docs: Emphasize Windows native support achievement

Author: hiroki-abe-58

README.md

@@ -1,32 +1,74 @@
 # CosyVoice-JP
 
-CosyVoice3 の日本語対応フォーク版 - Windows ネイティブ対応 + Whisper 自動文字起こし統合
+**CosyVoice3 の日本語対応フォーク版** - 世界初のWindowsネイティブ完全対応 + Whisper自動文字起こし統合
 
 ![CosyVoice-JP GUI](./asset/CosyVoiceJP-GUI.png)
 
+---
+
+## Why CosyVoice-JP?
+
+元のCosyVoiceは **Linux専用** として開発されており、Windowsでの動作は公式にサポートされていませんでした。
+本フォークは、複数のWindows固有の問題を解決し、**Windowsネイティブ環境での完全動作** を実現しました。
+
+### 解決した技術的課題
+
+| 問題 | 症状 | 解決策 |
+|------|------|--------|
+| **DLLロードエラー** | `OSError: Error loading c10.dll` - PyTorchのDLLが正しくロードされない | Pythonモジュールのインポート順序を最適化（torch → gradio） |
+| **torchcodecエラー** | `TorchCodec is required` - Windowsで未サポートのコーデックを要求 | soundfileによるフォールバック処理を実装 |
+| **sox依存問題** | Linux専用の音声処理ツールに依存 | 代替ライブラリで完全置換 |
+| **torchaudio API変更** | PyTorch nightly版でのAPI破壊的変更 | soundfileベースの互換レイヤーを実装 |
+
+---
+
 ## 特徴
 
-- **GUI完全日本語化**: すべてのUI要素を日本語に翻訳
-- **Whisper自動文字起こし**: プロンプト音声の内容を自動でテキスト化
-- **Windowsネイティブ対応**: DLLロード問題、torchcodec問題を解決
-- **ワンクリック起動**: `run.bat` をダブルクリックするだけで起動
-- **自動ポート選択**: 使用中のポートを自動回避
+### Windowsネイティブ完全対応
+- **Linux専用だったCosyVoiceをWindowsで動作可能に**
+- RTX 5090 (sm_120) などの最新GPUにも対応
+- PyTorch nightly (CUDA 12.8) での動作確認済み
+- ワンクリック起動（`run.bat`をダブルクリックするだけ）
+- 自動ポート選択（使用中のポートを自動回避）
+
+### GUI完全日本語化
+- すべてのUI要素を日本語に翻訳
+- 操作手順も日本語で表示
+- エラーメッセージも日本語化
+
+### Whisper自動文字起こし統合
+- OpenAI Whisperをボタン一つで呼び出し
+- プロンプト音声の内容を自動でテキスト化
+- 言語自動検出対応
+
+### 言語選択機能
+- 出力言語（発音）を明示的に指定可能
+- 日本語、英語、中国語、韓国語など9言語対応
+
+---
 
 ## 元リポジトリからの変更点
 
 | ファイル | 変更内容 |
 |----------|----------|
-| `webui.py` | GUI日本語化、Whisper統合、Windows互換性修正 |
-| `launcher.py` | 自動ポート選択、ブラウザ自動起動（新規） |
-| `run.bat` | ワンクリック起動スクリプト（新規） |
-| `cosyvoice/utils/file_utils.py` | torchcodec問題の回避パッチ |
+| `webui.py` | GUI日本語化、Whisper統合、Windows互換性修正、言語選択機能 |
+| `launcher.py` | 自動ポート選択、ブラウザ自動起動（**新規作成**） |
+| `run.bat` | ワンクリック起動スクリプト（**新規作成**） |
+| `cosyvoice/utils/file_utils.py` | torchcodec問題の回避パッチ、soundfileフォールバック |
+
+---
 
