NVIDIA RIVA

本ページの内容はデジタルヒューマン株式会社の正式サポート対象外です。参考情報としてご利用ください。

NVIDIA RIVA: GPU アクセラレーションによる TTS（音声合成）／STT（音声認識）プラットフォームで、48kHz 16bit モノラル PCM の低レイテンシ合成を実現します。NVIDIA Container Toolkit と NGC API キーが必要です。

NVIDIA RIVA は GPU アクセラレーションを活用した音声 AI プラットフォームであり、ミニプレム（MiniPrem）に対して低レイテンシの TTS（音声合成）および STT（音声認識）機能を提供します。本ガイドではデプロイのセットアップと設定について説明します。Admin Portal の音声設定については Voice (TTS) Options を参照してください。

前提条件

CUDA 対応の NVIDIA GPU
NVIDIA プロプライエタリドライバー（バージョン 580 以上）
インストールおよび設定済みの NVIDIA Container Toolkit
Ubuntu 24.04 LTS 以降上で動作する Docker Engine
NGC API キー（NVIDIA NGC から取得）

要件: RIVA を利用するには NVIDIA Container Toolkit が必要です。標準の Docker のみでは不十分です。Container Toolkit により、Docker コンテナ内から GPU にアクセスできるようになります。

セットアップ

NGC レジストリに認証します:

docker login nvcr.io
# Username: $oauthtoken
# Password: <your NGC API key>

RIVA コンテナイメージをプルします:
```
docker pull nvcr.io/nvidia/riva/riva-speech:latest
```

Docker Compose で RIVA を起動します:

RIVA は MiniPrem のデプロイメントと並行してコンテナ化されたマイクロサービスとして動作します。Docker Compose の設定に以下を追加するか、RIVA 用の compose ファイルを使用してください。

services:
  riva:
    image: nvcr.io/nvidia/riva/riva-speech:latest
    ports:
      - "50051:50051"
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    environment:
      - RIVA_API_KEY=${RIVA_API_KEY:-}

RIVA が起動していることを確認します:
```
docker logs riva
# Look for: "Riva server is ready"
```

設定

環境変数

レンダラー（開発コード：Renny）から RIVA に接続するために、以下の環境変数を設定します。

変数

説明

デフォルト

RIVA_SERVER_ADDR

RIVA gRPC サーバーのアドレス

localhost:50051

RIVA_API_KEY

認証用 NGC API キー（任意）

なし

これらは MiniPrem の .env ファイル、または Docker Compose の environment セクションに設定してください。

RIVA_SERVER_ADDR=localhost:50051
RIVA_API_KEY=your-ngc-api-key

Admin Portal の設定

RIVA が起動した後は、Admin Portal で次のように設定します。

Admin Portal にログインします。
対象ペルソナの Voice タブに移動します。
TTS プロバイダーとして NVIDIA RIVA を選択します。
音声名（例: Magpie-Multilingual.EN-US.Leo）を入力します。
必要に応じて RIVA の URL と API キーのオーバーライドを設定します。
変更を保存します。

Admin Portal の詳細な設定については Voice (TTS) Options を参照してください。

音声モデル

RIVA は複数の音声モデルをサポートしています。代表的な音声は次のとおりです。

音声名

言語

性別

Magpie-Multilingual.EN-US.Leo

英語（米国）

男性

Magpie-Multilingual.EN-US.Emily

英語（米国）

女性

利用可能な音声は、お客様の RIVA インスタンスにデプロイされているモデルに依存します。サポートされている音声の一覧およびモデルのダウンロードについては NVIDIA RIVA TTS ドキュメントを参照してください。

補足事項

RIVA はコンテナ起動後、リクエストを処理できるようになるまで数分のウォームアップ時間を要します。
音声出力は Renny のレンダラーの想定に合わせて 48kHz 16bit モノラル PCM で配信されます。
RIVA は Renny と同じ GPU 上で動作させることも可能ですが、本番環境では専用 GPU の利用を推奨します。
エアギャップ環境にデプロイする場合は、事前に RIVA のモデルとコンテナイメージをダウンロードしておいてください。

前へRIME AI 次へWhisper

最終更新 1 か月前