Vonovox (โปรแกรมแปลงเสียงด้วย AI สำหรับการ์ดจอ NVIDIA)

โปรแกรม Vonovox

Vonovox (โปรแกรมแปลงเสียงด้วย AI สำหรับการ์ดจอ NVIDIA) : โปรแกรม Vonovox เป็นซอฟต์แวร์เปลี่ยนเสียงแบบเรียลไทม์ที่ใช้ เทคโนโลยี AI ในการทำงาน (Realtime AI Voice Converter) ซอฟต์แวร์ตัวนี้ถูกพัฒนาขึ้นมาเพื่อให้ทำงานร่วมกับ การ์ดจอ (Graphic Card) ของ NVIDIA โดยเฉพาะ สามารถใช้งานได้ตั้งแต่ตระกูล GTX 900 ขึ้นไป โดยเน้นการประมวลผลผ่าน CUDA เป็นหลัก เพื่อให้ได้การทำงานที่มี ความหน่วงต่ำ (Low Latency) และคุณภาพเสียงสูง ในการแปลงเสียงแบบเรียลไทม์

ตัวโปรแกรม Vonovox ใช้โมเดล RVC v2 (Retrieval‑based Voice Conversion) ซึ่งเป็นเทคโนโลยี AI สำหรับแปลงเสียงพูดให้เป็นโทนเสียงอื่นได้อย่างสมจริง ไม่ว่าจะเป็นการเปลี่ยนโทนเสียงระหว่างเพศชาย กับเพศหญิง, การเลียนเสียงบุคคลอื่น ๆ หรือการสร้างเสียงที่มีเอกลักษณ์เฉพาะ

ในขณะที่ ส่วนต่อประสานกับผู้ใช้ (UI) ของโปรแกรม Vonovox ถูกพัฒนาด้วย ไลบรารี (Library) CustomTkinter ทำให้ใช้งานง่าย และตั้งค่าได้รวดเร็ว ผู้ใช้สามารถเลือกไมโครโฟนเป็นอินพุต และส่งออกเสียงที่ผ่านการแปลงแล้วไปยังแอปพลิเคชัน หรือเกมอื่น ๆ ผ่าน Virtual Audio Cable (VAC) เพื่อให้ระบบอื่นรับเสียงจาก AI ได้โดยตรง โปรแกรมยังรองรับการปรับแต่งเสียงแบบเรียลไทม์ เช่น Pitch, Formant, Block Size, Sample Rate รวมถึงการตั้งค่าอุปกรณ์ อินพุต / เอาต์พุต ให้เหมาะสมกับงานที่ต้องการ

โปรแกรม Vonovox ยังมีระบบ Post‑Processing ในตัว เช่น การลดเสียงรบกวน (RNNoise, Silero VAD), Noise Gate, Equalizer, Compressor, Reverb, Chorus, Low/High‑Pass Filter และยังมีอัลกอริทึม AP‑BWE สำหรับการอัปสเกลความถี่เสียงให้กว้างขึ้น ซึ่งทำงานแบบเรียลไทม์ จากเดิมที่ต้องทำงานด้วยการเตรียมไฟล์เสียงไว้ล่วงหน้า เพื่อให้เสียงที่ได้มีความใส และชัดเจนมากขึ้น

นอกจากการใช้ทำงานร่วมกับไมโครโฟนแล้ว ผู้ใช้ยังสามารถใช้ไฟล์เสียง เช่น ไฟล์ WAV, MP3, FLAC ฯลฯ ให้ระบบแปลงเป็นเสียงตามโมเดลที่เลือกได้ทันที ทำให้การทำงานมีความเหมาะสมกับทั้งการพูด, ร้องเพลง หรือการเล่นเสียงประกอบอื่น ๆ โดยไม่ต้องบันทึกใหม่ ตัวโปรแกรมยังถูกพัฒนาให้รองรับ Sample Rate ที่หลากหลาย และมีระบบ Resampling ในตัว เพื่อให้ทำงานได้แม้ Input และ Output จะไม่ตรงกัน

