エンクド開発

原因: CUDA (NVIDIA GPU) を使用するための PyTorch... のステップでは、AIを動かすための巨大なファイル（数GB）をダウンロードしています。インターネット回線によっては10分〜数十分ほど画面が止まったように見えることがありますが、裏で処理が進んでいます。

解決策: エラーメッセージが出ない限り、途中で画面を閉じずにそのままお待ちください。もし途中で閉じてしまった場合は、一度フォルダを削除し、最初からやり直してください。

原因: インストール用スクリプト（install.bat）がインターネットから必要なプログラムを自動ダウンロードする挙動が、Windows Defenderやセキュリティソフト（ノートン、ウイルスバスターなど）に「疑わしい動作」として誤検知されることがあります。

解決策:
・「WindowsによってPCが保護されました」と出た場合: 画面内の「詳細情報」をクリックし、「実行」ボタンを押してください。
・セキュリティソフトにブロックされる場合: 一時的にセキュリティソフトの保護を無効にするか、本ツールのフォルダをスキャン除外（例外）設定に登録してから、再度 install.bat を実行してください。

原因: 会社や学校から貸与されたPCなど、セキュリティ設定が極端に厳しい環境では、PowerShellを使ったダウンロードが制限されている場合があります。

解決策: 個人のPCで実行するか、ネットワークの管理者にご確認ください。

原因: AIを動かすためのプログラム（Python等）の実行に必要な、Windowsの標準部品がPCに入っていません（新しく買ったばかりのPCなどでよく起こります）。

解決策: 以下のMicrosoft公式ページから「Visual C++ 再頒布可能パッケージ」をダウンロードしてインストールし、PCを再起動してください。
x64 アーキテクチャ用 (vc_redist.x64.exe) をダウンロード

原因: 本ツールを配置しているフォルダの「場所（パス）」に問題がある可能性があります。

解決策: 以下の2点を確認してください。
1. 日本語やスペースが含まれていないか: フォルダ名や、途中の経路（例: C:\Users\太郎\デスクトップ）に日本語やスペースが含まれているとエラーになります。C:\Irodori-TTS のようなシンプルな英語の場所に移動させてください。
2. OneDriveの同期フォルダ内に入っていないか: デスクトップやドキュメントフォルダがOneDriveと同期されていると、ファイルの読み書きに失敗することがあります。Cドライブの直下などに移動させてください。

原因: 本ツールはブラウザ上で 127.0.0.1:7860 というアドレス（ポート番号 7860）を使用します。Stable Diffusion WebUIなど、他のAIツールがすでに同じポートを使っていると競合して起動できません。

解決策: 他のAIツールを一度終了させてから、再度 start.bat を実行してください。

原因: 複数のサーバーを同時に立ち上げたり他のポート競合が発生した場合、Gradioサーバーはポート番号を自動的に 7861 や 7862 などにずらして（シフトして）起動します。

解決策: 起動したコンソール（黒い画面）の最後に表示される Running on local URL: http://127.0.0.1:786X のアドレスを確認してください。拡張機能の設定ポップアップにある「TTS サーバー URL」のアドレス（例: http://127.0.0.1:7861/）も、それに合わせて修正することで正しく連携できるようになります。

原因: 本ツールは「NVIDIA製のグラフィックボード（GPU）」が搭載されているPCで高速に動作するように設定されています。AMD製のGPU、Intel製のGPU、またはGPUが搭載されていないPC（一般的なノートPCなど）でも動作しますが、CPUで処理が行われるため、生成に非常に時間がかかります。

解決策: 快適に動作させるためには、NVIDIA製GPU（GeForce RTXシリーズなど）を搭載したPCのご利用を推奨します。

原因: NVIDIA製GPU（CUDA）での動作を推奨していますが、標準版はCPU環境でも動作可能です。ただしGPU環境と比べて音声生成に時間がかかります（※Speaker Inversion学習についてはGPU必須となります）。

解決策: GPU非搭載環境で音声合成をご利用の際は、拡張機能側の設定ポップアップにて、Device項目を cpu に、Precision項目を fp32 に設定してください。

原因: 直接再生が機能しない場合、Chromeブラウザ側のセキュリティ権限設定が不足しているか、フォルダパスの指定が間違っている可能性があります。

解決策: 以下の2点を確認してください。
1. ファイルURLアクセスの許可: Chromeの拡張機能管理画面（chrome://extensions）を開き、「Chat to TTS Linker」の「詳細」ボタンをクリックして、「ファイルの URL へのアクセスを許可する」 スイッチがONになっているか確認します。
2. フォルダパスの確認: 拡張機能の設定画面で入力した「gradio_outputs」の絶対パス（例: C:\Irodori-TTS\gradio_outputs）が正しいか、エクスプローラーのアドレスバーと見比べて再確認してください。

原因: 話者埋め込みの最適化学習（train.py）には一定以上のGPU VRAM（目安: 6GB以上推奨）が必要です。他のAIツールやゲームなどが同時にVRAMを消費しているとメモリ不足エラーが発生します。

解決策: 他のGPU使用アプリケーション（WebUIやブラウザのハードウェアアクセラレーション等）を一度終了させてから再度学習を実行してください。また、データセット内の1音声あたりの長さが極端に長い（15秒以上など）場合は、3〜10秒程度にトリミングして分割することを推奨します。

原因: アップロードした音声ファイル（.wav）とテキストファイル（.txt）のファイル名（拡張子を除く）が一致していないか、テキストファイルの文字コードに問題がある可能性があります。

解決策: 01.wav に対する書き起こしテキストは 01.txt のように同名で準備してください。また、テキストファイルの文字コードは原則 UTF-8（BOMなし）を推奨します。

原因: 多数の行を一括・連続生成した際、GPUメモリ内に中間キャッシュが蓄積される場合があります。

解決策: WebUI上部の「モデルのアンロード」ボタンをクリックすることで、GPUメモリ（VRAM）のキャッシュが自動解放（torch.cuda.empty_cache()）されます。大量の音声を生成する合間にアンロードをお試しください。

原因・仕様: 同時に起動することは可能ですが、ポート番号が自動的にシフトします（1つ目が http://127.0.0.1:7860/、2つ目が http://127.0.0.1:7861/ など）。また、複数のモデルが同時にVRAM上にロードされるため、GPUメモリ消費量が増加します。

解決策: 各バッチ起動時の黒い画面（コンソール）末尾に表示される Running on local URL: http://127.0.0.1:786X のアドレスを確認してブラウザでアクセスしてください。VRAMに余裕がない場合は、使用しないWebUIを終了させてから別のバッチを起動することをおすすめします。