合成音声

合成音声†

• eSpeakとOpen JTalkに関するまとめは こちら にあります

VOICEVOX†

• 公式サイト -> VOICEVOX | 無料で使える中品質なテキスト読み上げソフトウェア
  • オタクなのでこういうのを使ってみたくなります(笑)
  • eSpeakやOpen JTalkに比べて品質はいいが、かなり重い。

Linuxで動かす方法†

• 公式的にLinuxをサポートしてるが、Linuxでのインストール方法が説明されていない。
• インストール方法はこちらの記事を参考にする
  • https://monobook.org/wiki/Ubuntu_22.04_LTS%E3%81%ABVoiceVox%E3%82%92%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB%E3%81%99%E3%82%8B
  • 自分の場合(Ubuntu20.04)、 $ bash VOICEVOX-CPU.Installer.0.12.4.Linux.sh しただけで問題なくインストールできた。
  • 公式ページではGPU版を推奨しているが、Nvidia製GPU搭載してない場合はCPU only版の方が軽量。
  • インストーラ版を使うと.AppImage形式で生成される。後述の「GUIを起動せずに音声合成エンジンを立ち上げる」を目指す場合、tar.gz版のほうが便利かも。
• 特に設定を弄らなければ、$HOME直下に .voicevox というディレクトリが作られて、そこにいろいろ入ってる。
• .voicevox/VOICEVOX.AppImage を実行すれば、GUIが立ち上がって起動する
  • 使い方はここ -> 使い方 | VOICEVOX

コマンドライン(CLI)から使う†

• Linuxで使うからにはやっぱスクリプト起動したいので。。。
• VOICEVOXの音声合成エンジンはの実体はHTTPサーバーになっている。ポート番号は50021。
• なので、VOICEVOXの音声合成エンジンを立ち上げる(とりあえず一旦GUIモードで起動する)と、 http://localhost:50021/docs を開けるようになるはず。
• そのあと、https://github.com/VOICEVOX/voicevox_engineにある「HTTPリクエストで音声合成するサンプルコード」をコピペして実行するとaudio.wavができるはず。できたらaplay audio.wavで再生してみる。
• 話者を変更するときはサンプルコード中の ?speaker=1 のspeaker ID を変更する。speaker IDは http://localhost:50021/speakers で確認することができる。

• あとは音声合成エンジンの立ち上げ部分をGUI非依存で出来たら完璧なのだが、それは後述。

GUIを起動せずに音声合成エンジンを立ち上げる。†

• 「VOICEVOX.AppImage」はzipみたいなもので、実際には中に多数のファイルやディレクトリが内包されている。.AppImageを展開して、個々のファイルにアクセスできるようにする。

  $ ./VOICEVOX.AppImage --appimage-extract

  を実行するとsquashfs-root/に中身が展開される。その中にrunという実行形式のファイルがあるので、./runとすると、どうもエンジン部分が起動するみたいだ。終了するにはCTRL+C。
• 多分だけど、 ./VOICEVOX.AppImage と ./squashfs-root/AppRun は同じ効果があると思う。展開して使うなら、もはやVOICEVOX.AppImage(約2.4GB)は必要ないので削除してもOK?

ラズパイで使う†

• ラズパイでは上記のやり方は使えないのでこの記事を参考にする
  • https://ponkichi.blog/raspberry-voicevox/

Topへ戻る