使用方式 - VOICEVOX Core for PHP

基本語音合成

以下的 talk.php 是從文字合成語音並輸出成 WAV 檔案的範例。

PHP FFI 在 Web 伺服器環境（如 FPM）中通常會被停用。請以 php talk.php 從 CLI 執行這支腳本。

<?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;

// 請依 voicevox_core 的安裝位置修改路徑
$voicevoxCoreDir = getenv('HOME') . '/.local/voicevox_core';
// 建議的 ONNX Runtime 版本為 1.23.2。若與已安裝的版本不符，請直接指定檔名
$onnxruntimeFilename = $voicevoxCoreDir . '/onnxruntime/lib/' . Onnxruntime::libRecommendedVersionedFilename();
$dictDir = $voicevoxCoreDir . '/dict/open_jtalk_dic_utf_8-1.11';
$vvmPath  = $voicevoxCoreDir . '/models/vvms/0.vvm';

// 要合成的文字與樣式 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';

// 初始化
$onnxruntime = Onnxruntime::loadOnce($onnxruntimeFilename);
$openJtalk   = new OpenJtalk($dictDir);
$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Auto);

// 載入聲音模型
$model = VoiceModelFile::open($vvmPath);
$synthesizer->loadVoiceModel($model);

// 語音合成
$audioQuery = $synthesizer->createAudioQuery($text, $styleId);
$wav        = $synthesizer->synthesis($audioQuery, $styleId);

file_put_contents($outPath, $wav);
echo 'Wrote ' . $outPath . PHP_EOL;

執行：

php talk.php

一步完成語音合成（`tts` 方法）

若想省略 createAudioQuery + synthesis 兩個步驟，可使用 tts() 方法：

$wav = $synthesizer->tts($text, $styleId);
file_put_contents('./output.wav', $wav);

以片假名記法合成語音

也可以從 AquesTalk 風格的片假名記法進行合成：

// 使用 ttsFromKana
$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);

使用使用者字典

若要註冊自訂單字的讀音，可使用 UserDict：

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,
);

// 儲存字典
$userDict->save('./mydict.json');

// 將字典套用至 OpenJTalk
$openJtalk->useUserDict($userDict);

調整 AudioQuery

在合成之前調整由 createAudioQuery 取得的 JSON，可精細控制抑揚頓挫與節奏等：

$audioQueryJson = $synthesizer->createAudioQuery($text, $styleId);

// 解碼 JSON 並調整
$audioQuery = json_decode($audioQueryJson, true);
$audioQuery['speedScale'] = 1.2;   // 速度為 1.2 倍
$audioQuery['pitchScale'] = 0.05;  // 音高稍微提高

$wav = $synthesizer->synthesis(json_encode($audioQuery), $styleId);
file_put_contents('./output.wav', $wav);

取得重音短語

可以取得並確認、編輯文字的重音短語資訊：

$accentPhrasesJson = $synthesizer->createAccentPhrases($text, $styleId);
$accentPhrases = json_decode($accentPhrasesJson, true);

// 以其他樣式覆寫音節音高與音素長度
$updatedJson = $synthesizer->replaceMoraData($accentPhrasesJson, $styleId);

使用 GPU 模式

在有 GPU 可用的環境中，指定 AccelerationMode::Gpu 可加速：

use Revolution\Voicevox\Core\Enums\AccelerationMode;

$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Gpu);

// 檢查是否為 GPU 模式
if ($synthesizer->isGpuMode()) {
    echo '正在以 GPU 模式執行' . PHP_EOL;
}

使用多個聲音模型

透過載入多個 .vvm 檔案並切換樣式 ID，可以使用多個角色聲音：

$model0 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/0.vvm');
$model1 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/1.vvm');

$synthesizer->loadVoiceModel($model0);
$synthesizer->loadVoiceModel($model1);

// 檢查模型中包含的話者資訊
$metas = json_decode($synthesizer->metas(), true);

// 卸載模型（不再需要時）
$synthesizer->unloadVoiceModel($model0->id());

相同 ID 的模型已載入時的行為，可透過 loadVoiceModel() 第 2 個引數的 OnExistingVoiceModelId 指定。預設的 Error 會擲出例外，Reload 會重新載入，Skip 則不做任何處理：

use Revolution\Voicevox\Core\Enums\OnExistingVoiceModelId;

$synthesizer->loadVoiceModel($model0, OnExistingVoiceModelId::Skip);

逐影格產生 PCM

將以 createAudioFeature() 建立的 AudioFeature 依影格範圍 slice() 後再 render()，即使是長篇文章也能逐步轉成語音資料。以下是每次輸出約 0.3 秒 PCM 的範例：

use Revolution\Voicevox\Core\VoicevoxCore;

$audioQuery   = $synthesizer->createAudioQuery($text, $styleId);
$audioFeature = $synthesizer->createAudioFeature($audioQuery, $styleId);

$frameRate        = (new VoicevoxCore)->getFrameRate();
$chunkFrameLength = max(1, (int) round(0.3 * $frameRate));
$totalFrames      = $audioFeature->length();

$stream = fopen('./talk.pcm', 'wb');

for ($start = 0; $start < $totalFrames; $start += $chunkFrameLength) {
    $end = min($start + $chunkFrameLength, $totalFrames);
    fwrite($stream, $audioFeature->slice($start, $end)->render());
}

fclose($stream);

render() 的輸出並非 WAV，而是 16-bit PCM 原始資料。此方法需要 VVM v2 模型。C API 雖提供建立 AudioFeature 與範圍 render 的功能，但沒有高階的 streaming_synthesis API。

GitHub Copilot

SDK

AI SDK

VOICEVOX

入門套件

Feed 與 RSS

中介層

使用方式 - VOICEVOX Core for PHP

基本語音合成

一步完成語音合成（`tts` 方法）

以片假名記法合成語音

使用使用者字典

調整 AudioQuery

取得重音短語

使用 GPU 模式

使用多個聲音模型

逐影格產生 PCM

​基本語音合成

​一步完成語音合成（tts 方法）

​以片假名記法合成語音

​使用使用者字典

​調整 AudioQuery

​取得重音短語

​使用 GPU 模式

​使用多個聲音模型

​逐影格產生 PCM

基本語音合成

一步完成語音合成（`tts` 方法）

以片假名記法合成語音

使用使用者字典

調整 AudioQuery

取得重音短語

使用 GPU 模式

使用多個聲音模型

逐影格產生 PCM