revolution/voicevox-core を使い、チャットで受け取った日本語テキストを音声ファイルに変換する手順です。
VOICEVOX Core は日本語の音声合成に対応しています。このページは VOICEVOX が対応する日本語向けの手順として、日本語版のみを提供します。
検証環境
この手順は次の組み合わせで検証しています。FFI 用 PHP を用意する
Muse の標準 PHP はstatic-php-cli 製のため、ext-ffi が含まれていないことがあります。標準 PHP を置き換えず、FFI 専用の PHP 8.3 をホームディレクトリに展開します。
~/workspace/tools/bin/php83-ffi として保存します。
class_exists("FFI") が true になれば準備完了です。
VOICEVOX Core のファイルを配置する
公式ダウンローダーが Muse のプロキシを通過できない場合があるため、ダウンローダーが取得する部品を個別に取得し、同じディレクトリ構成に配置します。C API と ONNX Runtime
OpenJTalk 辞書と音声モデル
tar には --no-same-owner を指定します。Muse では所有者の変更が許可されていないためです。
このページの例では 0.vvm に含まれる、ずんだもんのスタイル ID 3(ノーマル)を使います。VVM のファイル番号と話者は 1 対 1 ではないため、使用するスタイル ID は VVM のメタデータで確認してください。
パッケージをインストールする
Composer も FFI 用 PHP で実行します。日本語テキストを音声合成する
zundamon.php を作成します。Muse との会話から実行する場合に扱いやすいよう、入力テキストを第 1 引数、出力ファイルを第 2 引数で受け取ります。引数を省略した場合はサンプルのテキストと zundamon.wav を使います。
render() を使ったフレーム単位の PCM 生成など、その他の API は 使い方 と API リファレンス を参照してください。
検証結果と注意点
共有 CPU の Muse VM では、上記の例から約 7.67 秒の WAV(24 kHz / 16 bit / モノラル)を生成できました。処理時間は約 9 秒でした。- Muse の VM は再作成されることがあるため、PHP やライブラリは
~/workspace/など永続化される場所に置きます。 - このパッケージは CLI 専用です。Web サーバーからの実行は
ext-ffiの設定と PHP バイナリの構成を別途検討してください。 - 生成した音声には VOICEVOX および各音声ライブラリの利用規約が適用されます。ずんだもんを使う場合は
VOICEVOX:ずんだもんのクレジット表記が必要です。