styleIdとsession.runに渡す数値が異なっているVVMでも音声合成できるようにする #551
Conversation
| pub fn predict_duration_session_run( | ||
| &self, | ||
| style_id: StyleId, | ||
| model_id: &VoiceModelId, | ||
| inputs: Vec<&mut dyn AnyArray>, | ||
| ) -> Result<Vec<f32>> { |
There was a problem hiding this comment.
ここはスタイルIDではなくモデルIDを渡す設計の方が正しそうだったのでそうしました
| VOICEVOX_RESULT_INVALID_MODEL_INDEX_ERROR => "無効なmodel_indexです\0", | ||
| VOICEVOX_RESULT_INVALID_MODEL_ID_ERROR => "無効なmodel_indexです\0", |
There was a problem hiding this comment.
Model IndexではなくModel Idになったけど、このエラーメッセージが1回も使われてなかったのでスルーされてました
|
今CIが落ちていますが、直しかたは次のようになると思います。
|
|
mainに追従して、エラーメッセージがおかしかったのと、ドキュメント的にこっちのがちょっといいかなと思って修正しました e7896bb |
| #[derive(Deserialize, Getters, Clone)] | ||
| pub struct Manifest { | ||
| manifest_version: ManifestVersion, | ||
| metas_filename: String, | ||
| decode_filename: String, | ||
| predict_duration_filename: String, | ||
| predict_intonation_filename: String, | ||
| #[serde(default)] | ||
| style_id_to_model_inner_id: BTreeMap<StyleId, ModelInnerId>, |
There was a problem hiding this comment.
今言うのもなんですが、"model_inner_id"という名前に欠点があるとすれば、声(voice)を指すことが少しだけわかりずらくなっているというのがあるかなと思いました。
"speaker_id"という表現はもうcompatible_engine以外で使っていないので、"true_speaker_id"とかにするというのもアリなんじゃないかと思いました。
There was a problem hiding this comment.
確かに言われておっしゃる通りなかなか分かりにくくなっているなと思いました。
大事なのはmodel_innerの部分だと思っていて、例えば同じ声を作れるものが、別のモデルでは別のIDになっていることもなくはない感じです。
speakerは声なのか話者なのか一意に定まらないので、やるとしたらmodel_inner_voice_idあたりなのかな～と思いました。
とりあえずこの値はここでしか使われていないから、一旦このままでも通じるのかなと思いました！
ただ分かりにくいのはおっしゃる通りだと思うので、いつか変更する場合はたぶん賛成できます。
There was a problem hiding this comment.
ああ言われてみればモデルごとに違ってもいいんですね。
他にあるとすれば...local_voice_idとか...?
There was a problem hiding this comment.
確かにmodel含めなくてもいいかもですね！ inner_voice_idとかもありかもです。
|
レビュー本当にありがとうございます！！！ |
内容
の解決です。
manifest.jsonにマッピング情報を記載し、id_relationsに格納して値を取り回すようにしました。InferenceCoreとStatusの役割がちょっとごちゃごちゃになっている印象を受けました。
VvmModelの情報をとりあえずStatusに持たせてみています。
ちょっとどういう設計にすればいいのかはパッと思いつけませんでした。
関連 Issue
fix #548
その他