PROCESSINGで音声合成を行うには（Windows編）

◆PROCESSING　逆引きリファレンス

　カテゴリー：ゲーム作成

【解説】

最近のスマホはよく出来ていて、人間の話し言葉を理解して、音声で受け答えしてくれます。

このような機能としてはAppleのSiriが有名ですね。

他にもGoogleのGoogleアシスタント、MicrosoftのZoやりんななど、最近のAIブームを反映して様々なものが出てきています。

人工知能はともかく、まずはPROCESSINGに喋ってもらう方法（音声合成）について、以下の条件を元に探してみました。

無償で利用できる事（これ、最重要：笑）
日本語の読み上げ・発音に対応している事（これも必須）
読み上げ可能な文字数に、できるだけ制限がない事（こうだと嬉しい）
PROCESSING（Java）から利用可能な事
Windowsから（可能であればMACやLinuxでも）利用可能な事
ライブラリ経由（JarファイルやDLLなど）で手軽に利用できる事

ところが上記条件を満たす仕組みは、（Androidはともかく）ほとんど見当たりませんでした（都合が良すぎたかも……汗）。

幾つかの条件を満たさなくても良いのであれば、以下の仕組みが利用できるようです。

Open JTalk を使う（コマンド形式）
FreeTTS を使う（日本語未サポート）
Speech Recognition を使う（オンラインでの利用が前提）

それぞれ下記のサイト様などで紹介されています。

●Open JTalk
・人工知能に関する断創録様
・ takayanの雑記帳様

●FreeTTS
・マイナビニュース「Java API、使ってますか?」記事様
・ヅラッシュ！ by NI-Lab. 様

Javaにこだわらなくても良いなら

Microsoft Speech Platform や Windows Speech Application Programming Interfaceを使う（C#、VB.NET、VC++用）
ブラウザで Web Speech API を使う（JavaScript用）

などがあります。

無償だけど読み上げる字数に制限があっても構わない、あるいは有償でも良いなら、選択肢はもっと広がります。興味がある方は「音声合成」などのキーワードで検索してみると良いでしょう。

●Web Speech API の使い方については
・ YoheiM.NET 様
・ Qiita 様：kyotaさんの記事
などの記事が参考となります。

今回はブラウザからではなくアプリケーションから利用したかったので、Windowsに標準搭載されている（MACとLinuxユーザーの皆様、すいません：汗）Speech Application Programming Interface（ Windows SAPI ) を使って文章を読み上げてみる事にしました。

以下が動作条件となります。

Windows8 以降のOS上から利用する事
利用環境にJRE1.8以降がインストールされている事
利用環境に.NET FrameWork 4.0 以降がインストールされている事
利用環境にMicrosoft Visual C++ 2015ランタイムがインストールされている事

上記でよろしければ、下記に公開したライブラリを利用する事で、あなたのPROCESSING（Java）から「Microsoftハルカ」ちゃんに喋ってもらう事ができるようになります！（笑）。

OSはWindows8 以降を利用してください。
PROCESSINGからのみ利用するのであれば、JREのインストールは不要です。

Microsoft Visual C++ 2015 Redistributable のランタイムがインストールされていない場合は、下記のMicrosoft公式サイトからダウンロードし、インストールしてください。

Visual Studio 2015 の Visual C++ 再頒布可能パッケージ

またWindows8 以降のOSには、最初から.NET FrameWork4.0以降がインストールされている筈ですので、.NET FrameWorkに関する特別な操作は必要ないと思います。

PROCESSING、JRE、VisualC++ランタイムのbit数は全て統一してください（重要）。Javaアプリケーションから使う場合は、Eclipseなどのbit数も合わせてくださいね。

一部でも x86 と x64 が混在していると動作しないので、注意が必要です。

またWindows7 で日本語を喋らせたいという方は、下記コラム に紹介した方法で日本語音声合成エンジンと日本語音声データをインストールしてからお試しください。この操作はWindows8以降では必要ありません。

Windows7 に日本語音声合成エンジンと日本語音声データをインストールしなくても喋らせることは可能ですが、その場合は英語のみの対応となります。

ライブラリの入手と利用条件について

下記からダウンロードしていただけるプログラムとドキュメント（以下、本APと呼称）の著作権はMSLABOにあります。

本APは、以下のクリエィティブ・コモンズライセンスに従い提供されています。
利用にあたっては、必ず自己責任でお願い致します。

本APの不具合については極力善処を行う予定ですが、これを保証するものではありません。

また本APに関する情報はすべてMSLABOのHPから一方的に公開するものとし、原則として、個別の問い合わせや要望は受け付けません。

上記事項に同意頂ける方のみ、下記よりダウンロードする事が可能です。

WinSAPI

WindowsのSAPI機能をPROCESSINGから使うためのライブラリです。Javaアプリケーションから利用することも可能です。2017/05/02：64bit版を追加しました。

