Google Colab ではじめる VOICEVOX
「Google Colab」で「VOICEVOX」による音声合成を試してみたので、まとめました。
・VOICEVOX v11.4
1. VOICEVOX
「VOICEVOX」は、無料で使えるテキスト読み上げソフトウェアです。
2. Colabでの実行
Colabでの実行手順は、次のとおりです。
(1) Colabで新規ノートブックを作成。
(2) パッケージのクローンとセットアップ。
# パッケージのクローンとセットアップ
!git clone https://github.com/VOICEVOX/voicevox_core -b 0.11.4
%cd voicevox_core
!python configure.py --use_gpu --voicevox_version 0.11.4以下のように、ライブラリ選択が表示されたら「libcore_cpu_x64.so」(以下では2)を選択します。
Please enter number to select which library to use.
0: /content/voicevox_core/release/libcore_cpu_armhf.so
1: /content/voicevox_core/release/libcore_cpu_arm64.so
2: /content/voicevox_core/release/libcore_cpu_x64.so
3: /content/voicevox_core/release/libcore_gpu_x64_nvidia.so
Your choice: 2(3) パッケージのインストール。
# パッケージのインストール
!pip install -r requirements.txt
!pip install .(4) pyopenjtalkのインストール。
READMEには書いてなかったのですが、実行時に要求されたのでインストールしました。
# pyopenjtalkのインストール
!pip install pyopenjtalk(5) 推論の実行。
完了すると「<text>-<speaker_id>.wav」が生成されます。
!python example/python/run.py \
--text "こんにちわ" \
--speaker_id 3 \
--f0_speaker_id 0 \
--f0_correct 0 \
--root_dir_path="./release"--text : 読み上げるテキスト
--speaker_id : 話者ID
--f0_speaker_id : 音高の話者ID（デフォルト値: speaker_id）
--f0_correct : 音高の補正値（デフォルト値:0、+-0.3くらいで結果が変わる）
--root_dir_path : onnxファイル等必要なファイルがあるディレクトリ
--use_gpu : GPUの利用
話者IDは、次のとおりです。
・四国めたん
・ノーマル : 2
・あまあま : 0
・ツンツン : 6
・セクシー : 4
・ずんだもん
・ノーマル : 3
・あまあま : 1
・ツンツン : 7
・セクシー : 5
・春日部つむぎ
・ノーマル : 8
・雨晴はう
・ノーマル : 10
・波音リツ
・ノーマル : 9
・玄野武宏
・ノーマル : 11
・白上虎太郎
・ノーマル : 12
・青山龍星
・ノーマル : 13
・冥鳴ひまり
・ノーマル : 14
・九州そら
・ノーマル : 16
・あまあま : 15
・ツンツン : 18
・セクシー : 17
・ささやき : 19
(6) 左端のフォルダアイコンのファイル一覧から、wavをダウンロードして音声を確認。
再生すると、ずんだもんの声で「こんにちわ」と言ってくれます。
