Workflow Workflow & démos : ASMR Hypno avec Dramabox TTS

MiraCue

Lurker
Inscrit
23 Mar 2026
Messages
9
Réactions
0
Donc il y avait some discussion sur l’utilisation de l’IA pour créer des fichiers hypno, ce qui m’a inspiré à tester la technologie qui existe et à créer un truc viable qui ne soit pas juste majoritairement des coups de chance et du slot machining comme des clips de 3 minutes. Donc ce dont on a vraiment besoin, c’est des gens qui fournissent des démos transparentes en poussant la techno à fond. Et des gens qui attestent que les résultats ne reposent pas sur du slot-machining et des résultats aléatoires. Pour que les gens puissent créer de vraies personas d’hypnotiseur + des scripts cohérents avec exactement ce qu’ils ont spécifié, pas un truc aléatoire que le générateur leur a balancé à la gueule. Et ce serait aussi vachement important de mentionner combien de temps tu as passé.

Avec Dramabox, tu peux scripter la façon dont les choses sont dites et changer l’intonation et le style de voix, etc. Et il fait aussi des sons de respiration, des chuchotements, des halètements, plein d’inclusions nouvelles d’éléments non verbaux dans les données d’entraînement dont les anciens TTS n’étaient tout simplement pas capables. Mais il ne fait pas de gémissements porno, même si les chuchotements sonnent assez érotiques et sensuels à mon avis.

Au final, j’ai pensé qu’un test marrant serait de faire un audio « compagnon » pour une vidéo ASMR.

Tu peux écouter le résultat ici : https://gofile.io/d/GovtMojx
Tu es censé lancer cet audio en même temps et un peu plus fort que la vidéo ASMR qu’il commente : Gibi ASMR | Devilish Triggers

!!!LANCE LES DEUX LIENS SIMULTANÉMENT!!!

C’était une variation « j’appuie sur un bouton » d’un concept général que j’avais développé pendant genre 6 heures juste avant, sur la façon dont les fichiers d’hypnose sont structurés. Ce concept n’est pas parfait et représente juste une journée de boulot, mais il marche pour plein d’usages futurs et le surcoût pour faire de nouveaux fichiers est minime en comparaison. Il faut lui ajouter d’autres trucs si tu veux créer plus de fichiers, pour que ça ne sonne pas répétitif.

Résumé du concept : dpaste.org/gXt2n/raw
Résultat d’exemple du concept : dpaste.org/1ahSL/raw

J’ai fait ce concept avec un sample de la même personne qui parle, et j’ai trouvé que d’autres voix marchaient aussi. Mais aussi que le concept avait en quelque sorte grandi organiquement autour de la nature de la voix de la personne (ASMR doux/chuchoté/grave). Donc une certaine adaptation peut être nécessaire si ta voix est plutôt « ado insolente » ou « cougar dominante ». Ensuite, plus tard, j’ai samplé 30 secondes au total à divers endroits d’une vidéo ASMR non divulguée (pas de Gibi, évidemment, pour des raisons légales...) et au final ça sonnait étonnamment comme Gibi. J’ai récolté 3 à 5 fois, et j’ai vérifié à chaque compilation de clips à quel point ça marchait pour l’objectif. Et il y a parfois une différence remarquable avec certaines humeurs et certains styles de voix que tu ne peux pas prévoir. J’ai aussi essayé de sampler des vidéos de Gibi pour le TTS (juste pour tester, pas pour publier), mais j’ai remarqué que les résultats sonnaient un peu différents de Gibi et que ça crée quand même cette identité unique de la personne qui parle. Donc ce serait aussi pertinent pour des raisons légales : tu ne peux pas identifier à 100 % l’origine du sample et c’est très transformatif au sens légal, mais ça reste pas générique.

Le sampling, ça prend peut-être 10 minutes par sample et ensuite quelques minutes de plus pour l’essayer dans Dramabox. Le faire proprement et correctement est le plus important, et tu ne devrais pas couper les coins ronds ici et tu devrais mettre beaucoup d’efforts à comprendre ce que tu fais et ce que fait le TTS.

