Google Cloud Text-to-Speech API(V1)をJavaで使ってみました。
今回の記事はAPIを利用するにあたり準備する必要があるものを記事にしました。
Cloud Text-to-Speech APIとは
テキストまたは音声合成マークアップ言語（SSML）の入力を
音声データ(MP3やLINEAR16)に変換するAPIです。
APIの料金は1ヶ月単位の無料枠を超えると料金が発生します。
| 種類 | 1ヶ月単位の無料枠 | 無料の使用量上限に到達した場合の料金 |
|---|---|---|
| プレミアムな音声 | 0〜1,000,000byte | 0.000016米ドル/byte |
| スタジオ音声 | 0～1,000,000byte | 0.00016米ドル/byte |
| 標準音声 | 0〜1,000,000文字 | 0.000004米ドル/文字 |
料金の詳細は⧉ Text-to-Speechの料金(公式)を参照ください。
1. Cloud Text-to-Speech APIを使用するための準備
設定は下記から行います。
⧉Google クラウド プラットフォーム
やることは下記の3つです。
1. GCPプロジェクトの作成
2. Cloud Text-to-Speech APIの有効化
3. プログラムで使用するキーの取得
1.1. プロジェクトの作成
まずはGCPでプロジェクトを作成します。
詳細はこちらの記事を参照ください
⧉[Google Sheets API] Google Sheets API v4をJavaで操作する(1.1. プロジェクトの作成)
1.2. Cloud Text-to-Speech APIの設定
Cloud Text-to-Speech APIを使えるようにします。
| No | 手順 | |
|---|---|---|
| 1 | メニューの 「APIとサービス」 -> 「ライブラリ」 を選択します。 |  |
| 2 | text toと入力して「Cloud Text-to-Speech API」を検索します。 |  |
| 3 | 「有効にする」ボタンを押して「Cloud Text-to-Speech API」を使用可能にします。 |  |
1.3. APIを使用するためのキー取得
プログラムからAPIを実行するための準備を行います。
サービスアカウント、OAuth2.0を利用する方法があります。
1.3.1. サービス アカウント
同じ内容を下記の記事に掲載してますので、下記の記事を参照ください。
⧉[Google Sheets API] Google Sheets API v4をJavaで操作する(1.3. Googleサービスアカウントの作成)
1.3.2. OAuth2.0 クライアントID
同じ内容を下記の記事に掲載してますので、下記の記事を参照ください。
⧉[Google Drive API v3] JavaでDrive APIを使う(1.3.2. OAuth2.0 クライアントID)
2. Cloud Text-to-Speech APIを使ってみる
2.1. googleライブラリの読み込み
Cloud Text-to-Speech APIを使用するためにライブラリのパスを設定します。
私の環境はpom.xmlで下記を指定しています。
Javaのバージョンは21を使用しています。
<dependencies>
<dependency>
<groupId>com.google.api-client</groupId>
<artifactId>google-api-client</artifactId>
</dependency>
<dependency>
<groupId>com.google.cloud</groupId>
<artifactId>google-cloud-texttospeech</artifactId>
</dependency>
<!-- OAuth2.0でAPIを使う場合は下記を追加してください。 -->
<dependency>
<groupId>com.google.oauth-client</groupId>
<artifactId>google-oauth-client-jetty</artifactId>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>com.google.cloud</groupId>
<artifactId>libraries-bom</artifactId>
<version>26.38.0</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
2.2. TextToSpeechClientインスタンスを取得
長時間実行オペレーション系のAPI以外を実行する際に使用するインスタンスです。
2.2.1. サービスアカウントを利用する場合
コード中の「JSONファイルのパス」は、
⧉[Google Sheets API] Google Sheets API v4をJavaで操作する(1.3. Googleサービスアカウントの作成)
で取得したJSONファイルのパスを指定してください。
private static TextToSpeechClient getTextToSpeechClient() throws Exception{
try(InputStream input = new FileInputStream("JSONファイルのパス")){
GoogleCredentials credentials = GoogleCredentials.fromStream(input));
TextToSpeechSettings.Builder builder = TextToSpeechSettings.newBuilder();
builder.setCredentialsProvider(FixedCredentialsProvider.create(credentials));
return TextToSpeechClient.create(builder.build());
}
}
2.2.2. OAuth 2.0 クライアントIDを利用する場合
コード中の「JSONファイルのパス」は、
⧉[Google Drive API v3] JavaでDrive APIを使う(1.3.2.1 認証情報の作成)
で取得したJSONファイルのパスを指定してください。
コード中の「認証情報を保存するフォルダパス」は、
認証情報が保存されるフォルダのパスを指定してください。
