It combines a state-of-the-art AI sound effect model with a practical, locally‑runnable API server and an intuitive web UI, making professional‑quality SFX generation accessible without cloud dependencies.
Stable Audio 3 Small SFX を使ったローカル効果音生成アプリ。 バックエンド: FastAPI(単独起動、外部アプリからREST呼び出し可)。フロントエンド: 静的SPA(FastAPIが配信)。
cd /home/animede/sound-efect
./venv/bin/python -m app.main # host/port は既定値(0.0.0.0:8600)
./venv/bin/python -m app.main --port 8080 # ポート変更
./venv/bin/python -m app.main --reload # 開発用オートリロード
# または
./venv/bin/uvicorn app.main:app --port 8600
ブラウザで http://:8600/ を開く。
初回起動時、stable_audio_3.StableAudioModel.from_pretrained("small-sfx") がバックグラウンドスレッドで
Hugging Face からモデルをダウンロードする。stabilityai/stable-audio-3-small-sfx
のゲート(ライセンス同意)が未承認だと 403 で失敗し、そのエラーは /api/status の model_error に保持される
(生成エンドポイントは 503 を返す)。承認後は huggingface-cli login 等でトークンを設定してから再起動すること。
| 変数 | 既定値 | 説明 |
|---|---|---|
SFX_HOST | 0.0.0.0 | 待受ホスト |
SFX_PORT | 8600 | 待受ポート |
SFX_MODEL | small-sfx | StableAudioModel.from_pretrained に渡すモデル名 |
SFX_DEVICE | cuda | cuda / cpu |
SFX_DATA_DIR | ./generated | WAV と sounds.db の置き場所 |
SFX_LLM_URL | http://127.0.0.1:64652/v1 | 翻訳用ローカルLLM(OpenAI互換API) |
SFX_LLM_MODEL | unsloth/gemma-4-E4B-it-GGUF | 翻訳に使うモデル名 |
すべて JSON。エラーは {"detail": "..."}。
| メソッド | パス | 説明 |
|---|---|---|
| GET | /api/status | モデル/翻訳サーバの状態 |
| GET | /api/presets | プリセット一覧(約40種) |
| POST | /api/generate | 効果音を生成(prompt または preset_id) |
| GET | /api/sounds | 生成済み一覧(新しい順) |
| GET | /api/sounds/{id} | 1件取得 |
| GET | /api/sounds/{id}/audio?download=0|1 | WAV 取得/ダウンロード |
| PATCH | /api/sounds/{id} | 改名({"name": "..."}) |
| DELETE | /api/sounds/{id} | 削除 |
| POST | /api/sounds/{id}/cut | 区間削除({"start_s", "end_s"}) |
| POST | /api/sounds/{id}/undo | 直前のカットを1段階アンドゥ |
| GET | / | static/index.html を配信 |
詳細な仕様(リクエスト/レスポンスの形状、バリデーション)は docs/DESIGN.md を参照。
app/ FastAPI バックエンド
main.py 起動エントリポイント
config.py 設定(環境変数)
sfx_model.py StableAudioModel ラッパー
translate.py 日本語→英語翻訳
store.py SQLite + WAV 管理
presets.py プリセット定義
routers/api.py /api/* エンドポイント
static/ フロントエンド(素のHTML/CSS/JS, wavesurfer.js vendor同梱)
generated/ 生成された WAV と sounds.db(git管理外)
docs/DESIGN.md API契約
本アプリは音声生成に Stability AI の Stable Audio 3 Small SFX モデル
easy sound-efect generater
Similar projects matched by category, topics, and programming language.
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.
mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.