Ang personal na pagsasanay sa boses ay kasama sa Brethof Voice Pro. I-fine-tune ang modelo ng pagkilala sa iyong sariling boses, nang lokal, sa isang klik lamang — walang command line, walang cloud. Ito ang paraan kung paano ito gumagana.
Paano ito gumagana
Sa bawat pagwawasto mo sa salitang mali ang pagkakilala, iniimbak ng app ang audio clip at ang iyong pagwawasto sa isang lokal na dataset para sa pagsasanay. Ipinapakita sa training card sa pangunahing bintana kung gaano karaming sample at minuto ang nai-record mo — i-click ito upang tingnan, pakinggan, o burahin ang mga entry. Kapag handa ka na, ang Training tab ay gagamit ng LoRA adapter upang mas mapabuti ang kalidad ng iyong boses.
Awtomatikong pinipili ng pipeline ang backend nito: isang NVIDIA CUDA build (cu128 PyTorch, auto-installed sa isang cached venv sa unang pagpapatakbo) kapag mayroong compatible na GPU, kung wala naman ay isang CPU Fallback. Kapag natapos ang pagsasanay, ang LoRA ay pinagsasama sa base model at inililipat sa GGUF upang mabuksan ito ng llama.cpp — pumunta sa Settings → Models upang piliin ang iyong personal na modelo. Ang PyTorch-to-GGUF conversion na dating nakakahadlang dito ay natapos na at gumagana nang end-to-end.
Ano ang makukuha mo
- Pagkolekta ng datos sa loob ng app. Ang mga pagwawasto ay nagiging training data nang awtomatiko — patuloy lamang na gamitin ang app.
- Isang-klik na LoRA fine-tuning. Magsanay sa iyong GPU (NVIDIA CUDA) o CPU. Mayroong bar ng progreso, hindi file ng tala.
- Auto GGUF export. Ang natraining na modelo ay pinagsasama at binabago para sa iyo — walang kinakailangang manu-manong hakbang.
- Pag-version ng modelo. Panatilihing kasama ang stock model sa tabi ng iyong fine-tuned na modelo, at lumipat sa pagitan ng mga ito sa settings.
- Mga hotword para sa bokabularyo. Idagdag ang mga pangalan, acronym, at termino ng produkto sa dialog na Hotwords — agad itong magiging epektibo, walang pangangailangan para sa muling pagsasanay.
Sino ang apektado nito
- Mga taong hindi katutubong nagsasalita. Ang mga mabibigat na accent ay nakakakuha na ngayon ng matibay na baseline accuracy, ngunit ang fine-tuning sa iyong sariling boses ang nagtutulak nito sa 95%+ range.
- Mga gumagamit sa larangan ng medisina, batas, at teknolohiya. Ang mga pangalan ng gamot, mga sanggunian sa batas, at mga identifier ng codebase – lahat ay nakikinabang nang malaki mula sa isang espesyal na bokabularyo.
- Mga gumagamit na may kapansanan sa pagsasalita. Ang fine-tuning sa dysarthric o hindi karaniwang pagsasalita ay isa sa mga pinakamahalagang gamit ng lokal na pagsasanay. Hindi ito iniaalok ng mga komersyal na serbisyo sa cloud.
- Mga wika na may kaunting mapagkukunan. Ang mga base model ay mahusay sa mga sikat na wika at hindi gaanong epektibo sa mga hindi gaanong karaniwang wika. Kung i-fine-tune ito gamit ang ilang oras ng sarili mong audio, mabilis na mababawasan ang pagkakaiba.
Ano ang hindi nagbabago
- Ang pagsasanay ay isinasagawa sa lokal na antas. Ang mga sample ng boses ay hindi kailanman lumalabas sa iyong makina. Iyan ang buong punto.
- Ang iyong fine-tuned na modelo ay sa iyo. Hindi namin ito ina-upload. Hindi namin ito isinasama sa isang “shared” na modelo. Nasa iyong disk ito.
- Libre kasama ng anumang bayad na lisensya. Hindi ito hiwalay na upgrade. Kung mayroon ka nang Personal o Business, makakakuha ka ng training UI sa update na kasama nito.
Availability
Makukuha na ngayon — Ang personal na pagsasanay sa boses ay kasama na sa kasalukuyang build at gumagana nang tuloy-tuloy sa Linux at Windows. Libre ito kapag mayroon kang bayad na lisensya; ang iyong datos ng boses ay hindi kailanman lumalabas sa iyong makina.
Mayroon ka bang partikular na use case para sa fine-tuning — espesyalisadong bokabularyo, hindi pangkaraniwang accent, o atypical na pagsasalita? Sabihin sa amin para patuloy naming itong mapabuti: [email protected].