy zdarzają się momenty robotyczne? ### Zadanie 4: Eksperymentuj (dla odważnych) Edytuj `run_vibe_voice.sh` i zmień `--speaker_names`, aby wypróbować różne zestawy głosów. VibeVoice ma wiele wytrenowanych głosów! **Bonus**: Spróbuj rozmowy 3-osobowej! 🎆 --- ## Dowiedz się więcej 📚 * **🏠 Strona projektu**: [VibeVoice Official Site](https://microsoft.github.io/VibeVoice/) * **🤗 Wytrenowany model**: [Hugging Face - VibeVoice-7B](https://huggingface.co/vibevoice/VibeVoice-7B) * **📖 Publikacja naukowa**: Zanurz się głębiej w technologię (jeśli Cię to interesuje) > **⚠️ Przypomnienie o odpowiedzialnym AI**: VibeVoice jest potężny. Używaj go etycznie! Nie twórz deepfake’ów ani wprowadzających w błąd treści. Twórz fajne rzeczy, które pomagają ludziom. 🙏 --- ## 🏆 Gratulacje! Udało się! Właśnie ukończyłeś cały pipeline: 1. ✅ **Akt 1**: Zbudowałeś agentów AI z własnymi narzędziami 2. ✅ **Akt 2**: Sterowałeś wieloagentowym workflow 3. ✅ **Akt 3**: Wygenerowałeś rzeczywiste audio podcastu **Masz teraz**: - Działającego asystenta badawczego AI - Kompletny workflow produkcji podcastu - Prawdziwy plik audio do udostępnienia ### Co dalej? 🚀 **Uruchom swój podcast!** - Prześlij na platformy podcastowe - Podziel się w mediach społecznościowych - Iteruj i udoskonalaj **Buduj dalej!** - Próbuj różnych tematów - Eksperymentuj z większą liczbą głosów - Dodaj muzykę w tle - Zbuduj interfejs webowy - Zautomatyzuj cały proces **Podziel się swoją pracą!** Oznacz nas! Pokaż światu, co stworzyłeś. Rewolucja podcastów AI zaczyna się od Ciebie. 🎙️ --- **Masz pytania? Pomysły? Historie sukcesu?** Rzuć je na czat warsztatowy! **Witamy w przyszłości tworzenia treści.** 🌟 --- **Zastrzeżenie**: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Choć dążymy do jak największej dokładności, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym powinien być uznawany za źródło wiążące. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.