AI/VOICEVOX (音声合成エンジン)

↑

VOICEVOX （音声合成エンジン） †

https://voicevox.hiroshiba.jp/

GUIの使い方は見ればわかると思うので、ここでは REST API を利用する方法を記載します。

↑

インストール＆起動 (CPU) †

下記サイトのダウンロードより、次を選択してダウンロードする。
```
Linux
CPU
tar.gz
```
https://voicevox.hiroshiba.jp/

解凍する。

tar zxvf voicevox-linux-cpu-x.xx.x.tar.gz

起動
```
cd VOICEVOX/vv-engine
./run --host 0.0.0.0 --port 50021
```
http://0.0.0.0:50021 で待ち受けます。
※引数無しの場合は、http://localhost:50021 で待ち受けます。
※その他のオプションは、./run --help で確認できます。

↑

インストール&起動 (Docker + GPU) †

docker-compose 利用の場合次の docker-compose.yaml ファイルを用意する。

version: '3'
services:
  voicevox:
    image: voicevox/voicevox_engine:nvidia-latest
    ports:
      - 127.0.0.1:50021:50021
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
# 外部からアクセス可能とする場合は、127.0.0.1 → 0.0.0.0 に変更ください。

起動する。

docker-compose up -d

※コンテナで GPU を使う方法は、Windows/wsl/gpu を参照ください。

↑

使い方 †

キャラ一覧取得する。
```
curl http://127.0.0.1:50021/speakers
```

音声合成用のクエリを作成する。

# path: audio_query
# query:
#   text=<メッセージ>
#   speaker=<キャラID>
# 出力: 音声合成で利用する JSON データが返されます。
curl -X POST -G http://127.0.0.1:50021/audio_query --data-urlencode 'text=今日の天気は晴れでしょう' --data-urlencode 'speaker=1'

音声合成する。

# 音声合成用のクエリ作成の応答を取得
RESPONSE=`curl -X POST -G http://127.0.0.1:50021/audio_query --data-urlencode 'text=今日の天気は晴れでしょう' --data-urlencode 'speaker=1'`
# 音声合成 
# path: synthesis
# query:
#   speaker=<キャラID>
# body:
#   <音声合成用のクエリ作成の応答(JSON)>
# 出力: 音声合成した wav ファイルが返されます。
curl -X POST -H "Content-Type: application/json" http://127.0.0.1:50021/synthesis?speaker=1 -d "${RESPONSE}" --output "output.wav"

↑

使い方 (Python で実現) †

#!/usr/bin/env python
 
import requests
import sys
 
BASE_URL = "http://127.0.0.1:50021"
 
def main():
    args = sys.argv
    args_len = len(args)
 
    if args_len < 2:
        print("Usage: ./synthesis.py message [speaker id] [output filename]")
        return
 
    text = args[1]
    speaker = int(args[2]) if args_len >= 3 else 1
    filename = args[3] if args_len >= 4 else "output.wav"
 
    synthesis(text, speaker, filename, BASE_URL)
 
 
def synthesis(text: str, speaker: int, filename: str, baseurl: str):
    # 1. クエリ作成 [audio_query]
    query = { 'text': text, 'speaker': speaker, }
    response = requests.post(f"{baseurl}/audio_query", params=query)
 
    if response.status_code != 200:
        # クエリ作成失敗
        # エラー処理...
        print(f"Error: audio_query: {response.text}")
        return False
 
    # 2. 音声合成 [synthesis]
    query = { 'speaker': speaker, }
    json_data = response.json()
    response = requests.post(f"{baseurl}/synthesis", params=query, json=json_data)
 
    if response.status_code != 200:
        # 音声合成失敗
        # エラー処理...
        print(f"Error: synthesis: {response.text}")
        return False
 
    # 3. WAV ファイル生成
    with open(filename, "wb") as f:
        f.write(response.content)
    print(f"output: {filename}")
    return True
 
 
 
if __name__ == '__main__':
    main()

↑

API 詳細 †

https://voicevox.github.io/voicevox_engine/api/ または、起動後 http://127.0.0.1:50021/docs にアクセスすることで API が確認できます。