Persona
Postać kanału, z imieniem, osobowością i głosem, która odpowiada na czacie przez model AI z twoim własnym kluczem.
Konfiguracja
Integracje, AI, trzymają klucze dostawców na tym komputerze, te same dla każdego profilu, i mówią, co który włącza; Ustawienia, Persona, ustalają dostawcę, imię, osobowość, model i głos. Bez klucza wybranego dostawcy jest on proszony tuż pod dostawcą, a reszta persony zostaje wyłączona, dopóki go nie będzie.
Głosy
Głosy Windows są darmowe, a więcej języków przychodzi z Ustawień systemu Windows › Czas i język › Mowa. Głosy Piper też są darmowe i brzmią naturalniej; powstają na tym komputerze (niżej). Głosy OpenAI potrzebują jego klucza, w Integracjach › AI. Akcja może podać własny głos przez vovo.say(tekst, { voice }).
Piper
Piper tworzy głosy na tym komputerze, nic nigdzie nie wysyłając. Vovó go nie zawiera: „Otwórz folder”, pod głosem, otwiera folder Pipera (%LOCALAPPDATA%\Vovo\piper), a do środka idą dwie rzeczy, gdziekolwiek w nim:
- Piper dla Windows (
piper_windows_amd64.zip), rozpakowany tak, jak przychodzi, zpiper.exeobok jego folderuespeak-ng-data. - Głos: jego dwa pliki,
<głos>.onnxi<głos>.onnx.json. Po polsku na przykładpl_PL-darkman-mediumalbopl_PL-gosia-medium.
Z powrotem w Vovó głosy są na każdej liście głosów, jako „Piper · …”. Akcja wybiera jeden przez vovo.say(tekst, { voice: "piper:pl_PL-darkman-medium" }). Piper czyta każdy wiersz w ułamku sekundy.
Kiedy odpowiada
Gdy ktoś napisze na czacie jej imię albo odbierze wybraną dla niej nagrodę za punkty kanału. Jedna odpowiedź na osobę na minutę i jedna w ogóle co kilka sekund, żeby tłoczny czat nie wydawał twoich pieniędzy.
Zatwierdzanie
Domyślnie odpowiedź czeka, aż ją zatwierdzisz: w dzwonku albo w AI na pasku bocznym. Zatwierdzona trafia na czat, jest wypowiadana w transmisji i dociera do akcji jako persona.answer.
Jej własne konto
Na czacie odpowiedzi persony są pisane jako ty, chyba że ma własne konto Twitch: w Integracjach, przy Twitchu, „Konto persony” loguje to konto kodem, tak jak twoje. Otwórz link w prywatnym oknie, w którym Twitch jest zalogowany na konto persony, inaczej kod połączyłby ponownie twoje. Od tej pory jej wiersze są jej własne i nigdy na nie nie odpowiada. Zrób to konto moderatorem kanału, żeby tryb powolny i czat tylko dla obserwujących go nie wstrzymywały. Ono tylko pisze: niczego nie czyta i niczym nie zarządza. Akcja, która daje personie głos, też może pisać przez to konto, gdy persona mówi coś, co nie jest odpowiedzią, na przykład wpisaną dla niej linię; dopóki konto nie jest połączone, taka linia nie jest pisana.
Pamięć
Persona prowadzi rozmowę: ostatnie wymiany idą z każdym pytaniem. To wszystko, co wie, i tylko dopóki Vovó jest otwarta, chyba że włączysz „Pamiętaj między transmisjami” w Ustawieniach > Persona. Wtedy rozmowa jest trzymana na tym komputerze, a gdy rośnie, model persony jeszcze raz czyta najstarsze wymiany i wyciąga z nich trwałe fakty: kto wpadł, przezwisko, żart, który się przyjął. To czytanie to jedno wywołanie modelu więcej, mniej więcej co trzecia odpowiedź, opłacane twoim kluczem. To, co wraca, się wzmacnia i zostaje; to, co powiedziano raz, blednie w nieco ponad miesiąc. Przypnij fakt, a zostanie na stałe; wpisz go sam, a wejdzie przypięty; w karcie AI pinezka przy odpowiedzi zachowuje to, co powiedziała persona. Wszystko, co pamięta, jest wypisane w Ustawieniach > Persona, do zapomnienia po jednym albo naraz, i nic z tego nie opuszcza tego komputera poza jej modelem, z każdym pytaniem. Odpowiedź, którą odrzucisz, nie jest zapamiętywana. Mieści najwyżej 40 faktów.
