VOICEVOX（zip版）を使って読み上げwavを作る際のメモ #2

はじめに

の続きです。

Web APIを叩くスクリプトの改造

前回の記事で

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。
と書いたので、そこを変更しました。

ファイルの読み込みは with を使うと便利だそうです。

これを踏まえて、スクリプトを変更しました。

vvt2.py

import json
import requests
import wave
from datetime import datetime

# 基本情報
base_hash = {
    'host' : "localhost",
    'port': 50021,
    'in_txt' : "./input.txt",
    'out_wav': "./audio.wav"
}
# パラメータ
params_dict = {
    'text' : "これはテストなのだ。",
    'speaker': 1,    # ずんだもんあまあま
#    'speaker': 29,   # No.7ノーマル
}
# 追加のパラメータ
data_dict = {
    'speedScale': 1.3,
#    'speedScale': 1.1,
}

#----------

# wavファイルを出力
def generate_out_wav():
    host = base_hash['host']
    port = base_hash['port']

    # audi_queryを作る
    response1 = requests.post(
        f'http://{host}:{port}/audio_query',
        params=params_dict
    )
    headers = {'Content-Type': 'application/json',}

    # 追加のパラメータはここでセット
    my_audio_query = response1.json()
    for key, value in data_dict.items():
        my_audio_query[key] = value

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

    # ファイルに保存
    base_hash['out_wav'] = './' + get_nowymdhms_14str() + '.wav'
    wf = wave.open(base_hash['out_wav'], 'wb')
    wf.setnchannels(1)
    wf.setsampwidth(2)
    wf.setframerate(24000)
    wf.writeframes(response2.content)
    wf.close()

# txtファイルを読み込む
def read_in_txt():
    with open(base_hash['in_txt'], 'r', encoding='utf-8') as f:
        str = f.read()
        params_dict['text'] =str

# 現在の日時を14桁の文字列にフォーマット
def get_nowymdhms_14str():
    now = datetime.now()
    formatted_now = now.strftime('%Y%m%d%H%M%S')
    return formatted_now

# main()
if __name__ == '__main__':
    read_in_txt()
    generate_out_wav()

出力ファイル名が毎回同じだと管理が面倒なので、yyyymmddHHMMDDで出力されるように変更。（この関数自体はCopilotに書いてもらいました。便利。）

今後の課題

wavを外部ファイル化できたものの、wavファイルの冒頭に「プツッ」のようなノイズが乗るようになってしまったので、そのうち見直します。気になる。

（この項おわり）