このコードを実行するとOAuth同意画面が表示されます。
ユーザーが同意をすると認証情報を保存するフォルダにファイルが生成されます。
このファイルが存在した場合は、再度実行してもOAuth同意画面は表示されません。
private static TextToSpeechClient getTextToSpeechClient() throws Exception{
HttpTransport transport = GoogleNetHttpTransport.newTrustedTransport();
GsonFactory jsonFactory = GsonFactory.getDefaultInstance();
try(Reader reader = new InputStreamReader(new FileInputStream("JSONファイルのパス"))){
GoogleClientSecrets clientSecrets = GoogleClientSecrets.load(jsonFactory,reader);
GoogleAuthorizationCodeFlow flow = new GoogleAuthorizationCodeFlow.Builder(
transport, jsonFactory, clientSecrets,
Arrays.asList("https://www.googleapis.com/auth/cloud-platform"))
.setDataStoreFactory(new FileDataStoreFactory(new java.io.File("認証情報を保存するフォルダパス")))
.build();
LocalServerReceiver receiver = new LocalServerReceiver.Builder().build();
Credential credential = new AuthorizationCodeInstalledApp(flow, receiver).authorize("user");
UserCredentials credentials = UserCredentials.newBuilder()
.setClientId(clientSecrets.getDetails().getClientId())
.setClientSecret(clientSecrets.getDetails().getClientSecret())
.setRefreshToken(credential.getRefreshToken())
.build();
TextToSpeechSettings.Builder builder = TextToSpeechSettings.newBuilder();
builder.setCredentialsProvider(FixedCredentialsProvider.create(credentials));
return TextToSpeechClient.create(builder.build());
}
}
2.3. TextToSpeechLongAudioSynthesizeClientインスタンスを取得
長時間実行オペレーション系のAPIを実行する際に使用するインスタンスです。
2.3.1. サービスアカウントを利用する場合
コード中の「JSONファイルのパス」は、
⧉[Google Sheets API] Google Sheets API v4をJavaで操作する(1.3. Googleサービスアカウントの作成)
で取得したJSONファイルのパスを指定してください。
private static TextToSpeechLongAudioSynthesizeClient getTextToSpeechLongAudioSynthesizeClient() throws Exception{
try(InputStream input = new FileInputStream("JSONファイルのパス")){
GoogleCredentials credentials = GoogleCredentials.fromStream(input);
TextToSpeechLongAudioSynthesizeSettings.Builder builder = TextToSpeechLongAudioSynthesizeSettings.newBuilder();
builder.setCredentialsProvider(FixedCredentialsProvider.create(credentials));
return TextToSpeechLongAudioSynthesizeClient.create(builder.build());
}
}
2.3.2. OAuth 2.0 クライアントIDを利用する場合
コード中の「JSONファイルのパス」は、
⧉[Google Drive API v3] JavaでDrive APIを使う(1.3.2.1 認証情報の作成)
で取得したJSONファイルのパスを指定してください。
コード中の「認証情報を保存するフォルダパス」は、
認証情報が保存されるフォルダのパスを指定してください。
このコードを実行するとOAuth同意画面が表示されます。
ユーザーが同意をすると認証情報を保存するフォルダにファイルが生成されます。
このファイルが存在した場合は、再度実行してもOAuth同意画面は表示されません。
private static TextToSpeechLongAudioSynthesizeClient getTextToSpeechLongAudioSynthesizeClient2() throws Exception{
HttpTransport transport = GoogleNetHttpTransport.newTrustedTransport();
GsonFactory jsonFactory = GsonFactory.getDefaultInstance();
try(Reader reader = new InputStreamReader(new FileInputStream("JSONファイルのパス"))){
GoogleClientSecrets clientSecrets = GoogleClientSecrets.load(jsonFactory,reader);
GoogleAuthorizationCodeFlow flow = new GoogleAuthorizationCodeFlow.Builder(