Nagrody Vovó
W Integracjach, przy połączonym Twitchu, twórz nagrody za punkty kanału z samej Vovó: tytuł, koszt i czy proszą o tekst. Może wstrzymywać, wznawiać i usuwać te, które utworzyła. Ich odbiory czekają w kolejce nagrody: gdy persona odpowie albo tekst zostanie przeczytany, odbiór jest zatwierdzany; gdy zostanie odrzucony, punkty wracają do osoby, która odebrała. Twitch pozwala zmieniać nagrodę tylko aplikacji, która ją utworzyła, a kanał ma ich najwyżej 50.
Czytanie nagrody na głos
W Ustawieniach, „Głos”, wybierz nagrodę za punkty kanału po tytule: to, co widz w niej wpisze, jest czytane w transmisji, głosem profilu. Zawsze najpierw czeka na zatwierdzenie w dzwonku (tu albo z urządzenia z prawem zatwierdzania), a adresy stron są pomijane przy czytaniu. Wiadomość z czatu czyta się tak samo głośnikiem obok niej, w Czacie na pasku bocznym albo na telefonie z prawem czytania czatu: twoje kliknięcie jest jej zatwierdzeniem, więc nic nie jest czytane samo. Wiersz napisany przez własne konto persony należy do persony, a akcja, która daje personie głos, go wypowiada; akcje słyszą każde czytanie jako tts.spoken.
Mowa na tekst
To, co mówisz do mikrofonu, staje się tekstem: dla napisów, które pokazuje akcja (speech.text, po jednym zdaniu, sekundę lub dwie po wypowiedzeniu) i, z włączonym „Słyszeć mnie” w ustawieniach persony, żeby persona odpowiadała, gdy mówisz jej imię. Mikrofon otwiera się tylko wtedy, gdy coś go potrzebuje, a pasek stanu pokazuje to tak jak inne odczyty; nic nie jest zapisywane.
Dwa silniki to zapisują, do wyboru w Ustawieniach, „Głos”:
- Whisper, na tym komputerze: twój głos nigdzie nie idzie. Vovó go nie zawiera: „Otwórz folder” otwiera jego folder (
%LOCALAPPDATA%\Vovo\whisper), a do środka idą dwie rzeczy, gdziekolwiek w nim: whisper.cpp dla Windows, rozpakowany tak, jak przychodzi (mawhisper-server.exe), i model,ggml-<nazwa>.bin.smalldobrze zapisuje polski na procesorze;large-v3-turbozapisuje lepiej i chce karty graficznej, z buildem whisper.cpp dla niej. Automatycznie używa Whispera, gdy tylko jest na miejscu, i nigdy sam nie wysyła nigdzie twojego głosu. - OpenAI, z twoim kluczem: twój głos idzie do OpenAI, za około 0,003 USD za minutę, gdy słucha. Tylko gdy go wybierzesz.
„Słowa transmisji” to nazwy, których używa twoja transmisja (kanał, persona, gry, znajomi), rozdzielone przecinkami: wracają poprawnie zapisane. Niech to będzie lista, nie zdanie: Whisper czyta je jak słowa przed chwilą wypowiedziane, a zdanie zachęca go, by je ciągnął. Fraza, która przynosi tylko te słowa, jest odrzucana, tak jak wiersze, które silniki wymyślają, gdy nie słyszą słów.
Persona słyszy swoje imię z umiarem: co najmniej 15 sekund między odpowiedziami i najwyżej 30 na godzinę. Jej odpowiedzi czekają na zatwierdzenie jak każde inne, a jej własny głos usłyszany z powrotem przez mikrofon nie jest dla niej pytaniem. Mów w słuchawkach, żeby mikrofon słyszał ciebie, a nie transmisję.