A persona
Uma personagem do canal, com nome, personalidade e voz, que responde ao chat por um modelo de IA com a sua própria chave.
Configurar
Integrações, IA, guarda as chaves dos provedores neste computador, as mesmas para todos os perfis, e diz o que cada uma liga; Configurações, Persona, define o provedor, o nome, a personalidade, o modelo e a voz. Sem a chave do provedor escolhido, ela é pedida logo abaixo do provedor, ali mesmo, e o resto da persona fica desligado até ela estar lá.
Vozes
As vozes do Windows são grátis, e mais idiomas vêm de Configurações do Windows › Hora e idioma › Fala. As do Piper também são grátis, e soam mais naturais; são feitas neste computador (abaixo). As vozes da OpenAI precisam da chave dela, em Integrações › IA. Uma ação pode escolher a própria voz com vovo.say(texto, { voice }).
Piper
O Piper faz vozes neste computador, sem mandar nada para lugar nenhum. A Vovó não o traz junto: "Abrir pasta", sob a voz, abre a pasta do Piper (%LOCALAPPDATA%\Vovo\piper), e duas coisas vão nela, em qualquer lugar dentro:
- O Piper para Windows (
piper_windows_amd64.zip), descompactado como vem, com opiper.exeao lado da pastaespeak-ng-data. - Uma voz: os dois arquivos dela,
<voz>.onnxe<voz>.onnx.json. Em português,pt_BR-faber-mediumoupt_BR-cadu-medium, entre outras.
De volta à Vovó, as vozes aparecem em todas as listas de vozes, como "Piper · …". Uma ação escolhe uma com vovo.say(texto, { voice: "piper:pt_BR-faber-medium" }). O Piper lê cada linha em uma fração de segundo.
Quando ela responde
Quando alguém diz o nome dela no chat, ou resgata a recompensa de pontos escolhida para ela. Uma resposta por pessoa a cada minuto, e uma no total a cada poucos segundos, para um chat agitado não gastar o seu dinheiro.
Aprovação
Por padrão, a resposta espera você aprovar: no sino, ou em IA, na barra lateral. Aprovada, vai para o chat, é falada na live e chega às ações como persona.answer.
A conta dela
No chat, as respostas da persona são escritas como você, a não ser que ela tenha uma conta própria na Twitch: em Integrações, na Twitch, "A conta da persona" conecta essa conta por um código, como a sua foi conectada. Abra o link numa janela anônima em que a Twitch esteja na conta da persona, ou o código conectaria a sua de novo. Daí em diante as falas são dela, e ela nunca responde a elas. Faça dessa conta moderadora do seu canal, para o modo lento e o chat só de seguidores não a segurarem. Ela só escreve: não lê nada e não administra nada. Uma ação que dá voz à persona também pode escrever por ela, para o que a persona diz que não é resposta, como uma linha digitada para ela; enquanto a conta não está conectada, essa linha não é escrita.
Memória
A persona leva uma conversa adiante: as últimas trocas vão junto com cada pergunta. É tudo o que ela sabe, e só enquanto a Vovó está aberta, a não ser que você ligue "Lembrar entre lives" em Configurações > Persona. Aí a conversa fica guardada neste computador e, conforme cresce, as trocas mais antigas são lidas mais uma vez pelo modelo da persona, que tira delas os fatos que duram: quem apareceu, um apelido, uma piada que pegou. Essa leitura é uma chamada a mais ao modelo, mais ou menos uma a cada três respostas, paga com a sua chave. O que volta fica mais forte e permanece; o que foi dito uma vez só some em pouco mais de um mês. Fixe um fato e ele fica para sempre; digite um você e ele já entra fixado; na aba IA, o alfinete numa resposta guarda o que a persona disse. Tudo o que ela lembra está listado em Configurações > Persona, para esquecer um a um ou tudo de uma vez, e nada disso sai deste computador a não ser para o modelo dela, a cada pergunta. Uma resposta que você descarta não é lembrada. Ela guarda 40 fatos no máximo.
Recompensas da Vovó
Em Integrações, com a Twitch conectada, crie recompensas de pontos pela própria Vovó: título, custo e se pedem texto. Ela pode pausar, retomar e apagar as que criou. Os resgates delas esperam na fila da recompensa: quando a persona responde ou o texto é lido, o resgate é aprovado; quando isso é descartado, os pontos voltam para quem resgatou. A Twitch só deixa o app que criou uma recompensa mudá-la, e um canal tem no máximo 50.
Ler uma recompensa em voz alta
Em Configurações, "Voz", escolha uma recompensa de pontos pelo título: o que o espectador digitar nela é lido na live, numa voz do perfil. Sempre espera aprovação no sino antes (aqui, ou de um dispositivo que possa aprovar), e endereços de sites ficam de fora da leitura. Uma mensagem do chat é lida do mesmo jeito pelo alto-falante ao lado dela, no Chat da barra lateral ou num celular que possa ler o chat: o seu clique é a aprovação, então nada é lido sozinho. Uma linha que a conta da própria persona escreveu é da persona, e uma ação que dá voz à persona a diz; as ações ouvem cada leitura como tts.spoken.
Fala em texto
O que você fala no microfone vira texto: para legendas que uma ação mostra (speech.text, uma frase por vez, um ou dois segundos depois de dita) e, com "Me ouvir" ligado nas configurações da persona, para a persona responder quando você diz o nome dela. O microfone só abre enquanto algo precisa, e a barra de status mostra isso como mostra as outras leituras; nada é guardado.
Dois motores escrevem, escolhidos em Configurações, "Voz":
- O Whisper, neste computador: a sua voz não sai daqui. A Vovó não o traz junto: "Abrir pasta" abre a pasta dele (
%LOCALAPPDATA%\Vovo\whisper), e duas coisas vão nela, em qualquer lugar dentro: o whisper.cpp para Windows, descompactado como vem (ele tem owhisper-server.exe), e um modelo,ggml-<nome>.bin. Osmallescreve bem em português no processador; olarge-v3-turboescreve melhor e pede placa de vídeo, com a versão do whisper.cpp para ela. O Automático usa o Whisper assim que ele está lá, e nunca manda a sua voz para lugar nenhum sozinho. - A OpenAI, com a sua chave: a sua voz vai para a OpenAI, por cerca de US$ 0,003 por minuto enquanto escuta. Só quando você escolhe.
"Palavras da live" são nomes que a sua live usa (o canal, a persona, jogos, amigos), separados por vírgula: eles voltam escritos certo. Deixe como lista, não como frase: o Whisper as lê como palavras que acabaram de ser ditas, e uma frase o convida a continuá-la. Uma frase que é só essas palavras voltando é descartada, como as falas que os motores inventam quando não ouvem palavra nenhuma.
A persona ouve o nome dela num ritmo: 15 segundos entre respostas no mínimo, e 30 por hora no máximo. As respostas esperam aprovação como qualquer outra, e a própria voz dela, ouvida de volta pelo microfone, não é pergunta para ela. Fale de fone, para o microfone ouvir você e não a live.