MUCKYWORX // PROJECT
Voice Chaser
PROJECT

Voice Chaser

Il mio strumento assolutamente più importante: il Voice Chaser. Senza questo coso non andrei praticamente da nessuna parte.

Allora, il Voice Chaser. Me lo sono costruito perché lavoro tantissimo con la voce e così mi risparmio un sacco di lavoro, soprattutto di digitazione. L'idea di base era: parlo nel microfono e ottengo la trascrizione digitata esattamente nella posizione del cursore.

Tutto è iniziato con il desiderio di avere questa come funzione principale, e poi è arrivata la possibilità di inserire fino a tre singole IA nel mezzo. A seconda del prompt che utilizzo per i singoli stage dell'IA, il testo viene modificato. Spesso è anche divertente cambiare lo stile – rendendolo ispiratore o usando un modo di esprimersi antico. Ma molto spesso serve per la traduzione: dico qualcosa, punto 1: il testo viene tradotto grossolanamente, poi viene revisionato e infine riappare nel punto in cui si trova il mio cursore.

La funzione successiva è stata il salvataggio dei file audio principali – nel mio caso sul NAS. Grazie a questo è nato un dataset di oltre 63 ore. Dopo la distillazione, è diventato praticamente il dataset per MuckyTTS. Inoltre, il sistema include il mio RAM-Diskhandler; in pratica un programma che, basandosi sui miei file di configurazione, carica i modelli IA necessari e tutto il resto direttamente nel RAM-disk.

Come ho detto, il Voice Chaser è il mio strumento primario, che uso praticamente in ogni momento. Tra l'altro, anche questo testo sta nascendo così. Inoltre, il Voice Chaser offre la possibilità di assegnare lo slot IA-4 a un'IA separata, raggiungibile via API. E cos'altro abbiamo? Beh, per tutto il resto dell'infrastruttura sottostante potete dare un'occhiata al codice sorgente. Se avete domande, sparatele pure.

Allora, siccome sono un maniaco e ho più di quattro monitor nel mio setup, ho trovato nell'armadio una vecchia GTX 1050 con 2 GB di VRAM. E non avevo niente di meglio da fare che abusare di questa piccola scheda video per farla fungere da fallback per il Voice Chaser. Se la grande 3090 è occupata, c'è un fallback automatico sulla scheda piccola, dove gira un "Whisper Small" o qualunque cosa sia attuale e io trovi fantastica.

In aggiunta, l'intero sistema ha una funzione di streaming, così non devo premere il tasto ogni singola volta. Tra l'altro, ho preso un vecchio tastierino USB comprato su Amazon per 8 euro o giù di lì e l'ho modificato per trasformarlo in una sorta di Stream Deck Lite. Ho moddato questo tastierino USB in modo che i tasti gestiscano il dettato, come sto facendo ora, avviandolo e terminandolo. Quindi: premo il tasto, parlo, premo il tasto, aspetto un attimo e il testo appare esattamente nella posizione del cursore.

Ed è lì che ho messo anche il tasto di streaming. Quando ho lo stream attivo, posso parlare a raffica senza sosta, il tutto passa attraverso l'intera catena e alla fine esce nella posizione del cursore. E questo funziona anche con i sistemi IA a valle.