Google text to speech をPythonで実行！

こんな方におすすめ

Google text to speechについて知りたい
Google text to speechを使いたい
Google text to speech をPythonで動かしたい

今回は、Google text to speechをPython上で実行する方法について記載します。インストールとか苦戦したので、手順についても触れておきます。

Google text to speechとは

簡単にいうと、文字テキストを音声に変換してくれるものです。日本語、英語、様々な言語で使用可能です。文章でも比較的自然な音声スピーチに変換します。

https://cloud.google.com/text-to-speech/ ここのリンクから試してみることができます。

APIを利用する前に必要なこと

Google Cloud Platform の利用登録をする

https://cloud.google.com

トップページの「無料トライアル」をクリックし、Googleアカウントでログインします。無料トライアル中もクレジットカードの登録が必要となります。Googleのアカウントで設定されていれば、再登録の必要はないです。また無料トライアル期間が過ぎても、自動更新はされないので、安心して使用できます。

text to speechのAPIを利用する前の環境設定

APIを利用するための環境設定は、以下のサイトに従い、手順通りに実行することをお勧めします。

いろんなサイトを参考にしましたが、結局ここに記載されている通りやるのが一番です。

①https://cloud.google.com の右上のドキュメントをクリックする。

②左のメニュー欄からAIと学習を選択肢、右の欄でテキスト読み上げを選択する。

③Text-to-Speechのドキュメントからクリックスタートを選択する

④クイックスタート：クライアント　ライブラリの使用を選択する

⑤Before you begin に従い、1〜６を実行する。全部必ず実行する必要があります。

⑥google-text-to-speechをインストールする。

pip install --upgrade google-cloud-texttospeech

1	pip install --upgrade google-cloud-texttospeech

プログラムを作成する

まずは、テキストからmp3ファイルを作成します。

from google.cloud import texttospeech


# Instantiates a client
client = texttospeech.TextToSpeechClient()

# <span class="hutoaka">ここのテキストが音声変換される。ここではHiとしている。</span>
synthesis_input = texttospeech.types.SynthesisInput(text="Hi!")

# Build the voice request, select the language code ("en-US") and the ssml
# voice gender ("neutral")
voice = texttospeech.types.VoiceSelectionParams(
    language_code='en-US',
    ssml_gender=texttospeech.enums.SsmlVoiceGender.NEUTRAL)

# Select the type of audio file you want returned
audio_config = texttospeech.types.AudioConfig(
    audio_encoding=texttospeech.enums.AudioEncoding.MP3)

# Perform the text-to-speech requeston the text input with the selected
# voice parameters and audio file type
response = client.synthesize_speech(synthesis_input, voice, audio_config)

# The response's audio_content is binary.<span class="hutoaka">”Hi"という音声のoutput.mp3が作成される。</span>
with open('output.mp3', 'wb') as out:
    # Write the response to the output file.
    out.write(response.audio_content)
    print('Audio content written to file "output.mp3"')

from google.cloud import texttospeech

# Instantiates a client

client = texttospeech.TextToSpeechClient()

# <span class="hutoaka">ここのテキストが音声変換される。ここではHiとしている。</span>

synthesis_input = texttospeech.types.SynthesisInput(text="Hi!")

# Build the voice request, select the language code ("en-US") and the ssml

# voice gender ("neutral")

voice = texttospeech.types.VoiceSelectionParams(

language_code='en-US',

ssml_gender=texttospeech.enums.SsmlVoiceGender.NEUTRAL)

# Select the type of audio file you want returned

audio_config = texttospeech.types.AudioConfig(

audio_encoding=texttospeech.enums.AudioEncoding.MP3)

# Perform the text-to-speech requeston the text input with the selected

# voice parameters and audio file type

response = client.synthesize_speech(synthesis_input, voice, audio_config)

# The response's audio_content is binary.<span class="hutoaka">”Hi"という音声のoutput.mp3が作成される。</span>

with open('output.mp3', 'wb') as out:

# Write the response to the output file.

out.write(response.audio_content)

print('Audio content written to file "output.mp3"')

作成したmp3ファイルを再生します。ここでは、pygameのmixerを使用しました。

from pygame import mixer
mixer.init()        #初期化
mixer.music.load("output.mp3") #再生ファイル
mixer.music.play(1) #再生回数

from pygame import mixer

mixer.init() #初期化

mixer.music.load("output.mp3") #再生ファイル

mixer.music.play(1) #再生回数

”Hi”という音声が再生されます。

まとめ

google-text-to-speechで文章を音声化することができました。ツイッターを読ませたり、スクレイピングして読ませたりと幅広い応用が可能です。自作の語学学習プログラムも簡単に作れると思います。ぜひトライしてみてください。

本気で鍛える180日間未経験からプロになる【.pro】