RubyOnRailsでGoogleTextToSpeechを使う。

GoogleTextToSpeechに関する記事は、いくつかあるが、Rubyに絞ると良い記事がなく、比較的ハマったので、備忘録として、記録しておく。

結果として、こうなります。

Gemfile *.rb

gem 'google-cloud-text_to_speech', require: false

*.rb

  require "google/cloud/text_to_speech"

  def self.generate_speech
    # client生成
    client = Google::Cloud::TextToSpeech.text_to_speech do |config|
      # サービスクライアントを作成し、ダウンロードした秘密鍵を指定する。
      config.credentials = "config/xxxxxxxx.json"
    end
　　# 設定値はこちら
    speech = {
      audio_config: {
        audio_encoding: "MP3",
        pitch: 0,
        speaking_rate: 1
      },
      input: {
        text: "こんにちわ"
      },
      voice: {
        language_code: "ja-JP",
        name: "ja-JP-Neural2-B"
      }
    }

    # The three arguments are all positional.
    response = client.synthesize_speech speech    
    # ここに音声ファイルが入ってます。
    return response.audio_content
  end

参考資料と解説

2023-01-10時点で、GoogleTextToSpeechのトップページに、Rubyのコードスニペットはなく、一番良い資料にたどり着くまでのリンクも見つけられません。

参考にするべきは、こちらのRubyのAPI資料である。

こちらの資料も、コードスニペットは、1.0からの移行に関するページしかないので、若干読みづらい。

認証について

ココらへんかなぁ。
サービスクライアントの作成については、下記記事など参照。

TextToSpeechの利用方法として、ユーザーの個人情報を利用するユースケースが想定されており、
その場合は、サービスクライアントは利用しないほうが良い。（そのためにカスタム質問が用意されている。）

単なる音声読み上げとしてつかったり、利用規約で正しくやり取りができていれば、サービスクライアントを使う方法で問題ないだろう。
あと、APIキーを利用した、アクセス方法はTextToSpeechでは利用できない。

上記のGEMを使わない方法は、サービスクライアントのキー情報を利用して、一時的なアクセスキーを作る必要があるので、google-cloud-text_to_speechのGemを利用した方がとても簡単。
google-api-ruby-clientというGEMもあるが、こちらを使わなくても、問題はない。

サービスクライアントがどういう認証を行っているかは、認証方式の解説はこちらの記事がが良さそうです。

まだ未解決の課題

サービスクライアントの設定情報をCredentialsで保存したいが、File読み込み以外の手順が必要そう。