GoogleのTTSを試してみたメモ

概要

クイックスタートを試してみる。
けっこうスムーズにできた。
日本語もOKだった。

新規プロジェクトの作成

課金が有効になっていることを確認

Text To Speechの有効化

認証情報の作成

ファイルの配置と環境変数の設定

• 今回は試しに、ダウンロードしたjsonをprivate.jsonにリネームして、/privateディレクトリに配置した
• 配置したファイルのパスを環境変数に指定

export GOOGLE_APPLICATION_CREDENTIALS="/private/private.json"

cloud sdkをインストール

gcloudにアクセス

環境変数が設定されていることを確認

bash-5.0# echo $GOOGLE_APPLICATION_CREDENTIALS
/private/private.json

環境変数で指定されたパスにファイルがあることを確認

bash-5.0# ls /private/
private.json

テストファイルの準備

/data/test.json

{
  "input": {
    "text": "Android is a mobile operating system developed by Google, based on the Linux kernel and designed primarily for touchscreen mobile devices such as smartphones and tablets."
  },
  "voice": {
    "languageCode": "en-gb",
    "name": "en-GB-Standard-A",
    "ssmlGender": "FEMALE"
  },
  "audioConfig": {
    "audioEncoding": "MP3"
  }
}

/scripts/test.sh

#!/bin/bash

curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @/data/test.json  \
https://texttospeech.googleapis.com/v1/text:synthesize \
-o /response/`date +%Y%m%d-%H%M%S`.json

実行

bash-5.0# ls /scripts/test.sh

結果の確認

• /response/20200312-110838.json が作成されたことを確認

jsonファイルから値を取り出す

• jq コマンドをインストールして使用する。
  • -r "を除去するオプション

/scripts/jsonToBase64.sh

#!/bin/bash

cat /response/20200312-110838.json | jq .audioContent -r > /base64/test.txt

取り出した内容をbase64デコード

/scripts/base64ToMP3.sh

#!/bin/bash

base64 -d /base64/test.txt > /mp3/test.mp3

作成されたmp3ファイルを確認。

喋ってる！

ここまでのソース

この時点のソース

環境

• Windows 10 Home
• virtualbox 6.1.4
• Vagrant 2.2.7
• ubuntu 18.04 LTS Linux ubuntu-bionic
• docker-ce Docker version 19.03.5
• docker-compose version 1.25.3

日本語を試してみる

データファイルの作成

/data/japan.sh

{
  "input": {
    "text": "よくできました"
  },
  "voice": {
    "languageCode": "ja-JP",
    "name": "ja-JP-Standard-A",
    "ssmlGender": "FEMALE"
  },
  "audioConfig": {
    "audioEncoding": "MP3"
  }
}

実行スクリプトの作成

• 今回は、途中のファイルを作らずに、apiで取得した結果を直接mp3にする

/scripts/apiToMP3.sh

#!/bin/bash

curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @/data/japan.json  \
https://texttospeech.googleapis.com/v1/text:synthesize | jq .audioContent -r | base64 -d > /mp3/japan.mp3

よくできました！

この時点のソース

参考

Google Cloud Text-to-Speech の使い方 日本語テキストを読み上げさせてみよう