tts api

TTS-API

複数のTTSエンジンのテキストから音声測定API。

さまざまなTTSエンジンとサウンドエフェクトを使用して、オーディオに変換するテキストを送信できます。次に、ローカルオーディオデバイスでそれを聴くか、結果のオーディオファイルを受信します。

設定

まず、サポートされているTTSエンジンをインストールする必要があります。

GoogleSpeechセットアップ

apt install python3 sox libsox-fmt-mp3
pip install google_speech

GTTSセットアップ

apt install python3 sox libsox-fmt-mp3
pip install gTTS

フェスティバルのセットアップ

apt install festival festvox-ellpc11k

ESPEAKセットアップ

apt install espeak

また、 nodejsとnpmをインストールする必要があります。その後、 npm installとnpm start単純に実行する必要があります。 APIはhttp://localhost:3000で実行されるようになりました。

または、PedroetB/TTS-API Dockerイメージを使用するだけで、すでにすべての依存関係が構成されています。

Dockerを使用してセットアップします

唯一の要件は、 Dockerをインストールすることです。その後、実行できます：

docker run --rm -d --name tts-api --device /dev/snd -p 3000:3000 pedroetb/tts-api

APIは実行され、 http://localhost:3000でアクセスできます。

または、 docker compose （最新バージョンを使用している場合はDockerに既に含まれている）とdocker swarm （Swarm Clusterを最初に作成）を使用して、 Docker Swarmクラスターに展開できます。

 cd deploy

# Deploy Caddy service
env $( grep -v ' ^[#| ] ' .env | xargs ) 
 TRAEFIK_DOMAIN=change.me 
 docker stack deploy 
 -c compose.caddy.yaml 
 tts-api

# Run TTS-API container
docker compose 
 -f compose.tts-api.yaml 
 -p tts-api 
 up -d

このサービスは、 Traefikで逆プロキシになり、 tts.${TRAEFIK_DOMAIN}ドメインでアクセスできるように準備されています。 Traefikの実行方法はここでは説明されていません。公式サイトを確認してください。

Docker Swarmはデバイスの構成（サウンド機能を使用するために必要な）と互換性がなく、TraefikはDockerコンテナやDocker Swarm Servicesと一度に動作することができないため、プロキシはCaddyから少し助けが必要です。これにより、 TraefikとTTS tts-apiコンテナを使用してCaddyサービスのみが公開されます。Caddyが提供する逆プロキシを介してのみアクセスできます（ TraefikがCaddyに逆プロキシングするのと同じです）。

Dockerコンテナとサービスの両方が、Dockerオーバーレイネットワークを介して通信できるため、さまざまなホストで実行できます。スピーカーを備えたホストでtts-api Dockerコンテナを実行するので、スピーチを聞くことができます。

展開する前に、 TRAEFIK_DOMAIN環境変数を編集することを忘れないでください。

使用法

実行中、APIはhttp://localhost:3000で投稿リクエストを受け取ります。お気に入りのRESTクライアントを使用してリクエストを送信したり、組み込みフォームを使用したりできます。

両方のモード（演奏またはオーディオのダウンロード）は、さまざまな音声コードを使用して使用でき、ニーズに応じて1つを選択します。

組み込みフォーム

ブラウザでhttp://localhost:3000にアクセスし、フォームにデータを入力して送信します。ちょうどそれ。

投稿リクエストを送信します

このスキームに従って、 http://localhost:3000にpostリクエストを送信できます。

• ヘッダー
  • コンテンツタイプ： application/json
• 体
  • { "voice": "google_speech", "textToSpeech": "hello world", "language": "en", "speed": "1" }

たとえば、 curlの使用：

 # Play audio
curl http://localhost:3000 
 -d ' { "voice": "google_speech", "textToSpeech": "hello world", "language": "en", "speed": "1" } ' 
 -H ' Content-Type: application/json '

# Download audio file
curl http://localhost:3000 
 -d ' { "voice": "gtts_file", "textToSpeech": "hello world", "language": "en", "speed": "1" } ' 
 -H ' Content-Type: application/json ' 
 -o ' output.mp3 ' 

利用可能なTTSエンジン

GoogleSpeechエンジン

Google Speechは、Google翻訳TTS（テキストからスピーチ）APIを使用してテキストを読むための単純なマルチプラットフォームコマンドラインツールです。

Googleサーバーと通信するには、オンラインである必要があります。

詳細については、https：//github.com/desbma/googlespeechをご覧ください

GTTSエンジン

Google Text-to-Speech（GTTS）は、Google TranslateのテキストからスピーチAPIとインターフェイスするためのPythonライブラリおよびCLIツールです。

Googleサーバーと通信するには、オンラインである必要があります。

詳細については、https：//github.com/pndurette/gttsをご覧ください

フェスティバルエンジン

フェスティバルは、スピーチにブラックボックステキストを提供する複数のプラットフォームで実行されるフリーソフトウェアのマルチリングスピーチ合成ワークベンチと、音声合成の研究のためのオープンアーキテクチャです。

オフラインで動作します。

詳細については、http：//www.cstr.ed.ac.uk/projects/festival/およびhttp://festvox.org/festival/

ESPEAKエンジン

ESPEAKは、LinuxとWindows用の英語やその他の言語向けのコンパクトなオープンソースソフトウェアスピーチシンセサイザーです。

オフラインで動作します。

詳細については、http：//espeak.sourceforge.net/をご覧ください

ライセンス

このプロジェクトは、MITライセンスの下でリリースされます。