ずんだもんの声でESP32-S3が日本語を話すライブラリ「MakoTalk」

かなで書いた文を、ネットにつながずにESP32-S3の上で音声にして話すArduino用ライブラリが、「MakoTalk」としてGitHubで公開された。標準の声は音声合成ソフト「VOICEVOX」の「ずんだもん」だ。作ったのはまこと氏で、11月10日に公開し、15日に最新バージョンの2.1.2をリリースした。

利用者はスケッチでライブラリと音声辞書を読み込み、スピーカー用アンプにつなぐI2Sのピン番号を指定して、mspeak(“あいうえお”)のように文を渡す。付属の例を書き込むと、起動時に1回話す。PCから音声ファイルを送る必要はない。

MakoTalkは録音した文章を再生しているわけではない。辞書には、ずんだもんの声から切り出した123個の短い音の断片が入っている。ライブラリは文に合わせて断片を選び、声の高さと長さを調整しながら、その場で音声を組み立てる。語尾や感嘆、アクセントは、文に添える記号と規則で付ける。同氏はニューラルネットワークを使う音声合成ではないと明記している。

入力できるのは、ひらがな、カタカナ、句読点、長音と、アクセントや疑問を示す記号だ。MakoTalkは漢字や数字の読みを推定しないため、「32」は「さんじゅうに」と書く。辞書にない音や長すぎる文を渡すと、ライブラリは黙って読み飛ばしたり途中だけ発話したりせず、エラーを返す。

音声辞書には声の出典や利用条件も一緒に書き込んである。ライブラリは初回の起動時にクレジットを音声で告知し、辞書が壊れていないかも確かめる。同氏は差し替えや再配布の際に出典が抜け落ちにくくする狙いを説明している。

同氏が動作を確かめた構成は、Flash16MB、PSRAM8MBのESP32-S3だ。最小の例でも約1.56MBになり、4MBのボードの標準の設定(プログラム用の領域が約1.2MB)には収まらない。

利用条件は独自の「MakoTalk Community License 1.0」で、個人の学習や趣味の電子工作、学校の授業では無償で使える。営利企業は、社内の評価や試作も含めて事前の相談と書面での許諾が要る。同氏はOSIの定義によるオープンソースとは表示しないとしている。利用者は配布物や動画に「MakoTalk/原著作者:まこと」と配布元のURLを記載する必要がある。

関連情報

fabsceneの更新情報はXで配信中です

この記事の感想・意見をSNSで共有しよう
  • URLをコピーしました!

最新記事

YouTube / PodCast

【PR】読んで役立つ注目記事

目次