คุณสมบัติ และความสามารถของ โปรแกรม Vonovox

• สามารถแปลงเสียงด้วย AI แบบเรียลไทม์ (Realtime AI Voice Converter)
• ปัจจุบันนี้รองรับการ์ดจอ NVIDIA GPU (GTX 900 ขึ้นไป) เท่านั้น ส่วน AMD จะอัปเดทให้รองรับในอนาคต
• ทำงานด้วย AI ใช้โมเดล RVC v2 พร้อมปรับแต่งให้ทำงานบน CUDA เกือบทั้งหมด เพื่อลดความหน่วง และให้เสียงคุณภาพสูง
• รองรับ Pitch Extractor ทั้ง FCPE และ RMVPE
• มี ส่วนต่อประสานกราฟิกกับผู้ใช้งาน (GUI) ที่มีความทันสมัย
• ลดเสียงรบกวนด้วย RNNoise และ Silero VAD ตรวจจับเสียงพูด และปิดเสียงเมื่อไม่มีการพูด
• อัปสเกลเสียงด้วย AP‑BWE โดยสามารถทำงานได้แบบเรียลไทม์
• รองรับการโหลดไฟล์เสียง เช่น WAV, MP3, FLAC เพื่อแปลงเสียงตามโมเดลแบบเรียลไทม์ได้
• ระบบ Resampling ในตัว รองรับ Sample Rate
  • 32000 Hz
  • 40000 Hz
  • 48000 Hz
• ปรับ Pitch และ Formant ได้ในขณะใช้งาน
• ปรับ Block Size ให้เหมาะกับประสิทธิภาพ GPU เพื่อสมดุลระหว่างคุณภาพ และความหน่วง
• เลือกอุปกรณ์ อินพุต / เอาต์พุต ได้ทั้งไมโครโฟนจริง และ Virtual Audio Cable
• รองรับ WASAPI และ ASIO ไม่รองรับ MME
• เอฟเฟกต์ที่มีให้ใช้งาน
  • เอฟเฟกต์พื้นฐาน :
    • Gain
    • Noise Gate
    • EQ (2 แบนด์)
  • เอฟเฟกต์พรีเมียม (สำหรับผู้สนับสนุน Patreon ของผู้พัฒนา) :
    • Compressor
    • Low / High‑Pass Filters
    • Two Extra Customizable EQ Bands (เพิ่มพิเศษ 2 ย่านความถี่เสียง ที่ปรับแต่งได้)
    • Reverb
    • Chorus
    • Low Quality Mic (ฟิลเตอร์จำลองไมค์คุณภาพต่ำ)
    • และอื่น ๆ อีกมากมาย
• ทำงานได้แม้ว่า Input/Output Sample Rate ไม่ตรงกัน
• มีระบบปรับค่าเปิดเสียง หรือ ปิดเสียง (Mute / Unmute) ให้อัตโนมัติ เมื่อเล่นไฟล์เสียงแทนไมค์
• และความสามารถอื่น ๆ อีกมากมาย

เงื่อนไขการใช้งาน โปรแกรม Vonovox

โปรแกรม Vonovox เป็นซอฟต์แวร์ ฟรี (Free) แต่ว่าไม่ใช่โปรแกรมแบบโอเพ่นซอร์ส (Open Source) อย่างไรก็ตาม เราสามารถใช้งานได้ครบทุกฟังก์ชัน ยกเว้นบางเอฟเฟกต์ที่ต้องสนับสนุนผู้พัฒนาก่อนจึงจะสามารถใช้งานได้

หากต้องการค้นหาข้อมูลเพิ่มเติม สามารถติดต่อกับทางผู้พัฒนาโปรแกรมนี้ได้ผ่านทางช่องทางเว็บไซต์ (Website) : https://github.com/dr87 (ภาษาอังกฤษ) ได้เลย