録音から
音声へ。

piperttsでNode.jsプロジェクトにPiperを組み込む

piperttsはPiperをNode.jsで使えるようにします。ファイル出力とメモリ内音声に対応します。推奨はPiperNativeTTSです。プロセス内で完結する100%ネイティブ推論 (ONNX + コンパイル済みespeakブリッジ) で、Python不要、ラッパーの約10倍高速です。音声 (.onnx + .onnx.json) は別ファイルのままです。

1. 01

   依存関係のインストール

   資料ではNode.js 18以上とTypeScript 5以上を指定しています。ネイティブ方式は他に不要で、通常のnpm installで足ります。従来のラッパー方式 (python3 -m piper経由のPiperTTS) はPythonとPiperモジュールが別途必要です。カタログID指定ではモデルと設定をmodels/にダウンロードできます。

   npm install pipertts
   # mode wrapper uniquement : python3 -m pip install piper-tts

2. 02

   カタログ音声での開始

   import { PiperNativeTTS, resolveModelPathFromOptions } from "pipertts";
   import * as fs from "node:fs";
   
   const modelPath = await resolveModelPathFromOptions({
     model: "en_US-lessac-medium",
     modelsDir: "./models",
   });
   const tts = await PiperNativeTTS.load({ modelPath });
   
   const { audio } = await tts.synthesize("Hello from Piper.");
   fs.writeFileSync("./hello.wav", audio);

3. 03

   ローカルモデルを使う

   手動でダウンロードした音声ではONNXファイルのパスを渡します。対応する.onnx.jsonファイルは同じ場所に置きます。設定の場所が異なる場合はconfigPathを指定します。

   import { PiperNativeTTS } from "pipertts";
   
   const tts = await PiperNativeTTS.load({
     modelPath: "./models/my-voice.onnx",
   });
   const { audio, sampleRate } = await tts.synthesize("Hello.", { speakerId: 0 });

4. 04

   APIと出力形式

   synthesize()はaudio (Buffer)、sampleRate、textを返します。outputFileはディスクにも書き込みます。選択肢: speakerId (複数音声・複数スタイル)、lengthScale (1超で遅く、1未満で速く)、noiseScale、noiseWScale、sentenceSilence、normalizeAudio、volume、outputFormat (wav、raw、mp3、ogg、opus)。mp3とopusは純JS代替あり。oggはFFmpegが必要。phonemize()とsynthesizeChunks()で文単位の低水準アクセスができます。

5. 05

   従来のラッパー (PiperTTS)

   PiperTTSはpython3 -m piperを起動し、合成ごとに1プロセスを使います。約10倍遅く、ネイティブエンジンが動かない環境向けです。PythonとPiperモジュールが必要です。

   import { PiperTTS } from "pipertts";
   
   const tts = await PiperTTS.create({
     modelPath: "./models/en_US-lessac-medium.onnx",
   });
   await tts.synthesizeToFile("Hello from the legacy wrapper.", "./hello.wav");

   npmのpiperttsページ ↗piperttsのGitHubリポジトリ ↗piperttsの資料と例 ↗