基本的な音声合成
以下のtalk.php は、テキストから音声を合成して WAV ファイルに書き出すサンプルです。
PHP FFI は Web サーバー環境（FPM など）では通常無効です。このスクリプトは
php talk.php のように CLI から実行してください。<?php
require __DIR__ . '/vendor/autoload.php';
use Revolution\Voicevox\Core\Enums\AccelerationMode;
use Revolution\Voicevox\Core\Onnxruntime;
use Revolution\Voicevox\Core\OpenJtalk;
use Revolution\Voicevox\Core\Synthesizer;
use Revolution\Voicevox\Core\VoiceModelFile;
// voicevox_core のインストール先に合わせてパスを変更してください
$voicevoxCoreDir = getenv('HOME') . '/.local/voicevox_core';
$onnxruntimeFilename = $voicevoxCoreDir . '/onnxruntime/lib/' . Onnxruntime::libVersionedFilename();
$dictDir = $voicevoxCoreDir . '/dict/open_jtalk_dic_utf_8-1.11';
$vvmPath = $voicevoxCoreDir . '/models/vvms/0.vvm';
// 合成するテキストとスタイル ID
$text = 'この音声は、ボイスボックスを使用して、出力されています。';
$styleId = 0;
$outPath = './output.wav';
// 初期化
$onnxruntime = Onnxruntime::loadOnce($onnxruntimeFilename);
$openJtalk = new OpenJtalk($dictDir);
$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Auto);
// 音声モデルを読み込む
$model = VoiceModelFile::open($vvmPath);
$synthesizer->loadVoiceModel($model);
// 音声合成
$audioQuery = $synthesizer->createAudioQuery($text, $styleId);
$wav = $synthesizer->synthesis($audioQuery, $styleId);
file_put_contents($outPath, $wav);
echo 'Wrote ' . $outPath . PHP_EOL;
php talk.php
1 ステップで音声合成（tts メソッド）
createAudioQuery + synthesis の 2 ステップを省略したい場合は tts() メソッドが使えます：
$wav = $synthesizer->tts($text, $styleId);
file_put_contents('./output.wav', $wav);
カタカナ記法で音声合成
AquesTalk風のカタカナ記法からも合成できます：// ttsFromKana を使う場合
$wav = $synthesizer->ttsFromKana("コノオンセイワ'、ボイスボックスオ'/シヨーシテ'、シュツリョクサレテイマ'ス。", $styleId);
file_put_contents('./output.wav', $wav);
ユーザー辞書を使う
カスタム単語の読みを登録するにはUserDict を使います：
use Revolution\Voicevox\Core\UserDict;
use Revolution\Voicevox\Core\Enums\UserDictWordType;
$userDict = new UserDict();
$uuid = $userDict->addWord(
surface: 'ボイボ',
pronunciation: 'ボイボ',
accentType: 0,
wordType: UserDictWordType::ProperNoun,
priority: 10,
);
// 辞書を保存
$userDict->save('./mydict.json');
// OpenJTalk に辞書を適用
$openJtalk->useUserDict($userDict);
AudioQuery の調整
createAudioQuery で取得した JSON を調整してから合成することで、抑揚やテンポなどを細かく制御できます：
$audioQueryJson = $synthesizer->createAudioQuery($text, $styleId);
// JSON をデコードして調整
$audioQuery = json_decode($audioQueryJson, true);
$audioQuery['speedScale'] = 1.2; // 速度を 1.2 倍に
$audioQuery['pitchScale'] = 0.05; // ピッチを少し上げる
$wav = $synthesizer->synthesis(json_encode($audioQuery), $styleId);
file_put_contents('./output.wav', $wav);
アクセント句の取得
テキストのアクセント句情報を取得して確認・編集できます：$accentPhrasesJson = $synthesizer->createAccentPhrases($text, $styleId);
$accentPhrases = json_decode($accentPhrasesJson, true);
// モーラのピッチと音素長を別のスタイルで上書き
$updatedJson = $synthesizer->replaceMoraData($accentPhrasesJson, $styleId);
GPU モードの使用
GPU が利用可能な環境ではAccelerationMode::Gpu を指定すると高速化できます：
use Revolution\Voicevox\Core\Enums\AccelerationMode;
$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Gpu);
// GPU モードかどうかを確認
if ($synthesizer->isGpuMode()) {
echo 'GPU モードで動作中' . PHP_EOL;
}
複数の音声モデルを使う
複数の.vvm ファイルを読み込んで、スタイル ID を切り替えることで複数のキャラクターボイスを使い分けられます：
$model0 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/0.vvm');
$model1 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/1.vvm');
$synthesizer->loadVoiceModel($model0);
$synthesizer->loadVoiceModel($model1);
// モデルに含まれるスピーカーの情報を確認
$metas = json_decode($synthesizer->metas(), true);
// モデルをアンロード（不要になった場合）
$synthesizer->unloadVoiceModel($model0->id());