【AWS EC2】VOICEVOXサーバーをクラウド化してみる

導入

あまり手で触ることのないVOICEVOXを、ローカルPC上で立ちあげっぱなしにしておくのも微妙かな......。
ということで、クラウドに逃がしてしまおう、という試み。
なにぶんインフラ周りの実装をしたことがない身なので、terraformの導入からよちよち進めていく。

環境

Windows 11 Home
バージョン：24H2

Terraform v1.13.3 on windows_amd64

aws-cli/2.31.8 Python/3.13.7 Windows/11 exe/AMD64

手順

• terraformの導入
• aws cliの導入
• AWS IAMユーザーの作成・アクセスキーの取得
• main.tfの実装
• terraform applyと疎通確認

本編

terraformの導入

Windowsには"Chocolatey"というパッケージ管理システムがあるようで、今回はそちらを使ってterraformを導入する。
Macでいうところのhomebrewのようなものらしい。
メロスはWindowsがわからぬ。

> choco install terraform -y

実行が終わったら、疎通を確認......

> terraform -v
Terraform v1.13.3
on windows_amd64

大丈夫そう。

ちなみに、terraformコマンドのパスを通しておく必要がある。
システム環境変数のPathの値に、こちらを追加しておく。

C:\ProgramData\chocolatey\bin

aws cliの導入

同じ流れで、aws cliも導入していく。

> choco install awscli -y

完了後にこちらで疎通確認。

> aws --version
aws-cli/2.31.8 Python/3.13.7 Windows/11 exe/AMD64

ちなみにこちらもパスを通しておくこと。

C:\Program Files\Amazon\AWSCLIV2\

AWS IAMユーザーの作成・アクセスキーの取得

※ AWSアカウントはある前提とします

AWSコンソールに入り、右上の「ユーザーの作成」を押下。

UIに従って、ユーザー名やユーザーアクセスに関するオプションを設定する。
今回はカスタムパスワードをここで設定しつつ、新しいパスワードの設定はOFFにした。

次の画面では許可のオプションを設定。
今回はお遊びなのでポリシーを直接アタッチ -> AdministoratorAccessを選択したが、適宜必要なものだけを指定したポリシーをアタッチすること。
この画面は少しわかりにくいが、下にスクロールすると「次へ」ボタンがあるので、押下して次の画面へ。

次の画面で入力内容の最終確認ができるので、問題なければ「ユーザーの作成」を押下して作成。

作成できたユーザーの画面から「セキュリティ認証情報」というタブを見ると、「アクセスキー」という欄がある。
こちらも今後必要になるので、「アクセスキーを作成」ボタンから作成に移る。

自分はもう作ってあるので「アクセスキー(1)」になっています

今回はCLIが使いたいので、ユースケースは「コマンドラインインターフェイス」を選んでおく。
下に推奨された代替案が表示されるが、今回はチェックボックスにチェックをいれて無視。

AWS IAMユーザーは非推奨になっているので、ちゃんと作る場合はIAM Identity Centerを使った方がよさそうです。
今回は一旦ね、一旦......（後日ちゃんとしたバージョンもやります）

次の画面で説明タグを設定すれば、はれてアクセスキーを作成できる。
「アクセスキーを作成」を押したタイミングで、「IAMユーザー名_accessKeys.csv」という名前でcsvファイルがダウンロードされる。
中身はAccess key ID,Secret access keyの組み合わせになっているので、ご確認のこと。

ここまでできたらコンソールに戻って、awsコマンドの設定を進める。

> aws configure

以下の順に入力を求められるので、適宜入力していく。

AWS Access Key ID    : AWS IAMで発行したアクセスキー
AWS Secret Access Key: 同上（シークレットキー）
Default region name	 : ap-northeast-1
Default output format: json

これらの設定は下記のファイルに登録されて、terraformはこれを参照して動作する。
C:\Users\<ユーザー名>\.aws\credentials
C:\Users\<ユーザー名>\.aws\config

