ウェブページで音声合成エンジンを使う（CoefontAPI）

仕様変更でAPIはenterpriseアカウントのみになりました

ウェブ上で道案内アプリを作ってみたくなったのでAPIがある便利な音声合成エンジンであるCoefontを使ってみた。
#Coefont
オンラインで使える音声合成エンジン（ソフトウェアトーク）
だれでも声を登録できたりする。公式の音声のいくつかは無料で使える

APIが提供されていて自作したソフトとかから便利に使える

#Pythonで使ってみる
APIKeyとAccessSecretの取得はこの記事にやり方が書いてあるのでそちらを見てください

Pythonのコードは公式サイトに例があるのでそのまま使ってみる。Requestsをインストールしておく
pip install requests
今回はCoefontの公式のキャラクターであるアリアルを使用します。
実際の人物のCoefontとかを使用する際は規約に注意

音声が生成された
#ウェブページで使う
Coefontは利用料として一文字0.05円ほどかかる有料のサービスなので、一般に公開するウェブページに直接APIKeyとAccessSecretがくっついているのはよろしくない。
そのためかCoefontAPIも、ウェブページから直接アクセスすることは想定されていないようす。
そこで今回はGoogle Cloud Fuction を使ってウェブページとCoefontAPIを仲介するスクリプトを作った

ここ押してアカウント登録とかする。有料のサービスだけど最初の12か月無料なのでその間に使って遊ぶ。たぶんGCFだけならそんなに値段はかからない。

このページの始める前にの部分を進めておく
Google Cloud Functionのページを開く

関数の作成を押して、トリガーはデフォルトのまま保存し、次へをおす
ランタイムをpython3.9に変更、エントリポイントをrequestに変更。Httpでアクセスしたときに、エントリポイントの関数が実行される
main.pyに以下を入力

main.py

import hmac
import requests
import hashlib
import json
from datetime import datetime, timezone

access_key = "YOUR_ACCESS_KEY"
client_secret = "YOUR_CLIENT_SECRET"

def request(request):
    """Responds to any HTTP request.
    Args:
        request (flask.Request): HTTP request object.
    Returns:
        The response text or any set of values that can be turned into a
        Response object using
        `make_response <http://flask.pocoo.org/docs/1.0/api/#flask.Flask.make_response>`.
    """
    if request.method == 'OPTIONS':
      headers = {
            'Access-Control-Allow-Origin': '*',
            'Access-Control-Allow-Methods': 'POST, OPTIONS',
            'Access-Control-Allow-Headers': 'Content-Type',
            'Access-Control-Max-Age': '3600',
        }
      return ('', 204, headers)
    
    headers = {
        'Access-Control-Allow-Origin': '*',
    }
    if(request.headers['content-type'] == 'application/json'):
      request_json = request.get_json(silent=True)
      if request_json and 'text' in request_json:
          text = request_json['text']
      else:
        return('', 400,headers)
      date: str = str(int(datetime.utcnow().replace(tzinfo=timezone.utc).timestamp()))
      data: str = json.dumps({
        'coefont': '46a81787-af54-4a91-8c5b-3b597066294e',
        'text': text
      })
      signature = hmac.new(bytes(client_secret, 'utf-8'), (date+data).encode('utf-8'), hashlib.sha256).hexdigest()

      response = requests.post('https://api.coefont.cloud/v1/text2speech', data=data, headers={
        'Content-Type': 'application/json',
        'Authorization': access_key,
        'X-Coefont-Date': date,
        'X-Coefont-Content': signature
      })
      if response.status_code == 200:
        return(response.url, 200 , headers)
      else:
        return(str(response.status_code), 500,headers)
    return('', 400,headers)

main.py

    access_key = "YOUR_ACCESS_KEY"
    client_secret = "YOUR_CLIENT_SECRET"

自分のAPIkeyとClientSecretを入力

main.py

    data: str = json.dumps({
        'coefont': '46a81787-af54-4a91-8c5b-3b597066294e',
        'text': text
    })

適当なCoefontIDを設定
requirement.txtに以下を入力してデプロイ

reqirement.txt

# Function dependencies, for example:
# package>=version
requests==2.24.0

少し待つと作成した関数が使用可能になるので、関数を選択

テスト中をクリックして、以下を入力すると

test.json

{"text":"てすと"}

出力にURLが返ってくるのでこれにアクセスすると音声合成されたwavファイルをダウンロードできる
トリガーのタブから確認できるURLでこの関数にアクセスできるので、あとは自分のウェブページから先ほどの形式のjsonファイルをそのURLにPostし、帰ってきたURLにGetでアクセスする。そしてダウンロードできるwavをWeb Audio APIなどで再生すると、Web上で音声合成エンジンを利用できる

#おわりに
ウェブ上で自由に音声を再生したくて、APIが公開されているCoefont APIを利用してみました。これを利用すると、かなり多くの種類の音声が使用可能なので、好きな音声を見つけて使ってみてください。この記事上のコードは自由に改変して使用して問題ありません。この記事のおかしなところなど、コメント等歓迎です。