Download Now!1025 Downloads

MSLABO 作『WinSAPI』はクリエイティブ・コモンズ表示 – 継承 4.0 国際ライセンスで提供されています。

ダウンロードすると「WinSAPI_20170502.zip」というファイルが出来上がります。
以下はダウンロードファイルの構成です。

64bit版を利用される方は、code フォルダではなくx64フォルダのものを利用してください。

インストールについて

●PROCESSINGの場合
PROCESSINGから本APを利用するには、以下の手順で作業してください。

１：PROCESSINGで新規スケッチファイルを作成します。
２：空のままで良いので、スケッチを一度保存します。
３：保存したスケッチ（例：C:\processing-3.3\src\sketch_170501a）配下に、上記を解凍するとできあがる codeフォルダを、フォルダごと複写してください。
４：64bitのPROCESSINGを利用される方は、x64フォルダの方を複写し、複写後にフォルダ名を code に変更してください。

●Javaアプリケーションの場合
Javaアプリケーションから利用する場合は、code配下に出来上がるjarファイルを、あなたのプロジェクトに外部ライブラリとして追加してください。

また、WinSAPICPP.dllをパスの通った場所に配置してください。実行時の構成でPATH環境変数を指定してもOKです。

64bitのJavaアプリケーションから利用される方は、codeフォルダではなくx64フォルダの中にある jar ファイルをご利用ください。またDLLファイルは WinSAPICPP64.dll を利用してください。

下記は32bit版の例です。c:¥pleiades32¥lib に WinSAPICPP.dll が置いてある場合の環境変数設定例です。

ライブラリの動作原理について

WindowsのSAPI はC#やVB.NET、VC++から利用する前提で作られているため、Javaから直接呼び出すことはできません。

今回はVC++のCLI / DLLを用意し、それを JNR 経由でJavaから呼び出す仕組みとしています。

さらっと書きましたが、JNRもVC++も慣れていなかったため、ものすごく苦労しました（汗）。

JNRについては、下記サイト様などを参考とさせて頂きました。ありがとうございます。

torutkの日記様
今日もプログラミング様

使い方

ダウンロードしたファイルを解凍すると出来上がる doc フォルダ配下に、リファレンス（index.html）があります。

また下記サンプルプログラムも参考としてください。

【関連記事】

JNR(JNI)経由で、WindowsのネイティブDLLが呼び出せない

サンプルプログラム

日本語を喋らせる例：

import WinSAPI.WinSAPI;

void setup(){
  WinSAPI    sapi = new WinSAPI("");
  sapi.setVoice("Haruka");
  sapi.setSpeed(4);
  sapi.speakMsg("隣の客は良く柿食う客だ");
  sapi.dispose();
}

void draw(){
}

import WinSAPI.WinSAPI;

void setup(){

WinSAPI sapi = new WinSAPI("");

sapi.setVoice("Haruka");

sapi.setSpeed(4);

sapi.speakMsg("隣の客は良く柿食う客だ");

sapi.dispose();

}

void draw(){

}

Microsoftハルカが使える前提です。ハルカちゃんに早口言葉を喋ってもらえます（笑）。

＜出力サンプル＞

SSMLで制御する例：

import WinSAPI.WinSAPI;

void setup(){
  WinSAPI    sapi = new WinSAPI( null );
  sapi.setVoice("Haruka");
  String msg = "10ミリ秒休止。<break time='10ms' />";
  msg = msg + "100ミリ秒休止。<break time='100ms' />";
  msg = msg + "1秒休止。<break time='1s' />";
  msg = msg + "5秒休止。<break time='5s' />";
  msg = msg + "ちゃんと待ってた";
  sapi.speakSsmlMsg( msg );
  sapi.dispose();
}

void draw(){
}

import WinSAPI.WinSAPI;

void setup(){

WinSAPI sapi = new WinSAPI( null );

sapi.setVoice("Haruka");

String msg = "10ミリ秒休止。<break time='10ms' />";

msg = msg + "100ミリ秒休止。<break time='100ms' />";

msg = msg + "1秒休止。<break time='1s' />";

msg = msg + "5秒休止。<break time='5s' />";

msg = msg + "ちゃんと待ってた";

sapi.speakSsmlMsg( msg );

sapi.dispose();

