Przejdź do głównej zawartości

Integracja LongCat AudioDiT

Plugin JSON i adapter HTTP dla meituan-longcat/LongCat-AudioDiT-1B i meituan-longcat/LongCat-AudioDiT-3.5B. Adapter examples/longcat-audiodit-server dodaje wykrywanie, JSON i multipart.

AudioDiT zwraca pełny WAV mono 24 kHz; Libre dzieli na zdania, generuje ograniczone partie i odtwarza kolejno.

Wymagania​

Praktycznie NVIDIA CUDA. Zacznij od 1B; 3.5B wymaga więcej VRAM. CPU eksperymentalnie.

Uruchomienie​

git clone https://github.com/meituan-longcat/LongCat-AudioDiT.git
python3 -m venv .venv
source .venv/bin/activate
pip install -r examples/longcat-audiodit-server/requirements.txt
export PYTHONPATH="$PWD/LongCat-AudioDiT"
python examples/longcat-audiodit-server/server.py \
  --model meituan-longcat/LongCat-AudioDiT-1B \
  --device cuda:0

Domyślnie 127.0.0.1:8300, bez uwierzytelniania lokalnego — nie wystawiaj. Między hostami użyj HTTPS; zapisany głos wysyła odszyfrowaną próbkę każdej partii. Zobacz examples/longcat-audiodit-server/README.md.

Plugin​

Aktywuj Ustawienia → Pluginy → LongCat AudioDiT. Wykrywanie pokazuje tylko załadowany checkpoint. Przy llama-swap Models API Endpoint ustaw na GET /v1/models, nie POST /v1/audio/speech.

Wybierz w Ustawienia → TTS. Limit 140 znaków utrzymuje chiński w oknie 1B; dłuższe jest dzielone.

Klonowanie​

Imagine → Audio, czysta próbka i dokładna transkrypcja. 3–10 sekund, jedna osoba; ponad 15 s/10 MiB odrzucone. Można użyć raz lub zapisać prywatnie po zgodzie. Referencja zajmuje czas; przy braku miejsca błąd zamiast obcięcia.

Jednorazowa próbka jest w pamięci; zapisana para jest AES-GCM per użytkownik. Imitacja nie zastępuje źródła. Brak przenośnego embeddingu, więc źródło jest wysyłane każdej partii. Zmiana trasy powoduje bezpieczną porażkę. Galeria i profil są niezależne.

Obsługiwane WAV, FLAC, MP3, Ogg; najmocniej angielski i mandaryński. Brak nazwanych presetów.

Sterowanie​

Bezpośrednie żądania curl opisano w README.

Ograniczone ODE, guidance, CFG/APG, seed. speed 0.25–4.0 jest akceptowane dla zgodności OpenAI, lecz ignorowane. Szczegóły w README.