Donc pour caler le script sur la vidéo, j’ai juste demandé à Deepseek d’utiliser ce concept et le résultat d’exemple et de les transformer pour que ça marche en commentaire de la vidéo. C’était un effort de genre 5 minutes, et puis les timestamps étaient désalignés et le contenu ne me plaisait pas. Donc encore deux fois je lui ai dit fais ça plus long, ça plus long. 15 minutes plus tard le script était prêt.

Voici le script qui applique concept + exemple pour produire un nouveau script : dpaste.org/iqZTq/raw

Pour finaliser l’audio, j’ai utilisé un script hack-and-slash de ChatGPT qui remplit les stupides trous de 500 ms de silence que Dramabox crée quand il assemble les segments de 45 s. Cette segmentation est aussi une raison majeure pour laquelle tu devrais seulement prompter ça avec un autre LLM et jamais écrire les scripts à la main. Le LLM va (ou au moins devrait, selon le résumé du concept) gonfler le script en répétant tout le set de voix et les réglages encore et encore à chaque ligne. S’il ne le fait pas, ton LLM est de la merde.

Voici le script Python qui répare les trous de silence : dpaste.org/o0Jxh/raw

Maintenant, à ce stade, le fichier en lui-même sonne raisonnablement bien tout seul, mais il te faut vraiment des deuxièmes pistes comme la vidéo ASMR qu’il commente, pour que ça devienne vraiment bon. Si tu faisais un audio autonome, les autres pistes pourraient être les battements binauraux de l’hypnose, plus une piste de fond superposée avec des instructions et/ou juste de l’ASMR générique comme des bruits de lotion. Ça ferait quelques heures de boulot en plus. Mais comme c’était un commentaire pour la vidéo de Gibi, ce n’était pas nécessaire.

Cependant... j’ai quand même passé genre 2 heures de plus parce que j’ai réparé certains triggers que le TTS prononçait mal, qui sonnaient bizarre, et les segments ne s’alignaient pas parfaitement et il ne suivait pas l’instruction de ne pas dire « elle prend la bougie maintenant », parce que putain comment le LLM est censé savoir à partir des timestamps ce qu’elle fait et où... bref, il était tard et putain, merde à la fin.

Donc j’ai trouvé ça assez impressionnant, tu peux utiliser ça pour toutes sortes d’usages. C’était juste un truc pensé sous la douche, pour faire des commentaires d’hypnose sexualisés sur des vidéos ASMR. Si quelqu’un passe genre 20 heures d’affilée à rendre ce concept plus universel avec des variations, tu pourrais aussi l’écouter en fond et ça t’encourage pendant que tu bosses ou que tu chies ou whatever. Je n’ai pas vraiment réfléchi à toutes les possibilités ici. Je te laisse ça.

Donc, comme j’ai déjà fait tout ce boulot, je vais estimer combien de temps il te faut pour créer un autre audio de la même qualité :

* Installer WSL2 (Linux dans Windows) avec CUDA etc. : 2 heures
* installer Dramabox : 10 minutes + téléchargement de 16 Go(?)
* démarrer Dramabox : 3 à 5 minutes
* écrire genre 1000 mots pour personnaliser ton concept avec Deepseek ou un LLM local : 15 minutes
* générer l’audio à vitesse 3-5x : 5 minutes
* réécrire 500-1000 mots au LLM pour affiner le résultat : 10 minutes
* répéter les 2 dernières étapes plusieurs fois
* ajouter plus de couches audio pour un résultat A+ : 2 à 5 heures ?

Prérequis :

* 24 Go de mémoire GPU
* CUDA(?)

Les réglages de Dramabox sont très simples :

* STG Scale : essaie 3 pour commencer ou plus pour expérimenter
* Duration : environ 1.4-1.5 pour l’hypnose et quelque chose comme 1.1-1.2 serait très rapide, genre pour un segment de climax que tu peux générer séparément
* Reference Duration : 30 s pour obtenir le sample audio max
Voici le chatlog Deepseek complet que j’ai eu ce jour-là pour plus de détails : chat deepseek.com/share/bbdd4orgftol3hgu52

J’espère que ça t’aide à avoir une vue d’ensemble du temps que cette merde demande, des limites de la techno et de ce que tu peux faire avec.
 
Retour
Haut