PythonからOpen JTalkを操作する【日本語テキストの音声合成】

「日本語テキストの音声合成をプログラムで行いたい」
「PythonからOpen JTalkを操作したい」

このような場合には、pyopenjtalkがオススメです。
この記事では、pyopenjtalkについて解説しています。

本記事の内容

pyopenjtalkとは？
pyopenjtalkのシステム要件
pyopenjtalkのインストール
pyopenjtalkの動作確認

それでは、上記に沿って解説していきます。

pyopenjtalkとは？

pyopenjtalkとは、Open JTalkのPythonラッパーです。
pyopenjtalkは、次のコンポーネントで構成されています。

Open JTalk
HTS engine

Open JTalkは、テキスト処理を行います。
次のページでOpen JTalkのデモが公開されています。

Open JTalk – HMM-based Text-to-Speech System
https://open-jtalk.sp.nitech.ac.jp/

そして、HTS engineを用いて音声合成を処理します。
音声合成のエンジン自体は、HTS engineになるということです。

構成的には、Pythonから見えるのはOpen JTalkになります。
そして、Open JTalkがHTS engineとやり取りをするという形です。

また、これらはpyopenjtalkをインストールすると一緒にインストールされます。
正確には、インストール時にビルドを行うことでバイナリが生成されています。

なお、Open JTalkとHTS engineはpyopenjtalk用に修正されています。
Python上で動作しやすいように修正されていたりするのでしょう。

このような事情があるからこそ、pyopenjtalkのインストールは少し厄介です。
Windowsにもインストール可能ですが、macOSやLinux向けとはビルド環境が異なります。

以上、pyopenjtalkについて説明しました。
次は、pyopenjtalkのシステム要件を説明します。

pyopenjtalkのシステム要件

現時点（2022年11月）でのpyopenjtalkの最新バージョンは、0.3.0となります。
この最新バージョンは、2022年9月8日にリリースされています。

サポートOSに関しては、以下を含むクロスプラットフォーム対応です。

Windows（※）
macOS
Linux

（※）macOSやLinuxよりは、面倒と言えます。
https://github.com/r9y9/pyopenjtalk/pull/13

サポート対象となるPythonのバージョンは、以下。

Python 3.7
Python 3.8
Python 3.9
Python 3.10

これは、以下のPython公式開発サイクルとほぼ同じです。

バージョン	リリース日	サポート期限
3.7	2018年6月27日	2023年6月27日
3.8	2019年10月14日	2024年10月
3.9	2020年10月5日	2025年10月
3.10	2021年10月4日	2026年10月
3.11	2022年10月25日	2027年10月

次回バージョンからは、Python 3.11にも対応することでしょう。
Pythonバージョンは、Python公式開発サイクルに従っていれば問題ありません。

問題になるのは、以下です。
Windowsの場合は、上記で記したリンク先を確認してください。

C/C++ compilers (to build C/C++ extentions)
Cmake
Cython

maxOSとLinuxの場合には、これらがシステム要件として必要になるのです。
これらを以下で説明します。

C/C++ compilers

C/C++ compilersは、C/C++コンパイラ（gcc/g++）のことです。
C/C++ compilersについては、次の記事で説明しています。

インストールしていない場合は、上記記事を参考にインストールしましょう。

Cmake

インストール済みであれば、次のようにバージョンが表示されます。

$ cmake --version
cmake version 3.10.2

CMake suite maintained and supported by Kitware (kitware.com/cmake).

インストールは、次のコマンドを実行するだけです。

$ sudo apt install -y cmake

Cython

pyopenjtalk 0.2.0以前は、事前にインストールが必要となります。
Cythonが事前にインストールされていないと、pyopenjtalk のインストールに失敗します。

しかし、pyopenjtalk 0.3.0からはその必要がありません。
pyopenjtalk をインストールする際に、Cythonも同時にインストールされます。

そうだとしても、どのみちCythonが必要であることに変わりはありません。
したがって、事前にインストールしておきましょう。

pip install Cython

まとめ

基本的には、pyopenjtalkはmacOSとLinuxで動くことが想定されています。
そのため、この記事でもmacOSとLinuxの場合について説明しました。

Windowsの場合は、リンク先のページをご覧ください。

以上、pyopenjtalkのシステム要件を説明しました。
次は、pyopenjtalkのインストールを説明します。

pyopenjtalkのインストール

検証は、次のバージョンのPythonで行います。

$ python -V 
Python 3.10.8

まずは、現状のインストール済みパッケージを確認しておきます。

$ pip list
Package    Version
---------- -------
Cython     0.29.32
pip        22.3.1
setuptools 63.2.0

次にするべきことは、pipとsetuptoolsの更新です。
pipコマンドを使う場合、常に以下のコマンドを実行しておきましょう。

python -m pip install --upgrade pip setuptools

では、pyopenjtalkのインストールです。
pyopenjtalkのインストールは、以下のコマンドとなります。

pip install pyopenjtalk

システム要件を満たしていれば、処理が進みます。
終了したら、どんなパッケージがインストールされたのかを確認します。

$ pip list
Package     Version
----------- -------
Cython      0.29.32
numpy       1.23.4
pip         22.3.1
pyopenjtalk 0.3.0
setuptools  65.5.1
six         1.16.0
tqdm        4.64.1

それほど多くのパッケージには、依存していないようです。

以上、pyopenjtalkのインストールについて説明しました。
最後は、pyopenjtalkの動作確認を行います。

pyopenjtalkの動作確認

pyopenjtalkの動作確認は、次のコードで行います。

import pyopenjtalk

print(pyopenjtalk.g2p("こんにちは"))
print(pyopenjtalk.g2p("こんにちは", kana=True))

上記コードを実行すると、ファイルのダウンロードが始まります。
このファイルは、Open JTalkで用いる辞書です。

Downloading: "https://github.com/r9y9/open_jtalk/releases/download/v1.11.1/open_jtalk_dic_utf_8-1.11.tar.gz"
dic.tar.gz: 100%|██████████████████████████████████████████████████████████████████| 22.6M/22.6M [00:02<00:00, 10.3MB/s]

基本的には、辞書のダウンロードは最初だけと考えてよいでしょう。
そして、コードの実行結果はコンソールに以下が表示されるはずです。

k o N n i ch i w a 
コンニチワ

このように表示されれば、pyopenjtalkは動作していると言えます。
ただ、これだけでは音声合成の効果がわかりません。

音声合成の効果を確認できるコードも載せておきます。

import pyopenjtalk
import numpy as np
from scipy.io import wavfile

x, sr = pyopenjtalk.tts("音声合成の効果を確認できるコードも載せておきます。")
wavfile.write("test.wav", sr, x.astype(np.int16))

上記を実行するには、追加でScipyが必要となります。
Scipyについては、次の記事で説明しています。