音声選択できる日本語読み上げアプリを作った（Speech04）
はじめに
以前作った音声読み上げアプリ（Speech03）を改良して、
音声の種類を選べるようにしてみました。
完成したもの
テキストを入力して、音声を選択すると読み上げできます。
ダウンロードはこちら👇
https://km.kokage.cc/
できること
- 日本語テキストの読み上げ
- 音声（モデル）の選択
- 音声ファイルのダウンロード
使用技術
- Python
- Streamlit
- Coqui TTS
- PyTorch（CPU版）
工夫したところ
音声選択機能
複数のTTSモデルを選択できるようにしました。
model_list = {
"日本語（自然）": "tts_models/ja/kokoro/tacotron2-DDC",
"日本語（軽量）": "tts_models/ja/kokoro/vits",
"英語（サンプル）": "tts_models/en/ljspeech/tacotron2-DDC"
}
モデルロードの高速化
キャッシュを使って読み込みを高速化しています。
@st.cache_resource
def load_tts(model_name):
return TTS(model_name=model_name)
音声ダウンロード機能
st.download_button(
label="音声をダウンロード",
data=audio_bytes,
file_name="speech.wav",
mime="audio/wav"
)
ハマったところ
短い文章でエラー
Tacotron系モデルで以下のエラーが出ました。
カーネルサイズは実際の入力サイズより大きくすることはできません
原因：
→ テキストが短すぎる
対応：
→ 文字数チェックを追加
まとめ
Speech03からの改良で、
より実用的なアプリにできました。
音声を選べるだけで、使っていて楽しくなります。
おわりに
まだ改善できるところはありますが、
一旦v1.0として公開しました。