Auditory Learning

概要

このツールは、PDFファイルをAIに解説してもらうツールです。音声化にはVOICEVOXを使用しています。

以下のようなウェブUIを提供します。

使い方

想定環境

• 新しめのdocker
• cpuアーキテクチャ: x86
• linux（他環境での動作確認無し。wslでもいけるかも。arm/macは怪しい。）

事前準備(voicevox-engine)

voicevox-engine を利用します。 以下が実行例です。

gpu版の場合（十分なgpu環境設定が必要）

docker run --gpus all -d --rm \
  -p 50021:50021 \
  voicevox/voicevox_engine:nvidia-latest

cpu版の場合

docker run -d --rm \
  -p 50021:50021 \
  voicevox/voicevox_engine:cpu-latest

環境変数設定

.env ファイルを .env.example からコピーして環境変数を設定します。

特に、OPENAI_API_KEYの設定が必要です。

起動

$ bash ./scripts/launch.sh

起動したら http://localhost:8000 にアクセスしてください。

操作方法

左上の入力ボックスに対象とするPDFファイルのURLを入力して「開始」をクリックしてください。しばらくすると再生が始まります。 「次ページ」で次のページに進みます。他のボタン等も試してみてください。

制限

• モデルは gpt-4o 固定です。
• 音声は ずんだもん 固定です。
• PDFのURLは公開されているものに限ります。ローカルファイルをアップロードすることはできません。