Text to Speech REST API(Azure)を使ってみる(Elixir)

はじめに

• Elixir楽しんでいますか
• 長い間お世話になりましたdocomo Developer supportさんが3/31をもってサービス終了とのことです
• 私は音声合成【Powered by NTTテクノクロス】をNervesアプリで利用させていただいておりました
  • ありがとうございました
  • @takasehideki先生と、Interface 2021年1月号にてこのAPIの使い方を記載させていただきました
• 残念ながら終了とのことで他のものにのせ替えを検討していました
• 「Raspberry PIを喋らせよう　クラウドいろいろ」を拝見して、AzureのText to Speechサービスを使うことにしました
• なにせ私は「日本マイクロソフト賞④」受賞者ですから
• もう一回いいます
• $\huge{日本マイクロソフト賞④}$
• 受賞していますから
  • ありがとうございます！
• 本記事は2021/3/15(金)開催のautoracex #16という純粋なもくもく会での成果です

2021/03/20 追記

• ElixirでText to Speech REST API(Azure, ニューラル音声)を使ってみる の記事の内容のほうがソースコードが洗練されていますし、フレンドリーなボイスを聞くことができます

ドキュメント

• Text to Speech REST API

依存関係

mix.exs

  defp deps do
    [
      # {:dep_from_hexpm, "~> 0.3.0"},
      # {:dep_from_git, git: "https://github.com/elixir-lang/my_dep.git", tag: "0.1.0"}
      {:httpoison, "~> 1.8"},
      {:jason, "~> 1.2"}
    ]
  end

$ mix deps.get

ソースコード

lib/azure/text_to_speech.ex

defmodule Azure.TextToSpeech do
  @subscription_key "ひみつ"

  def run!(text) do
    access_token()
    |> voice(text)
  end

  def access_token do
    headers = [
      "Ocp-Apim-Subscription-Key": @subscription_key,
      "Content-type": "application/x-www-form-urlencoded"
    ]

    "https://japaneast.api.cognitive.microsoft.com/sts/v1.0/issuetoken"
    |> HTTPoison.post!("", headers)
    |> Map.get(:body)
  end

  def voices_list(token) do
    "https://japaneast.tts.speech.microsoft.com/cognitiveservices/voices/list"
    |> HTTPoison.get!(authorization_header(token))
    |> Map.get(:body)
    |> Jason.decode!()
  end

  def voice(token, text) do
    headers =
      authorization_header(token)
      |> Keyword.merge(
        "Content-Type": "application/ssml+xml",
        "X-Microsoft-OutputFormat": "riff-24khz-16bit-mono-pcm",
        "User-Agent": "awesome"
      )

    locale = "ja-JP"
    gender = "Female"

    %{"Name" => name} =
      voices_list(token)
      |> Enum.filter(fn %{"Locale" => l} -> l == locale end)
      |> Enum.filter(fn %{"Gender" => g} -> g == gender end)
      |> Enum.random()

    body = """
    <speak version='1.0' xml:lang='#{locale}'>
      <voice xml:lang='#{locale}' xml:gender='#{gender}' name='#{name}'>
        <prosody volume="100.0">
          #{text}
        </prosody>
      </voice>
    </speak>
    """

    "https://japaneast.tts.speech.microsoft.com/cognitiveservices/v1"
    |> HTTPoison.post!(body, headers)
    |> Map.get(:body)
  end

  defp authorization_header(token) do
    [Authorization: "Bearer #{token}"]
  end
end

• User-Agentは必須って書いてあるけど、サンプルにはないし、実際なくても動いたしどうなんだろう？
• という件はIssueを書いてみました
• どうなるでしょう

サブスクリプションキーの取得方法

• Azureにサインアップしましょう
• Text to Speechのページにて「Azure のご利用者なら、このサービスを今すぐ無料でお試しください」のリンクから飛ぶのがわかりやすいです
  • 逆にコンソールから順にたどっていくやりかたではMarketplace? だかなんだかでてきて私にはよくわからなかったです

• 飛んだ先のフォームでは、価格レベルは、Free F0を選びました
• Cognitive Services の価格—Speech Servicesにあるように、standardの使い方なら、1 か月あたり 5 million 文字まで無料とのことらしいです
• (5 million 文字とか言われてもピンときていません)
• 毎朝ちょっとした天気予報をしゃべらせるくらいならきっと範囲内でしょう

Run

$ iex -S mix

iex> Azure.TextToSpeech.run!("こんにちは Azure awesome") |> (&(File.write("output.wav", &1))).()

• output.wavというファイルに書き出しています
• (&(File.write("output.wav", &1))).()はカッコばかり書いて
• $\huge{カッコつけているだけです}$

macOSなら

$ afplay output.wav

Wrapping Up

• Enjoy Elixir

最後の最後に

Elixirってなによという方へ

• 2020/12/26時点くらいのスクリーンショット
• Elixirについてもっと知りたい方は下記の本をオススメします
  • プログラミングElixir（第2版）
  • Elixir実践ガイド
• elixir.jp Slackの#autoracexというところに私は入り浸っておりますのでお気軽にお声がけください
• 勉強会が頻繁に行われています
  • 私がよく参加している勉強会です
  • autoracex 【毎週月曜】 主催
  • Sapporo.beam　　【毎週水曜】
  • OkazaKirin.beam　【毎週木曜】
  • fukuoka.ex／kokura.ex　【毎月2～3回】
  • NervesJP 　【毎月1回】

(@piacerex さん作 )