音声合成ライブラリ「AquesTalk」をUnity（WindowsおよびAndroid）から呼び出してみました。
AquesTalk
https://www.a-quest.com/products/aquestalk.html
githubにソースをアップしてあります。
https://github.com/isdf/AquesTalk10UnitySample
ライブラリを配置する
まずいい感じに置きます。
参考資料
UnityでDLLを使う
http://tvmllab.com/unity%E3%81%A7dll%E3%82%92%E4%BD%BF%E3%81%86/
Android 用ネイティブ（C++）プラグインの配置方法
https://docs.unity3d.com/jp/560/Manual/AndroidNativePlugins.html
.dllおよび.soを選択しInspectorで見た際に、
PlatforomSettingsに複数チェック（x86とx86_64の両方など）が入っているとビルドエラーになります。
呼び出す
ポイント！
・再生用オーディオソース（public AudioSource audio_）にはSceneに配置した
AudioSourceをHierarchy上で登録しておく。
・AQTK_VOICE構造体はアンマネージな所に渡すので以下のように順番やバイト数を整えておく。
[StructLayout(LayoutKind.Sequential, Pack = 4)]
・ライブラリ側でポインタを引数にしている場所には
[DllImport("AquesTalk")]
private static extern IntPtr AquesTalk_Synthe(ref AQTK_VOICE pParam, byte[] koe, ref int size);
のようにrefで渡してあげたら動いた。
・AquesTalkはSJISの日本語ひらがな文字列を引数にして音声合成するため、
Unityの標準であるUTF8は変換する必要がある。しかしSJISにはすんなりとは変換できない。
ここらへんを参考にされたし。
System.Text.Encoding で Shift JIS を使いたい
https://helpdesk.unity3d.co.jp/hc/ja/articles/204694010-System-Text-Encoding-%E3%81%A7-Shift-JIS-%E3%82%92%E4%BD%BF%E3%81%84%E3%81%9F%E3%81%84
追記
AquesTalk_Synthe_Utf8()を呼ぶことでUTF8でも問題なく渡せる模様。流石AquesTalk10。
・AquesTalkが返してくれるbyte配列を直接AudioClipで再生できる音声には変換できないので、
float配列に変換する必要がある。
こちらのテクを拝借。
https://github.com/Suzeep/audioclip_maker
using UnityEngine;
using System;
using System.Runtime.InteropServices;
public class AquesTalk10SamplePlayer : MonoBehaviour
{
//再生用オーディオソース
public AudioSource audio_;
// 声質パラメータ
[StructLayout(LayoutKind.Sequential, Pack = 4)]
struct AQTK_VOICE
{
public int bas; // 基本素片 F1E/F2E/M1E (0/1/2)
public int spd; // 話速 50-300 default:100
public int vol; // 音量 0-300 default:100
public int pit; // 高さ 20-200 default:基本素片に依存
public int acc; // アクセント 0-200 default:基本素片に依存
public int lmd; // 音程１ 0-200 default:100
public int fsc; // 音程２(サンプリング周波数) 50-200 default:100
public void Init()
{
bas = 0; // 基本素片 F1E/F2E/M1E (0/1/2)
spd = 100; // 話速 50-300 default:100
vol = 100; // 音量 0-300 default:100
pit = 100; // 高さ 20-200 default:基本素片に依存
acc = 100; // アクセント 0-200 default:基本素片に依存
lmd = 100; // 音程１ 0-200 default:100
fsc = 100; // 音程２(サンプリング周波数) 50-200 default:100
}
}
[DllImport("AquesTalk")]
private static extern IntPtr AquesTalk_Synthe(ref AQTK_VOICE pParam, byte[] koe, ref int size);
[DllImport("AquesTalk")]
private static extern void AquesTalk_FreeWave(IntPtr wavPtr);
//https://github.com/Suzeep/audioclip_makerよりbyte配列→再生用float配列への変換処理を拝借
readonly float RANGE_VALUE_BIT_8 = 1.0f / Mathf.Pow(2, 7); // 1 / 128
readonly float RANGE_VALUE_BIT_16 = 1.0f / Mathf.Pow(2, 15); // 1 / 32768
const int BASE_CONVERT_SAMPLES = 1024 * 20;
const int BIT_8 = 8;
const int BIT_16 = 16;
//---------------------------------------------------------------------------
// create rawdata( ranged 0.0 - 1.0 ) from binary wav data
