Budżet: 4000 UAH Termin: 2 dni
Cześć! Zajmę się konfiguracją workflow F5-TTS/Misha24-10 (lub Chatterbox) w twoim ComfyUI pod StabilityMatrix do generowania długich audiobooków MP3 z tekstu. Mam doświadczenie z pipeline'ami ComfyUI oraz lokalnym tuningiem AI w Pythonie. Pracuję zdalnie (AnyDesk/TeamViewer) na twoim komputerze, pisemnie ustalimy dogodny czas. Koszt i termin — poniżej.
Budżet: 4000 UAH Termin: 2 dni
Dzień dobry! Zainstalowałem lokalnie ComfyUI-Workflow, w tym F5-TTS — do długich tekstów w audiobookach działa dobrze. Skoro StabilityMatrix z ComfyUI już macie uruchomione, pozostaje zainstalować niestandardowe węzły F5-TTS i zbudować workflow do pakietowego przetwarzania txt → MP3. Połączę się przez AnyDesk, zainstaluję i przetestuję na waszym przykładzie, w ciągu dwóch dni. Jeśli F5 nie spełni oczekiwań co do głosów — mogę również uruchomić Chatterbox.
Budżet: 4000 UAH Termin: 1 dzień
Dzień dobry Igor. Jaki jest średni objętość tekstu, który planujesz ładować za jednym razem? (To potrzebne, abym mógł prawidłowo skonfigurować węzeł automatycznego dzielenia tekstu na kawałki, w przeciwnym razie sieć neuronowa będzie przeciążać pamięć wideo). Jaki model karty graficznej jest zainstalowany w komputerze? (F5-TTS działa szybko, ale pod względem objętości twojej VRAM trzeba zoptymalizować rozmiar partii). Finalne audiobooki należy zbierać w jeden monolityczny plik MP3, czy workflow powinien dzielić je na rozdziały?
Mogę przekazać ci zestawienie w postaci gotowego pliku JSON workflow z instrukcją tekstową, lub połączyć się przez AnyDesk i skonfigurować wszystko, w tym instalację niezbędnych zależności Pythona (vocos, transformers) bezpośrednio w środowisku StabilityMatrix.
Będę szczęśliwy, mogąc pomóc.
Budżet: 4000 UAH Termin: 2 dni
Należy uruchomić workflow F5-TTS w już działającym ComfyUI i uzyskać na wyjściu MP3 z plików tekstowych w akceptowalnej jakości.
Kroki: zainstaluję niestandardowy węzeł F5-TTS (Misha24-10 lub Chatterbox) przez ComfyUI Manager, dobiorę działający workflow pod standardowe głosy bez klonowania, skonfiguruję przetwarzanie wsadowe długich tekstów z podziałem na kawałki i sklejeniem w końcowe MP3. Główne ryzyko tutaj to zależności Pythona i wersja torch: F5-TTS często koliduje ze środowiskiem ComfyUI, co można rozwiązać przez oddzielny venv lub edycję requirements.
Jaka jest twoja karta graficzna i ile VRAM - to określi, która dokładnie model wejdzie bez OOM i jak szybko będzie generacja?
Budżet: 4000 UAH Termin: 2 dni
Dzień dobry!
Zainteresował mnie Państwa projekt. Jestem gotów pomóc w konfiguracji F5-TTS (lub alternatywnego rozwiązania, jeśli będzie działać stabilniej) w już wdrożonym Stability Matrix + ComfyUI. Sprawdzę działanie workflow, skonfiguruję generację długich plików audio z tekstu i pomogę usunąć możliwe problemy z konfiguracją.
Aby ocenić, chciałbym wyjaśnić kilka szczegółów:
jaka jest Państwa karta graficzna i ilość VRAM;
która wersja ComfyUI jest używana;
czy planowane jest skonfigurowanie zdalnego dostępu;
czy istotne jest użycie właśnie F5-TTS, czy można zastosować podobne rozwiązanie, jeśli zapewni lepszą stabilność.
Po wyjaśnieniu szczegółów jestem gotów od razu przystąpić do pracy.
Będę zadowolony ze współpracy. Jeśli coś, proszę pisać na prywatne, dogadamy się.
Budżet: 4000 UAH Termin: 3 dni
Dzień dobry! Mamy doświadczenie w pracy z ComfyUI i konfiguracji lokalnych rozwiązań TTS. Realizujemy integrację F5-TTS do wsadowego przetwarzania plików tekstowych na audiobooki poprzez stworzenie niestandardowego workflow, który zapewni stabilną generację długich MP3 bez awarii. Skonfigurujemy wszystkie niezbędne zależności i parametry wyjściowe dla prawidłowego działania na Twoim sprzęcie.
