Open JTalkを簡単に使用できるDockerfileを構築したので、内容を説明します。
使い方
発声させる文字列を標準入力から受け取り、生成した音声wavデータを標準出力に出力します。Docker Hubで公開しているため、以下のように実行できます。
echo こんにちは | docker run -i --rm u6kapps/open_jtalk > hello.wav
詳細な使い方については、open_jtalk-docker/docker/open_jtalkをご覧ください。
構築スクリプトの説明
使い方、ライセンスなど使用者のための情報は、open_jtalk-docker/docker/open_jtalkで説明しています。この記事では、面倒くさいOpen JTalkの構築を自動化したスクリプトの内容について説明します。
Dockerfile
Dockerfileの内容について説明します。
FROM ubuntu:latest
MAINTAINER u6k <u6k.apps@gmail.com>
Ubuntuイメージをベースに使用します。最近だとAlpine Linuxをベースとすることでファイル・サイズを小さくすることがあるみたいですが、とりあえずUbuntu。また、u6k.apps@gmail.comを作成者として記述しています。
RUN apt-get update && \
apt-get install -y wget git build-essential
Open JTalkのビルドに必要となるソフトウェアをインストールします。
-
wget…ファイルをダウンロードするため。いずれ、curlに書き換えた方が良いと思っています。 -
git…ソースコードをダウンロードするため。 -
build-essential…コンパイル作業に関連するソフトウェア。
WORKDIR /usr/local/src/
ソフトウェアのダウンロードやコンパイルなどを/usr/local/src/で行うため、作業ディレクトリを移動します。
RUN wget http://downloads.sourceforge.net/hts-engine/hts_engine_API-1.10.tar.gz && \
tar zxvf hts_engine_API-1.10.tar.gz && \
cd hts_engine_API-1.10/ && \
./configure && \
make && \
make install
hts_engine_APIをダウンロードして、セットアップします。普通にconfigure、make、make installしているだけです。
COPY manobi.patch manobi.patch
Open JTalkをそのままビルドすると、場合によって音声が間延びしてしまうという問題があるため、パッチを当てる必要があります。そのパッチ・ファイルを取り込みます。
RUN wget http://downloads.sourceforge.net/open-jtalk/open_jtalk-1.09.tar.gz && \
tar zxvf open_jtalk-1.09.tar.gz && \
cd open_jtalk-1.09/ && \
patch -p0 < /usr/local/src/manobi.patch && \
./configure --with-hts-engine-header-path=/usr/local/include --with-hts-engine-library-path=/usr/local/lib --with-charset=UTF-8 && \
make && \
make install
Open JTalkをダウンロードして、セットアップします。セットアップ前にpatchでパッチを当てます。
RUN wget http://downloads.sourceforge.net/open-jtalk/hts_voice_nitech_jp_atr503_m001-1.05.tar.gz && \
tar zxvf hts_voice_nitech_jp_atr503_m001-1.05.tar.gz && \
cp -r hts_voice_nitech_jp_atr503_m001-1.05 /usr/local/lib/hts_voice_nitech_jp_atr503_m001-1.05
Open JTalkによる音声合成で使用する音響モデルをダウンロードして、展開します。ディレクトリ名をそのままにしていますが、分かりやすくした方が良かったかも。
RUN wget http://downloads.sourceforge.net/open-jtalk/open_jtalk_dic_utf_8-1.09.tar.gz && \
tar zxvf open_jtalk_dic_utf_8-1.09.tar.gz && \
cp -r open_jtalk_dic_utf_8-1.09 /usr/local/lib/open_jtalk_dic_utf_8-1.09
Open JTalkによる音声合成で使用する辞書をダウンロードして、展開します。ディレクトリ名をそのままにしていますが、分かりやすくした方が良かったかも。
COPY ./entrypoint.sh /usr/local/bin/entrypoint.sh
RUN chmod a+x /usr/local/bin/entrypoint.sh
ENTRYPOINT ["/usr/local/bin/entrypoint.sh"]
スクリプトを取り込み、実行権限を付与して、Docker起動時に実行するように指定します。少し躓いた点として、WindowsのDocker Machineではchmodを実行しなくてもスクリプトが実行できましたが、Docker HubやLinuxホストでDockerビルドした場合はPermission deniedになってしまいました。
entrypoint.sh
entrypoint.shについて説明します。
#!/bin/sh
お約束。
if [ -z "$OPEN_JTALK_VOICE_FILE" ]; then
OPEN_JTALK_VOICE_FILE=/usr/local/lib/hts_voice_nitech_jp_atr503_m001-1.05/nitech_jp_atr503_m001.htsvoice
fi
if [ -z "$OPEN_JTALK_DIC_DIR" ]; then
OPEN_JTALK_DIC_DIR=/usr/local/lib/open_jtalk_dic_utf_8-1.09
fi
if [ -z "$OPEN_JTALK_OPTIONS" ]; then
OPEN_JTALK_OPTIONS="-s 48000 -p 240"
fi
環境変数の有無を調べ、無い場合はデフォルト値を設定します。これらの環境変数は、Open JTalkの起動に使用します。
OUTPUT_FILE=`mktemp`
Open JTalkの音声ファイルの出力先をmktempで作成します。
echo open_jtalk -m $OPEN_JTALK_VOICE_FILE -x $OPEN_JTALK_DIC_DIR -ow $OUTPUT_FILE $OPEN_JTALK_OPTIONS >&2
open_jtalk -m $OPEN_JTALK_VOICE_FILE -x $OPEN_JTALK_DIC_DIR -ow $OUTPUT_FILE $OPEN_JTALK_OPTIONS
open_jtalkを実行して、音声ファイルを生成します。入力ファイルを指定していないため、標準入力からテキストを取得します。この場合は、dockerに対する標準入力からテキストを取得します。
cat $OUTPUT_FILE
open_jtalkが出力した音声ファイルを標準出力に出力しています。結果、dockerの実行結果として標準出力に音声ファイルの内容が出力されます。
おわりに
とりあえず、簡単にOpen JTalkを使用できるDockerイメージを構築しました。他に、MMDAgentの音響ファイルを入れたり、WebAPIとしてOpen JTalkを使用したかったり、やりたいことはいくつかあるので作業を続行します。
リンク
- GitHub
- Docker Hub
- Redmine