//---------------------------------------------------------------------------
public float[] CreateRangedRawData(byte[] byte_data, int wav_buf_idx, int samples, int channels, int bit_per_sample)
{
float[] ranged_rawdata = new float[samples * channels];
int step_byte = bit_per_sample / BIT_8;
int now_idx = wav_buf_idx;
for (int i = 0; i < (samples * channels); ++i)
{
ranged_rawdata[i] = convertByteToFloatData(byte_data, now_idx, bit_per_sample);
now_idx += step_byte;
}
return ranged_rawdata;
}
//---------------------------------------------------------------------------
// convert byte data to float data
//---------------------------------------------------------------------------
private float convertByteToFloatData(byte[] byte_data, int idx, int bit_per_sample)
{
float float_data = 0.0f;
switch (bit_per_sample)
{
case BIT_8:
{
float_data = ((int)byte_data[idx] - 0x80) * RANGE_VALUE_BIT_8;
}
break;
case BIT_16:
{
short sample_data = System.BitConverter.ToInt16(byte_data, idx);
float_data = sample_data * RANGE_VALUE_BIT_16;
}
break;
}
return float_data;
}
public void Synthe()
{
Debug.Log("Synthe() start");
// 不定長情報のメモリ確保
IntPtr aqtk_p = Marshal.AllocCoTaskMem(Marshal.SizeOf(typeof(AQTK_VOICE)));
AQTK_VOICE aqtk_voice = (AQTK_VOICE)Marshal.PtrToStructure(aqtk_p, typeof(AQTK_VOICE));
aqtk_voice.Init();
//バイト配列をUTF8の文字コードとしてStringに変換する
//string koeUtfStr = "ゆっくりしていってね";
//System.Text.Encoding utf8Enc = System.Text.Encoding.GetEncoding("UTF-8");
//System.Text.Encoding sjisEnc = System.Text.Encoding.GetEncoding("Shift_JIS");
//byte[] koeUtfBytes = utf8Enc.GetBytes(koeUtfStr);
//byte[] koeSjisBytes = System.Text.Encoding.Convert(utf8Enc, sjisEnc, koeUtfBytes);
//https://helpdesk.unity3d.co.jp/hc/ja/articles/204694010-System-Text-Encoding-%E3%81%A7-Shift-JIS-%E3%82%92%E4%BD%BF%E3%81%84%E3%81%9F%E3%81%84
//System.Text.Encoding で Shift JIS を使いたい
//高橋 啓治郎 - 2017年04月07日 17:08
//Unity の Standalone Player は Shift_JIS (codepage 932) の encoding を含んでおらず、
//これを System.Text.Encoding で使おうとするとエラーになります。
//SJIS文字列（あいうえお）
byte[] koeSjisBytes = { 0x82, 0xa0, 0x82, 0xa2, 0x82, 0xa4, 0x82, 0xa6, 0x82, 0xa8, };
int size = 0;
IntPtr wavPtr = AquesTalk_Synthe(ref aqtk_voice, koeSjisBytes, ref size);
Debug.Log("size : " + size);
//成功判定
if (wavPtr == IntPtr.Zero)
{
Debug.LogError("ERROR: 音声生成に失敗しました。不正な文字が使われた可能性があります");
}
//C#で扱えるようにマネージド側へコピー
byte[] byte_data = new byte[size];
Marshal.Copy(wavPtr, byte_data, 0, size);
//アンマネージドポインタは用が無くなった瞬間に解放
AquesTalk_FreeWave(wavPtr);
//float配列に変換
float[] float_data = CreateRangedRawData(byte_data, 0, size / 2, 1, BIT_16);
//audioClip作成
AudioClip audioClip = AudioClip.Create("AquesTalk", float_data.Length, 1, 16000, false);
audioClip.SetData(float_data, 0);
audio_.clip = audioClip;
//再生
audio_.Play();
Debug.Log("Synthe() end");
}
}
iOSはうちのmacがアレしててテストできないのでどなたかお願いします。