Irodori TTSを試してみていい感じなので、サーバーでサウンド生成させて、サービス的に利用したいです。良い方法はありますか？
サーバーサイドで利用する場合には、Irodori OpenAI TTS Server を導入すると良いです。
この記事では、Irodori OpenAI TTS Server のインストール手順を紹介します。
Pythonをインストールします。手順はこちらの記事を参照してください。
Gitをインストールします。手順はこちらの記事を参照してください。
次のコマンドを実行します。
cd (Irodori OpenAI TTS Server の配置ディレクトリ)
git clone https://github.com/Aratako/Irodori-TTS-Server.git
cd Irodori-TTS-Server
uv sync --extra cu128
設定ファイルをリネームしてコピーします。
copy .env.example .env
インストールは以上で完了です。
次のコマンドを実行します。
uv run python -m irodori_openai_tts --host 0.0.0.0 --port 8088
Webブラウザで以下のURLにアクセスします。
http://127.0.0.1:8088/health
サーバーが起動できている場合、以下のメッセージが表示されます。
{
"status": "ok",
"model": {
"id": "irodori-tts",
"hf_checkpoint": "Aratako/Irodori-TTS-500M-v3",
"model_device": "auto",
"codec_device": "auto",
"model_precision": "fp32",
"codec_precision": "fp32",
"compile_model": false,
"compile_dynamic": false
},
"runtime": {
"preload": false,
"loaded": false,
"loading": false,
"checkpoint": null,
"load_timeout": 300.0,
"max_concurrent_synthesis": 1,
"synthesis_wait_timeout": 300.0
},
"voices": {
"dir": "voices",
"dir_exists": true,
"files": 0
},
"defaults": {
"response_format": "wav",
"chunking_enabled": true,
"chunk_min_chars": 80,
"first_sentence_chunk_min_chars": null
}
}
参照元のボイスを配置します。
以下のディレクトリ内に参照元のサウンドファイルを配置します。
(Irodori-TTS-Server の配置ディレクトリ)\voices
今回は、voive-01.wav ファイルを配置しました。
以下のPythonプログラムでサウンドファイルが取得できるかテストします。
from openai import OpenAI
client = OpenAI(
base_url="http://192.168.64.202:8088/v1",
api_key="not-used",
)
with client.audio.speech.with_streaming_response.create(
model="irodori-tts",
voice="voice-01",
input="こんにちは。これは音声合成のAPIテストです。",
response_format="wav",
) as response:
response.stream_to_file("speech.wav")
