動機
- UbuntuのFirefoxで Web Speechi API を利用すると、日本語の文章の漢字が1文字ずつ"chinese letter"と発話され、辛い。
- Ubuntuの初期状態で、以下を実行すると"chinese letter chinese letter"と発話される。
spd-say "月火"
- ということで調査したら、以下の手続きで解決した。
利用する技術
- Web Speech API：ブラウザから発話を制御する Javascript の API。
window.speechSynthesisから利用する。 - speech-dispatcher：Linux系でブラウザなどの発話リクエストを振り分ける機能。
- OpenJTalk：発話する機能。
検証環境
- Ubuntu：25.10 amd64
- Firefox：145.0.2 Snap版
設定方法
以下をインストールする。依存パッケージの一覧が出てきたらインストールするようにしてください。
sudo apt install speech-dispatcher-openjtalk
ログインユーザの設定一式を作成する。
spd-conf -ucn
コメント化する。
~/.config/speech-dispatcher/speechd.conf
#AudioOutputMethod "pulse"
追加する。
~/.config/speech-dispatcher/speechd.conf
AddModule "openjtalk" "sd_openjtalk" "openjtalk.conf"
ログインユーザのサービスを再読み込みする。
systemctl --user reload speech-dispatcher.service
結果を確認する。以下を実行すると"つきひ"と発話されるはず。同様にブラウザ経由でも日本語が発話された。
spd-say "月火"
音声を変える
OpenJTalkの規定の音声データは句読点なし18文字以上で発話がおかしくなるようなので、別の音声データを取得し設定する。
ブラウザなどでダウンロードする。
https://sourceforge.net/projects/mmdagent/files/MMDAgent_Example/MMDAgent_Example-1.8/MMDAgent_Example-1.8.zip
zipを展開し、設定内に配置する。
mkdir ~/.config/speech-dispatcher/hts-voice
mv ~/MMDAgent_Example-1.8/Voice/mei ~/.config/speech-dispatcher/hts-voice/
mv ~/MMDAgent_Example-1.8/Voice/takumi ~/.config/speech-dispatcher/hts-voice/
openjtalkの規定の設定を、ログインユーザ側に複製する。
cp /etc/speech-dispatcher/modules/openjtalk.conf ~/.config/speech-dispatcher/modules/
規定の音声データをコメント化
~/.config/speech-dispatcher/modules/openjtalk.conf
# OpenjtalkVoice "/usr/share/hts-voice/nitech-jp-atr503-m001/nitech_jp_atr503_m001.htsvoice"
音声データを行コメント状態で追加し、好みの音声データを有効にする。
~/.config/speech-dispatcher/modules/openjtalk.conf
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/mei/mei_normal.htsvoice"
OpenjtalkVoice ".config/speech-dispatcher/hts-voice/mei/mei_happy.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/mei/mei_angry.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/mei/mei_sad.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/mei/mei_bashful.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/takumi/takumi_normal.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/takumi/takumi_happy.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/takumi/takumi_sad.htsvoice"
#OpenjtalkVoice ".config/speech-dispatcher/hts-voice/takumi/takumi_angry.htsvoice"
ログインユーザのサービスを再読み込みする。
systemctl --user reload speech-dispatcher.service
結果を確認する。以下を実行すると別の声で"つきひ"と発話されるはず。
spd-say "月火"
課題
- speech-dispatcher-openjtalkのソースを見た感じ、現時点では複数声質・音量・速さを Web Speech API から指定できない模様。
- 多言語の振り分け指定は未対応。
speechd.confの設定を極めないといけなさそう。
結語
開発維持保守関連の皆様ありがとうございます。