[人工智障計畫] #3 硬體新聲級！｜計畫重啟的這與那

文前碎碎唸

首先，我要先對之前關注此系列的人說聲抱歉，之前因為自己的技術瓶頸，讓進度遲遲無法推進，最後只好暫時擱置。

而放著放著，居然也就到隔年，也該是時候為這段空白，給出一些交代了。

於是，鍵盤再度響起。

初心回顧

這個專案最初目的，是想搭建一個能顯示虛擬角色，並在設定的時間中以指定聲線提醒，平時也可以偶爾說些幹話的設備。

雖然先前僅達成最基本功能後就暫停，但所幸在這段期間中，這個「半成品」還是爭氣的持續穩定運作著。

每天在固定的時間，用著估狗小姐平淡的聲音，提醒著排定的事項，不時噓寒問暖。

雖然這代表著之前所完成的開發進度並沒有白費，但心中多少還是會掛念著她的不完美，以及無法達成理想的缺憾。

直到了那日，我終於狠下了心。

只能硬改

說回這次回歸計畫的主要動力，其實是在去年（2023）年底時，終於購入的一塊特價中的樹莓派 4B+ 8GB 版。

自從之前最開始那塊 0W 損壞後，這個專案中使用的，一直都是一塊舊的 3B+ 開發板。

原本以為相較於小板子，應該會有更好的效能才對，但事實卻證明，我可能太過抬舉它了。

尤其是要面對計畫加入的各種會牽扯到 AI 運算的功能，他那少的可憐的規格早已吃不消。

也希望藉這次的升級，能帶來更多效能上的餘裕。

說起新聲

在這次的計畫重啟後，首要想要實作的，當然就是遲來的自訂聲線能力。

其實於此之前，我便已在這部分的方案選擇上花費不少時間。

從算法、支援語言、模型訓練成本，一直到該如何落地使用等，各面向都做了比較。

但礙於當時一直無法順利取得平衡，以達到所需效果，最後也就不了了之，並採用最簡易的 GTTS 作為填補流程的方案。

而在這次的升級後，除了新硬體帶動外，也多虧了近期相關資訊及流程，都已經比當初開啟計畫時更加成熟了。

因此我只要在之前已完成的基礎下，將原本的 TTS 模組，替換為新的 VITS 模型 API 後，便能達到自訂聲線的目的。

而在這次更動後，除了聲音模型可依喜好更換外，也順帶解鎖了離線合成的能力。

由於模型的推論是在本機端執行，因此除了部分需要抓取資訊的模組（如天氣、搜尋）之外，整套系統終於能達成意義上的離線運作。

至於聲線的部分，基於創作者的尊重以及道德，我就不使用別人的聲音，而是直接拿自己的錄音存檔做調整後，再丟下去模型訓練了。

不過至此，重啟的腳步，仍尚未停歇。

這一步走下一步

雖然現在再談這個計畫，可能已經有些慢了，在這種 AI 百花亂綻的時代，與此相似的專案比比皆是。

像是市面上不同軟硬體公司既有的舊產品線，只要透過外掛擴充或系統升級，接上 ChatGPT 引擎，並加入客製化資料後，又是一個強大的虛擬助理誕生。

就算是從零打造的新專案，或許只要整合幾個現成的服務 API，便能獲得一個小而實用的 AI 作品。

不過，礙於個人奇怪的（？）堅持，我應該還是維持自己步調，慢慢來吧。

新年新形象

另外，之前為了快速開發與展示，在顯示角色部分，直接使用過去繪製的初音來做暫時擔當。

但考量到後續發展，我便另外為她設計了一個新形象，也同時做好了 Live2D 模型。

在 E-Ink 上呈現效果也還算可以，後續應該就會繼續以這個形象來做呈現。

之後還請多指教啦！

結語

最後來總結一下目前專案計畫中及完成的部分吧。

• 代辦事項通知【達成】

→ 最早引入的功能，運作依然正常！

• 顯示角色形象【部分達成】

→ 可使用靜態影像倫替，但原本計畫的即時 Live 2D 渲染仍找不到解方。

• 便攜及離線使用【達成】

→ 至目前為止實裝的系統，皆能夠在離線狀態下運作，或在離線狀態下，可切換其他模式作替代。

• 指定聲音提示【達成】

→ 成功加入 TTS（Text to Speach）推論能力，且可以透過更換模型來切換聲線。

• 其他項目【計畫中】

→ 離線資料庫查詢、聊天機器人等。

雖然還無法將當紅的 LLM（ Large Language Model ）機能放進來，但使用之前開發的聊天機器人為基礎，已可達成基本的模組控制，跟幹話（？）對答。

總之，對於這個專案，未來短期內的重點目標，應該會先放在完整她的語音輸入及輸出流程，讓她能盡量脫離電腦及網路獨立運作。

最後也感謝螢幕前的朋友耐心看到這裡，我們就之後筆記或難眠之夜再見囉！

《全文。待續》