ここまでの疎通確認として、下記を実行。
こんな感じの結果が得られればOK。

> aws sts get-caller-identity
{
    "UserId": "ユーザーID",
    "Account": "123456789012",
    "Arn": "arn:aws:iam::123456789012:user/your-iam-user"
}

main.tfの実装

結果から書くと、今回は概ねこんな実装になった。

main.tf

terraform {
  required_version = ">= 1.0.0"
  required_providers {
    aws = {
      source  = "hashicorp/aws"
      version = "~> 5.0"
    }
  }
}

# AWSのプロバイダ設定
provider "aws" {
  region = "ap-northeast-1"
}

# セキュリティグループを作成
resource "aws_security_group" "voicevox_sg" {
  name        = "voicevox_sg"
  description = "Allow SSH and VOICEVOX API inbound traffic"

  ingress {
    from_port   = 22
    to_port     = 22
    protocol    = "tcp"
    cidr_blocks = ["0.0.0.0/0"]
  }

  ingress {
    description = "VOICEVOX API"
    from_port   = 50021
    to_port     = 50021
    protocol    = "tcp"
    cidr_blocks = ["0.0.0.0/0"]
  }

  egress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }
}

# EC2インスタンスを作成
resource "aws_instance" "voicevox_instance" {
  ami           = "ami-0d4aa492f133a3068"
  instance_type = "t3.micro"
  vpc_security_group_ids = [aws_security_group.voicevox_sg.id]

  user_data = <<-EOF
              #!/bin/bash
              dnf update -y
              dnf install -y docker
              systemctl enable docker
              systemctl start docker
              docker run -d -p 50021:50021 voicevox/voicevox_engine:cpu-latest
              EOF

  tags = {
    Name = "terraform-voicevox-instance"
  }
}

output "ec2_public_ip" {
  value = aws_instance.voicevox_instance.public_ip
}

至らない部分もあると思いますが、適宜いじって使ってください

EC2インスタンス上でVOICEVOXを動かす上で、最低限必要な

• セキュリティグループの作成
• EC2インスタンスの作成
• VOICEVOXエンジンのインストール

の3点を実装した。
インスタンスの起動と同時に、VOICEVOXのdockerイメージを利用してVOICEVOXが立ち上がる。
ポートは50021番で動くらしい。
※ インスタンスは自分に合ったものを選んでください。今回は無料枠のt3.micro。

terraform applyと疎通確認

> terraform apply
（中略）
Terraform will perform the following actions:
（中略）
Plan: 2 to add, 0 to change, 0 to destroy.

Do you want to perform these actions?
  Terraform will perform the actions described above.
  Only 'yes' will be accepted to approve.

  Enter a value:

2件が作られ、0件が更新され、0件がなくなりますよ、というplan結果が出ていればOK。
yesを入力して少し待つと、リソースが作成される。

  Enter a value: yes

aws_security_group.セキュリティグループ名: Creating...
aws_security_group.セキュリティグループ名: Creation complete after 4s
aws_instance.インスタンス名: Creating...
aws_instance.インスタンス名: Still creating... [00m10s elapsed]
aws_instance.インスタンス名: Creation complete after 13s

Apply complete! Resources: 2 added, 0 changed, 0 destroyed.

これで、EC2インスタンスが起動していることをコンソール上から確認できるはず。

最後に、作成されたEC2インスタンスのオープンIPを使って、ブラウザから下記にアクセスする。
http://IPアドレス:50021/docs
こんな画面が開ければ、疎通成功。

まとめ

つたない部分はありつつ、VOICEVOXのクラウド化という目的は達成できた。
裏で試したところ、audio_queryやsynthesisを使って、任意の文字列を音声出力させることもできた。
もしローカルPCでVOICEVOX動かしたくないな～という方がいれば、ぜひ。
遊びがてら勉強にもなって、ちょうどいいかも。

p.s.
立ちあげたEC2インスタンスはdestroyでお片付けしよう！

> terraform destroy

お財布にやさしくなれるぞ！

参考文献

実際のところはほとんどAIと対話して進めた。Cursorすごい。