这几天我的那份工作处于一种薛定谔的状态（此处插入114514字系统性辱骂它们的prompt），所以我开始闲得鸡巴蛋疼，开始整些我自己的项目🤔我在副机上配置了一个codex，然后我一边让它给我折腾昔琏的语音一边写discord bot🤔
其实半自动搞ai萌妹语音模型是可以搞的（全自动我暂且不考虑，我怕ai瞎几把干），比如我让它从hsr wiki上去拖昔琏语音🤔我之前自己写过一个获取hsr wiki或者genshin wiki语音的脚本，但我懒得想放在了哪里，所以干脆让它重新写一个🤔
在折腾了11.4514回后，它终于写了一个能用的，光速开aria2c🤔接下来我就可以开启全自动流程，让它自己去处理这些语音，然后打包，我只需要上传到google drive然后开启colab笔记本，就可以开始训练力（确信🤔
但我试了好几个rvc的colab笔记本，它们都不怎么行，因为所有rvc的笔记本都需要做一件事，下载巨量底模，这件事被google colab定义为白嫖版本禁止的行为，如果一开启下载，基本上几分钟后这个实例就要寄（全恼🤔那么下下来转google drive可行吗？我也试过，先不说google drive这个b玩意io极差，顺序读写也是usb2速度，我的实例开启死亡倒计时后其实也撑不到它完成转移（恼🤔
既然如此，我也没啥别的选择，只能本地干力（悲🤔好在codex配置环境那真是一把好手，我只需要说一句在某个目录配置好rvc，它就开始自己装各种依赖，包括cuda这种东西🤔接下来我可以无缝迁移之前搞的东西，开始训练🤔它这个套件还有一点小问题，codex也可以展开修复🤔
本地40hx这个训练速度真太你妈慢，五个小时才跑了不到三十轮，最后它可能跑了六十轮多一点，但我用它的日志数据让codex分析，它认为第55轮的checkpoint是质量最好的，接下来再训练会过拟合，那就这样（🤔
接下来再训练个特征索引，这玩意也有问题，还需要codex写个临时脚本合一些东西🤔最后到了训练环节，它这个webui也用不了一点，所以我干脆让codex写个推理用命令行脚本🤔就这样，我整出了昔琏演唱的各种歌曲🤔
但这个ai唱歌的环节现在能自动化吗？我看比较悬，google drive部分其实还好，大不了用rclone挂载，然后要么开始上传下载，要么新建文件夹放需要处理的歌曲（主要是它需要处理多轮，前一轮的输出是下一轮的输入），但colab笔记本怎么自动化，，，🤔处理完后调用推理脚本来推理，接下来只需要用ffmpeg就能将伴奏和两段（或者更多）人声合并成一个flac，甚至还可以操纵某个nitro账号上传到某个discord频道或者google drive或者度盘或者任意地方（确信🤔
接下来还有discord bot环节🤔我一开始是准备做个让bot像昔琏一样说话的ai chatbot，但一看我要整什么lora微调，要整llm，接下来要么本地部署要么找个能挂载lora的在线厂商，中间的agent套个openclaw（它倒是很容易集成discord，，，）或者酒馆的皮，而非常有可能我整完这套玩意只是用来发送pls astawaifu irl让它生成个aigc，那我干脆写个只用来做pls astawaifu irl的bot🤔
首先，我让它先能在聊天里监听pls xxx irl，如果它出现了这个句式，就提取出中间的那个xxx，去掉里面的waifu和chan，然后上zerochan检索，从第一页里随机取一张图片下载下来，然后使用jiaotu的api进行aigc生成🤔我上次整的jiaotu脚本还是bash写的，现在它没法用，因为上传图片api发生了点变化🤔我又截了几个http请求给它参考，马上它就能修复上传🤔下载无水印图片还是那个api，发送生成请求也没变，反正没几分钟我就可以用pls astawaifu irl召唤astawaifu的aigc力（确信🤔
但别的waifu就不太好使力，因为它不见得能在去除waifu和chan后在zerochan上搜到，因为zerochan这个逼网站有它自己的标签系统🤔我整了一个简单粗暴的映射txt来处理这事，比如我输pls smol cyrene irl，它会直接查表，我在里面写了smol cyrene直接对应Cyrene (Honkai Star Rail) (NPC)，接下来它就用Cyrene (Honkai Star Rail) (NPC)搜🤔当然我输pls Cyrene (Honkai Star Rail) (NPC) irl它肯定也能出结果，但这个实在是过于蛋疼🤔
再下一步，我可以让它实现with语法，比如pls cyrene irl with vivian clothes and lake，它会触发两个开关，vivian clothes用来在提示词里加上一句and then make them wear zzz vivian's "iris of the shore" outfit in pic2,，并将一个常量ossid作为第二张图的ossid传进去🤔而lake开关就简单很多，它只改某条提示词，不添加新的图片🤔很明显这些开关之间可能是互斥的，比如with xxx clothes和比基尼是互斥的，场景类也是互斥的，in space由于同时约束了场景（近地轨道）和服装（航天服），所以和其他所有开关都是互斥的，我需要规定好🤔
接下来我还需要实现双人或者说双图生成，比如pls astawaifu irl and cyrene irl with vivian clothes and comimarket and kissing，它接收到这条指令后，需要在zerochan上去找astawaifu的图作为图1，昔琏的图作为图2，然后拿我的双图提示词（它和单图提示词还不一样，因为它的常量参考图在图3）去搞，考虑到我开启了一个一个一个开关啊啊啊啊啊，，，不过还行，它们至少不互斥，每个对应着一段提示词，顶多加一个图3🤔我觉得最麻烦的是在单图模式里我规定了如果上传了一大堆图、链接里也有一大堆图时，它会将这些图添加进一个队列依次生成，但一旦确定了双图模式，它最多只接受两张图，剩下的图会被直接忽略🤔那么问题来力，谁是图1谁是图2？优先考虑上传还是链接？比如上传了两张链接里也有两张，怎么取？🤔还有in space不能在双图模式里运行（两个宇航员萌妹接吻那实在是太你妈超现实力，，，）我也许需要向codex来address this issue🤔