VOICEVOX（zip版）を使って読み上げwavを作る際のメモ

はじめに

会社でずんだもんに何かを読み上げさせたい時、VOICEVOXを使いたくなる時がありますね。
ただ、会社PCだとレジストリをいじるようなexeを禁止されている場合もあります。
そこで、zip版でできるかどうかを確かめてみます。

手順

0. VOICEVOXのインストール

公式サイトに移動。

ここで、ダウンロード時に「Zip」を選びます。

「Zip」を選ぶと、インストーラがないので、任意のフォルダに置いてしまいます。

なお、実際のwav作成はWeb APIを使って作成するので、環境変数でPATHを設定するなどの作業も不要です。

当たり前ですが、インストールは初回のみでOK。

1. VOICEVOXを起動

上記フォルダのVOICEVOX.exeを起動。

ブラウザで http://127.0.0.1:50021 を叩き、サーバが立ち上がっていることを確認。

2. Web APIを叩いて、wav作成

この状態で、PythonなどでWeb APIを叩けばwavは作成できます。サンプルコードはQiitaにたくさんありますので、適宜参考にしてください。たとえば、以下をご参照。

メモ

• 基本的に、http://127.0.0.1:50021/audio_query で作りたい音声合成用のクエリを作って、帰ってきたレスポンス(json)を使って http://127.0.0.1:50021/synthesis に送り付けるとwavのバイナリが返ってくるので、それをファイルにして保存するという流れ。
• 読み上げ速度を変更したい場合などは、最初のレスポンスjsonを直接書き換えるようだ。

上記のサイトを参考にアレンジすると

vvt.py

import json
import requests
import wave

# パラメータ
params_dict = {
    'text' : "これはテストなのだ。",
    'speaker': 1
}
# 追加のパラメータ
data_dict = {
    'speedScale': 1.3
}

def generate_wav(filepath='./audio.wav'):
    host = 'localhost'
    port = 50021
    response1 = requests.post(
        f'http://{host}:{port}/audio_query',
        params=params_dict
    )
    headers = {'Content-Type': 'application/json',}

    # 追加のパラメータ
    my_audio_query = response1.json()
    for key, value in data_dict.items():
        my_audio_query[key] = value

    response2 = requests.post(
        f'http://{host}:{port}/synthesis',
        headers=headers,
        params=params_dict,
        data=json.dumps(my_audio_query)
    )

    wf = wave.open(filepath, 'wb')
    wf.setnchannels(1)
    wf.setsampwidth(2)
    wf.setframerate(24000)
    wf.writeframes(response2.content)
    wf.close()

if __name__ == '__main__':
    generate_wav()

あとは、params_dict.textを外部ファイル化などすれば、より便利になるだろうと感じた。

2025/02/20追記

「より便利になるだろう」という点を改造しました。

（つづく）