Lucy-TTS/F5: Skripte + Batches versionieren, schwere Assets ignoriert

- pocket_server.py (Produktions-TTS mit Stimmen-Waechter), text_norm, Bench-/Diag-Skripte - lucy-f5: f5_server/f5_test/bench_dml (DirectML-Experiment, Phase C/D offen) - .gitignore: venvs/Modelle/Audio/Logs der beiden Ordner + box_recon/gemma_swap-Scratch Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
2026-07-02 10:29:33 +02:00
parent aff0105700
commit 09a1c98514
49 changed files with 8231 additions and 0 deletions
@@ -0,0 +1,44 @@
+# -*- coding: utf-8 -*-
+"""Verifiziert die 'Stimme wurde männlich'-Hypothese: misst F0 (Grundfrequenz) vieler Generierungen
+bei temp 0.9 vs 0.7. Weiblich (Saber-Klon) ~180-240Hz, männlich-Drift (Default 'juergen') ~100-140Hz.
+Sucht Ausreißer = Stimm-Identitäts-Kollaps."""
+import os, numpy as np, librosa, soundfile as sf
+from pocket_tts import TTSModel
+
+BASE = r"F:\Coding Stuff\mission-control-2\client\lucy-tts"
+src,_ = librosa.load(os.path.join(BASE,"ref.mp3"), sr=24000, mono=True)
+srt,_ = librosa.effects.trim(src, top_db=30); ref=os.path.join(BASE,"ref.wav")
+sf.write(ref, srt[:int(18*24000)], 24000)
+LEAD="Tja. "
+TEXTS = [
+ "Hallo Commander, ich höre dich.",
+ "Natürlich, Commander, das mache ich sofort.",
+ "Die Hitze in Hamburg ist heute wirklich heftig.",
+ "Klar, ich kümmere mich gleich darum für dich.",
+ "Guten Morgen, Commander, alles läuft sauber.",
+ "Das Backup ist durchgelaufen, keine Fehler.",
+]
+
+def median_f0(a, sr):
+    f0,_,_ = librosa.pyin(a, fmin=80, fmax=400, sr=sr, frame_length=1024)
+    v = f0[~np.isnan(f0)]
+    return float(np.median(v)) if v.size else float("nan")
+
+def run(temp):
+    m = TTSModel.load_model(language="german_24l", lsd_decode_steps=6, temp=temp)
+    vs = m.get_state_for_audio_prompt(ref); sr=m.sample_rate
+    print(f"=== temp={temp} ===", flush=True)
+    f0s=[]
+    for i,t in enumerate(TEXTS):
+        a = m.generate_audio(vs, LEAD+t, frames_after_eos=4)
+        a = a.numpy() if hasattr(a,"numpy") else np.asarray(a)
+        a = np.asarray(a,dtype=np.float32).reshape(-1)
+        f0 = median_f0(a, sr); f0s.append(f0)
+        flag = "  <<< MÄNNLICH?" if (f0==f0 and f0<150) else ""
+        print(f"  [{i}] F0={f0:6.1f}Hz{flag}  ({t[:30]})", flush=True)
+    arr=np.array([x for x in f0s if x==x])
+    print(f"  -> median {np.median(arr):.0f}Hz, min {arr.min():.0f}, max {arr.max():.0f}", flush=True)
+
+run(0.9)
+run(0.7)
+print("F0_DONE")