APIキーを入手する

Voice Text Web APIのページの無料利用登録をクリックし、メールアドレスなどを入力して、APIキーを入手します。

動かしてみる

コマンドライン上で動かします。Ubuntuの場合、最初にcurlがインストールされていないので、インストイールします。

sudo apt-get -y install curl

curlがインストールできると、実際に動かしてみます。
任意のディレクトリに移動し、curlコマンドで通信します。音声合成エンジンとして、ヒカリを選択しました。

curl "https://api.voicetext.jp/v1/tts" -o "test.wav" -u "上記で入手したAPIキー:" -d "text=ホヤ、ボイステキストの実験です。" -d "speaker=hikari"

実行すると、wavファイルがダウンロードされたことがわかります。

Webアプリの作成

便利に音声合成を行うために、Webアプリを作ります。Pythonを使用して、サーバーと通信を行います。ブラウザ上で操作しやすいように、Flaskを使用して、Webアプリ化します。

Python3用のpipをインストール

Ubuntuでは、Python3-pipがインストールされていないので、インストールします。

sudo apt-get -y install python3-pip

Flaskのインストール

pip3 install flask

HTMLの作成

表面となるHTMLを作成します。最初に表示去れるindex.htmlと音声合成の結果を表示するresult.htmlを作成します。

index.html

<body>
	<h1>Voice Text音声合成</h1>
	<div id="index-form">
		<form action="/" method="POST">
			<div>
				<span>APIキー：</span>
				<span><input type="text" name="apiKey" class="input-box"></span>
			</div>
			<div>
				<span>テキスト：</span>
				<span><input type="text" name="setText" class="input-box" id="text"></span>
			</div>
			<div>
				<span>音声エンジン：</span>
				<select name="setVoice" id="voice">
					<option value="null" disabled selected>選択して下さい</option>
					<option value="show">ショウ</option>
					<option value="haruka">ハルカ</option>
					<option value="hikari">ヒカリ</option>
					<option value="takeru">タケル</option>
					<option value="santa">サンタ</option>
					<option value="bear">クマ</option>
				</select>
			</div>
			<div>
				<span>感情　※ショウ以外に設定できます：</span>
				<select name="setEmotion" id="emotion">
					<option value="null" disabled selected>選択して下さい</option>
					<option value="happiness">喜</option>
					<option value="anger">怒</option>
					<option value="sadness">悲</option>
				</select>
			</div>
			<div>
				<span>感情レベル：</span>
				<span>
					<input type="range" name="setEmotionLevel" value="2" min="1" max="4" step="1" oninput="document.getElementById('feedbackEmotionLevel').value=this.value">
					<output id="feedbackEmotionLevel">2</output>
				</span>
			</div>
			<div>
				<span>ピッチ：</span>
				<span>
					<input type="range" name="setPitch" value="100" min="50" max="200" step="1" oninput="document.getElementById('feedbackPitch').value=this.value">
					<output id="feedbackPitch">100</output>
				</span>
			</div>
			<div>
				<span>スピード：</span>
				<span>
					<input type="range" name="setSpeed" value="100" min="50" max="400" step="1" oninput="document.getElementById('feedbackSpeed').value=this.value">
					<output id="feedbackSpeed">100</output>
				</span>
			</div>
			<div>
				<span>ボリューム：</span>
				<span>
					<input type="range" name="setVolume" value="100" min="50" max="200" step="1" oninput="document.getElementById('feedbackVolume').value=this.value">
					<output id="feedbackVolume">100</output>
				</span>
			</div>
			<div id="sendBtn">
				<input type="submit" value="送信" id="send">
			</div>
		</form>
	</div>
</body>

result.html

<body>
	<h1>Voice Text音声合成</h1>
	<div id="result">
		<audio src="../static/result/result.wav" controls></audio>
    </div>
    <p id="back"><a href="./">戻る</a></p>
</body>

バックグラウンド側の作成

index.py


from flask import Flask, render_template, request
import sys
import SpeechSynthesis

app = Flask(__name__)

@app.route("/")
def index():
	return render_template("index.html")

@app.route('/', methods=['POST'])
def post():
	key = request.form['apiKey']
	text = request.form['setText']
	voice = request.form['setVoice']
	emotion = request.form['setEmotion']
	emotion_level = request.form['setEmotionLevel']
	pitch = request.form['setPitch']
	speed = request.form['setSpeed']
	volume = request.form['setVolume']
	speechSynthesis = SpeechSynthesis.SpeechSynthesis(key, text, voice, emotion, emotion_level, pitch, speed, volume)
	speechSynthesis.getVoice()
	return render_template('result.html')

if __name__ == "__main__":
	app.run(host="0.0.0.0", debug=True)

SpeechSynthesis.py


import sys
import requests

class SpeechSynthesis():

	def __init__(self, key, text, voice, emotion, emotion_level, pitch, speed, volume):
		self.key = key
		self.text = text
		self.voice = voice
		self.emotion = emotion
		self.emotion_level = emotion_level
		self.pitch = pitch
		self.speed = speed
		self.volume = volume

	def getVoice(self):
		adress = 'https://api.voicetext.jp/v1/tts'
		Parameters = {
			'text': self.text,
			'speaker': self.voice,
			'emotion': self.emotion,
			'emotion_level': self.emotion_level,
			'pitch': self.pitch,
			'speed': self.speed,
			'volume': self.volume
		}
		send = requests.post(adress, params = Parameters, auth = (self.key,''))
		result = open("static/result/result.wav", 'wb')
		result.write(send.content)
		result.close()

実行

上記で作成したindex.pyを実行します。

python3 index.py

ブラウザに127.0.0.1:5000を入力します。APIキー、喋らせたいテキスト、音声合成エンジンを選択し、送信をクリックすると、音声が帰ってきます。

プログラム

GitHubからプログラムをダウンロードできます。

おわりに

Voice Textのパラメータには、感情やピッチ、スピードが選択できるので、調整次第では、自然な喋り方にできるのではないかと思います。喋らせられる文字数が200字以内と制約がありますが、無料で利用できるので、十分だと思います。