AWS公式資料で挑むMLS認定(9)-Amazon PollyをPython Boto3で検証

[前回] AWS公式資料で挑むMLS認定(8)-Amazon Polly音声変換の仕組み

はじめに

今回はAmazon Pollyの実践編です。
AWS環境で、Python boto3を使って音声合成を行ってみます。

AWS SDK for Python(Boto3)とは

• Pythonを使用し、AWSサービスを操作するためのライブラリ
• Pythonアプリケーション、ライブラリ、スクリプトを、AWSサービス(S3、EC2、DynamoDB)と簡単に統合可能
• 2つの異なるレベルのAPIを提供
  • クライアントAPI(低レベル)
    • 下層のHTTP API操作との1対1のマッピングが提供される
    • 例: s3 = boto3.client('s3')
  • リソースAPI
    • 属性にアクセスし、アクションを実行するためのリソースオブジェクトとコレクションが提供される
      • 明示的なネットワーク呼び出しは表示されない
    • 例: s3 = boto3.resource('s3')

検証環境

CPU: Intel(R) Core(TM) 3.30GHz(4コア8スレッド)
メモリ: 16 GB
OS: Ubuntu 20.04 LTS

ちなみに、Ubuntuは、Windows 10で以下のように管理者権限で導入しました。

> wsl --install -d Ubuntu-20.04

検証準備

AWSのアクセスキーが必要です

※ 注意: アクセスキーはくれぐれも間違って公開しないように、厳重に保管してください。

• アクセスキー ID (access_key_id)
• シークレットアクセスキー (secret_access_key)

boto3をインストール

$ pip3 install boto3

検証シナリオ

SynthesizeSpeech Pythonコード例(英語音声)を参考に、日本語音声合成を行ってみます。
AWS SDK for Python(Boto3)を使用し、ほぼリアルタイムでテキストを音声合成できるか確認します。
アクセスキーは、実際のものに書き換えてください。
※ 再度注意: アクセスキーが含まれたソースコードをそのまま共有したり公開してはいけません!!!

speech.py

import boto3

polly_client = boto3.Session(
    aws_access_key_id="XXXXXXXXXXXX",
    aws_secret_access_key="YYYYYYYYYY",
    region_name='ap-northeast-1').client('polly')

response = polly_client.synthesize_speech(VoiceId='Takumi',
                OutputFormat='mp3',
                Text = 'みなさん、こんにちは、これはAmazon Pollyによる音声変換のテストです。',
                Engine = 'neural')

file = open('speech.mp3', 'wb')
file.write(response['AudioStream'].read())
file.close()

Python実行

$ python3 speech.py

すると、カレントディレクトリにspeech.mp3音声ファイルが生成されました。
聴いてみると、アナウンサー並みの発音で例文を読んでくれました、すごい!

楽しくなったので、Python アプリケーション例も試してみることに(内容は割愛)。

おわりに

Boto3を使って、Amazon Pollyの音声合成を検証してみました。
次回は、MLサービスAmazon SageMakerの登場です。お楽しみに。

[次回] AWS公式資料で挑むMLS認定(10)-Amazon SageMakerの基本