}

void draw(){

}

通常の文章以外に、SSML記号を与えることで読み方を制御できます。
もっとも、利用可能なSSMLは1.0仕様ですので、ちょっと物足りませんがしょうがありません（汗）。

上記ではハルカちゃんが、少しずつ間隔を開けながら喋ってくれます。

＜出力サンプル＞

英語を喋らせる例：

import WinSAPI.WinSAPI;

void setup(){
  WinSAPI    sapi = new WinSAPI("c:\\temp\\Greeting.WAV");
  sapi.setVoice("Zira");
  sapi.speakMsg("You have selected Microsoft Zira.");
  sapi.dispose();
}

void draw(){
}

import WinSAPI.WinSAPI;

void setup(){

WinSAPI sapi = new WinSAPI("c:\\temp\\Greeting.WAV");

sapi.setVoice("Zira");

sapi.speakMsg("You have selected Microsoft Zira.");

sapi.dispose();

}

void draw(){

}

Microsoft Zira（アメリカ人）が、それっぽく聞こえる英語で喋ってくれます。Windows8以降のOSには、HarukaとZiraが標準搭載されています。

本例では、音声をスピーカーではなくWAVファイルに出力しています。

＜出力サンプル＞

コラム：Windows7で日本語を喋らせるには

以下の手順で作業を行います。

途中でレジストリなども変更するため、PCの操作に自信のない方や初心者の方には、オススメできません。PCやレジストリのバックアップを採取するなど、必要な事前準備を行った上で作業してください。

また以下の手順は、MSLABOやMicrosoftが公式に動作保証するものではありません。

たまたま私の環境ではうまくいきましたが、作業する場合は必ず自己責任で行うようにお願いします。

日本語音声合成エンジンと日本語音声データをダウンロードする

以下のMicrosoft公式サイトからダウンロードします。
・エンジン
Microsoft Speech Platform – Runtime (Version 11)
・音声データ
~~Microsoft Speech Platform – Runtime Languages (Version 11)~~　2021/05 Linkが不在です

エンジンには32bit版と64bit版がありますが、作りたいアプリケーションに応じたものをダウンロードしてください。

32bit版のPROCESSINGから使うのであれば x86版を、64bit版のPROCESSINGから使うのであれば x64 版をダウンロードしてインストールします。

音声データには日本語以外にも沢山の種類が公開されています。日本語を喋らせたい場合は、「MSSpeech_TTS_ja-JP_Haruka.msi」をダウンロードしてください。これが「Microsoftハルカ」の音声データになります。

インストールする

エンジンをインストールし、続いて音声データをインストールします。特に難しいことはないと思います。

レジストリを書き換える

ここがポイントです。PROCESSINGで音声合成を行おうか・・・という読者の皆様は、ある程度PCの操作には慣れている事だとは思いますが、慎重に作業をしてください。

やるべきことは下記の2つです。

１番目：
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech Server\v11.0\Voices\Tokens
上記配下にある音声情報「TTS_MS_ja-JP_Haruka_11.0」を、配下のキーを含めて丸ごと
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens
の下に複写する。

２番目：
HKEY_LOCAL_MACHINE\SOFTWARE\Wow6432Node\Microsoft\Speech Server\v11.0\Voices\Tokens
上記配下にある音声情報「TTS_MS_ja-JP_Haruka_11.0」を、配下のキーを含めて丸ごと
HKEY_LOCAL_MACHINE\SOFTWARE\Wow6432Node\Microsoft\Speech\Voices\Tokens
の下に複写する。

参考URL：電脳スピーチ blog 様

くれぐれも場所を間違わないように・・・してくださいね。

基本動作確認する

ここまで出来たら、一度Windowsの標準機能で「Microsoftハルカ」に喋ってもらいましょう。

コントロールパネルから「音声認識」を開き、音声合成を選択します。
音声の選択から「ja-JP, Haruka」を選択します。

もしも音声の選択欄に「Microsoft Anna – English(United States)」しか表示されていないようなら、上記のどこかで失敗しています。

「次のテキストを使って・・・」と書かれた場所に適当な日本語を入力して、音声の再生ボタンを押してください。

無事に「Windowsハルカ」が喋ってくれれば、ひとまずはOKです。

PROCESSING逆引きリファレンス一覧へ戻る

本ページで利用しているアイコン画像は、下記サイト様より拝借しております。各画像の著作権は、それぞれのサイト様および作者にあります。

iconka.com 様
ICOOON MONO 様

◆PROCESSING 逆引きリファレンス

カテゴリー：ゲーム作成