transport, jsonFactory, clientSecrets,
Arrays.asList("https://www.googleapis.com/auth/cloud-platform"))
.setDataStoreFactory(new FileDataStoreFactory(new java.io.File("認証情報を保存するフォルダパス")))
.build();
LocalServerReceiver receiver = new LocalServerReceiver.Builder().build();
Credential credential = new AuthorizationCodeInstalledApp(flow, receiver).authorize("user");
UserCredentials credentials = UserCredentials.newBuilder()
.setClientId(clientSecrets.getDetails().getClientId())
.setClientSecret(clientSecrets.getDetails().getClientSecret())
.setRefreshToken(credential.getRefreshToken())
.build();
TextToSpeechLongAudioSynthesizeSettings.Builder builder = TextToSpeechLongAudioSynthesizeSettings.newBuilder();
builder.setCredentialsProvider(FixedCredentialsProvider.create(credentials));
return TextToSpeechLongAudioSynthesizeClient.create(builder.build());
}
}
2.4. プログラムの実行
プログラムを動かします。
サンプルでは、「こんにちは」という文字列を音声ファイルに変換しています。
public static void main(String[] args) throws Exception{
try(TextToSpeechClient client = getTextToSpeechClient()){
SynthesizeSpeechRequest.Builder builder = SynthesizeSpeechRequest.newBuilder();
SynthesisInput.Builder input = SynthesisInput.newBuilder();
input.setText("こんにちは");
builder.setInput(input.build());
VoiceSelectionParams.Builder voice = VoiceSelectionParams.newBuilder();
voice.setLanguageCode("ja");
builder.setVoice(voice.build());
AudioConfig.Builder audioConfig = AudioConfig.newBuilder();
audioConfig.setAudioEncoding(AudioEncoding.MP3);
builder.setAudioConfig(audioConfig.build());
SynthesizeSpeechResponse response = client.synthesizeSpeech(builder.build());
ByteString bytes = response.getAudioContent();
try (OutputStream out = new FileOutputStream("output.mp3")) {
out.write(bytes.toByteArray());
}
}
}
3. いろいろとAPIを叩いてみる
いろいろとAPIを叩いてみます。
3.1. v1.operations
| メソッド | 概要 | 記事 |
|---|---|---|
| cancel | 長時間実行操作で非同期キャンセルを開始 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaで長時間実行オペレーションをキャンセル・削除する |
| delete | 長時間実行されるオペレーションを削除 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaで長時間実行オペレーションをキャンセル・削除する |
3.2. v1.projects.locations
| メソッド | 概要 | 記事 |
|---|---|---|
| synthesizeLongAudio | 長い形式のテキストを非同期的に合成 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaでテキストを音声に変換する |
3.3. v1.projects.locations.operations
| メソッド | 概要 | 記事 |
|---|---|---|
| get | 長時間実行される操作の最新の状態を取得 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaで長時間実行オペレーションを取得する |
| list | リクエスト内の指定されたフィルターに一致するオペレーションリストを取得 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaで長時間実行オペレーションを取得する |
3.4. v1.text
| メソッド | 概要 | 記事 |
|---|---|---|
| synthesize | 音声を同期的に合成 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaでテキストを音声に変換する |
3.5. v1.voices
| メソッド | 概要 | 記事 |
|---|---|---|
| list | 合成がサポートされている音声のリストを取得 | ⧉[Google Cloud Text-to-Speech API(V1)] Javaで音声の変換がサポートされている音声リストを取得する |
おしまい。。