Use o trocador de voz em tempo real do Mainline

Este guia se aplica à GUI separada em tempo real incluída nas compilações suportadas do Mainline. Ele pode passar um microfone através de um modelo continuamente enquanto a WebUI é usada para gravações e treinamento. Comece ouvindo diretamente pelos fones de ouvido e depois envie o áudio processado para outro aplicativo.

Abra a interface e selecione seus arquivos

Conclua a instalação e verifique o modelo com uma conversão de arquivo curta. Isso fornece um teste independente se surgir um problema no microfone.
Em um pacote Windows com go-realtime_gui.bat, inicie-o a partir da pasta do programa descompactado. Na ramificação de origem atual, ative o ambiente na configuração e execute python realtime_gui.py no diretório do repositório. Os nomes dos iniciadores de pacotes variam.
Na janela em tempo real, selecione a pequena inferência .pth. Se você tiver sua correspondência preenchida .index, escolha-a aqui. Deixe Index Rate em 0 para o primeiro teste de audição. Se sua construção exigir um índice em seu seletor de arquivos, forneça aquele para o modelo selecionado.
Escolha uma interface de host de som e selecione seu microfone físico como entrada e fones de ouvido como saída. Escolha os valores normais de pitch e taxa de amostragem oferecidos pela sua construção. Comece com as configurações de desempenho padrão.

Verifique o microfone antes de conectar um aplicativo.

Abaixe o volume do fone de ouvido antes de começar. Se a GUI oferecer Monitor de voz de entrada, use-a para confirmar o microfone selecionado. Fale uma frase curta e faça uma pausa. Verifique se você ouve uma voz direta e silêncio durante a pausa.
Mude para Saída de voz convertida e inicie a conversão. Aguarde a inicialização. Repita a mesma frase em um nível de fala normal e ouça consoantes e terminações de palavras. Verifique o feedback antes de aumentar o volume.
Se o stream começar, mas cortar palavras, verifique a seleção do dispositivo e o nível de entrada. Se houver lacunas repetidas, retorne ao comprimento padrão do bloco de processamento. Uma voz limpa e ligeiramente atrasada é uma base melhor do que um sinal de baixa latência que continua quebrando.
Interrompa a transmissão antes de mudar de dispositivo de áudio ou carregar um ponto de verificação diferente. Reinicie e repita o mesmo teste de audição.

Direcione o Mainline para uma chamada ou gravador.

Configure um cabo virtual ou outro par de dispositivos de reprodução e gravação conectados. O final da reprodução recebe som do Mainline. A extremidade da gravação fornece esse som para sua chamada ou gravador.

Physical microphone → Mainline GUI → Virtual cable playback input
                                           ↓
                       Call or recording app ← Virtual cable recording output

Pare a conversão e configure o dispositivo de saída Mainline para a extremidade de reprodução do cabo. Deixe o microfone físico selecionado como entrada do Mainline.
No aplicativo de destino, escolha a extremidade de gravação do cabo como microfone. Selecione seus fones de ouvido para a reprodução desse aplicativo para que o som da chamada não volte pelo cabo.
Inicie a conversão e faça uma gravação privada ou use o teste de microfone do app. Confirme se ele captura a voz convertida uma vez. Se você também precisar de monitoramento local, use o monitoramento do aplicativo de destino quando disponível e mantenha-o separado da entrada do cabo.
Se o aplicativo de destino cortar sílabas baixas, compare uma amostra curta com o processamento automático de ruído desativado para diagnóstico. Restaure qualquer processamento que melhore o resultado sem perder palavras.

Reduza o atraso sem criar interrupções

Diminua o Comprimento da amostra ou o controle de bloco equivalente, um incremento de cada vez. Um bloco mais curto reduz a espera, mas dá ao motor menos tempo para terminar. Repita uma frase baixa e uma frase mais alta após cada mudança. Se houver cliques, desistências ou sílabas repetidas, volte para o último valor estável. Quando o tamanho do bloco estiver estável, ajuste uma outra configuração por vez se sua construção o expor:

Comprimento do fade combina pedaços sobrepostos. Uma mudança pode ajudar com cliques nos limites dos blocos.
Tempo de inferência extra dá ao modelo mais contexto em torno do bloco atual. Reduza-o com cautela e preste atenção à instabilidade.
A extração do tom afeta a qualidade do tom e a carga de trabalho. Compare uma alternativa suportada quando notas difíceis oscilam ou o processamento demora muito.
Taxa de índice e reduções de ruído adicionam processamento. Experimente uma linha de base estável com os recursos opcionais desativados antes de ajustar cada um deles.

Use o mesmo teste com sua carga de trabalho de chamada, jogo ou gravação em execução. O atraso de ida e volta que você ouve também inclui os drivers, o cabo virtual e o aplicativo de destino. Um valor de tempo mostrado pelo conversor representa apenas parte desse caminho.

Sintoma	Verifique primeiro
Dispositivo ausente	Pare o fluxo, recarregue a lista de dispositivos e tente outra interface host que exponha o microfone e a saída. Verifique a permissão do microfone do sistema.
O aplicativo downstream recebe a voz bruta.	Coloque o microfone downstream na extremidade de gravação do cabo. Desative uma segunda fonte de captura se o aplicativo combinar ambas.
Uivo ou voz dupla	Use fones de ouvido, verifique se nenhuma entrada aponta para o próprio retorno do cabo e desligue o monitoramento duplicado.
Bom som de monitor, destino silencioso	Confirme que você escolheu as duas extremidades do mesmo cabo. Teste ambos os endpoints com um aplicativo de gravação local.
O modelo não inicia	Teste a mesma exportação de inferência na WebUI e confirme os ativos correspondentes. Verifique o primeiro erro da GUI antes de alterar as configurações do dispositivo e do modelo juntos.

Consulte noções básicas de conversão em tempo real para outros aplicativos suportados e terminologia geral de roteamento.