 ## 動作環境
 
-- **OS**: Windows 10/11
-- **GPU**: NVIDIA GPU（CUDA対応）
-- **Python**: 3.10
-- **特記**: RTX 5090 対応（PyTorch nightly cu128）
+| 項目 | 要件 |
+|------|------|
+| **OS** | Windows 10/11（Linux非依存） |
+| **GPU** | NVIDIA GPU（CUDA対応） |
+| **Python** | 3.10 |
+| **PyTorch** | nightly版推奨（CUDA 12.8対応） |
+| **特記** | RTX 5090など最新GPU対応 |
+
+---
 
 ## インストール手順
 
@@ -72,18 +114,24 @@ snapshot_download('FunAudioLLM/Fun-CosyVoice3-0.5B-2512',
 
 ### 5. 起動
 
-`run.bat` をダブルクリック、またはコマンドラインから：
+**ワンクリック起動:**
+`run.bat` をダブルクリック
 
+**コマンドラインから:**
 ```bash
 conda activate cosyvoice3
 python launcher.py
 ```
 
+ブラウザが自動で開き、`http://localhost:7865` でWebUIにアクセスできます。
+
+---
+
 ## 使い方
 
-### 3秒ボイスクローン
-1. プロンプト音声をアップロードまたは録音
-2. 「自動文字起こし」ボタンでテキストを取得
+### 3秒ボイスクローン（推奨）
+1. プロンプト音声をアップロードまたは録音（3〜30秒）
+2. 「自動文字起こし (Whisper)」ボタンでテキストを取得
 3. 合成テキストを入力
 4. 「音声を生成」をクリック
 
@@ -94,38 +142,48 @@ python launcher.py
 
 ### 自然言語制御
 1. プロンプト音声をアップロード
-2. 指示テキストを入力（例：「優しく話して」「早口で」）
+2. 指示テキストを入力（例：「優しく話して」「早口で」「囁いて」）
 3. 「音声を生成」をクリック
 
+---
+
 ## ライセンス
 
-- **CosyVoice**: Apache License 2.0 (c) Alibaba Inc
-- **Whisper**: MIT License (c) OpenAI
-- **Matcha-TTS**: MIT License
+| コンポーネント | ライセンス |
+|----------------|------------|
+| CosyVoice | Apache License 2.0 (c) Alibaba Inc |
+| Whisper | MIT License (c) OpenAI |
+| Matcha-TTS | MIT License |
+| 本フォーク | Apache License 2.0 |
 
-本フォーク版も Apache License 2.0 に従います。
+---
 
 ## 免責事項
 
 - 本ソフトウェアは「現状のまま」提供され、明示または黙示を問わず、いかなる種類の保証もありません
-- 音声クローン技術の悪用（なりすまし、詐欺、名誉毀損等）は固く禁じます
+- **音声クローン技術の悪用（なりすまし、詐欺、名誉毀損、ディープフェイク等）は固く禁じます**
 - 生成された音声の利用については、利用者自身の責任において行ってください
 - 本ソフトウェアの使用により生じたいかなる損害についても、開発者は責任を負いません
 - 各国・地域の法令を遵守してご利用ください
+- 他者の権利（肖像権、著作権、パブリシティ権等）を侵害しないようご注意ください
+
+---
 
 ## 謝辞
 
-- 元リポジトリ: [FunAudioLLM/CosyVoice](https://github.com/FunAudioLLM/CosyVoice)
+- **元リポジトリ**: [FunAudioLLM/CosyVoice](https://github.com/FunAudioLLM/CosyVoice)
 - Alibaba FunAudioLLM チームの素晴らしい研究に感謝します
 - [OpenAI Whisper](https://github.com/openai/whisper)
 - [Matcha-TTS](https://github.com/shivammehta25/Matcha-TTS)
 
+---
+
 ## 引用
 
 ```bibtex
 @article{du2025cosyvoice,
   title={CosyVoice 3: Towards In-the-wild Speech Generation via Scaling-up and Post-training},
-  author={Du, Zhihao and others},
+  author={Du, Zhihao and Gao, Changfeng and Wang, Yuxuan and others},
   journal={arXiv preprint arXiv:2505.17589},
   year={2025}
 }