Verwendung - VOICEVOX Core für PHP

Grundlegende Nutzung von VOICEVOX Core für PHP. Vorstellung von Codebeispielen zur Text-Sprachsynthese (TTS) und Audio-Erzeugung.

​

Grundlegende Sprachsynthese

Die folgende talk.php ist ein Beispiel, das aus Text Audio synthetisiert und in eine WAV-Datei schreibt.

PHP-FFI ist in Webserver-Umgebungen (wie FPM) normalerweise deaktiviert. Führen Sie dieses Skript wie php talk.php über die CLI aus.

<?php

require __DIR__ . '/vendor/autoload.php';

use Revolution\Voicevox\Core\Enums\AccelerationMode;
use Revolution\Voicevox\Core\Onnxruntime;
use Revolution\Voicevox\Core\OpenJtalk;
use Revolution\Voicevox\Core\Synthesizer;
use Revolution\Voicevox\Core\VoiceModelFile;

// Passen Sie die Pfade an den Installationsort von voicevox_core an
$voicevoxCoreDir = getenv('HOME') . '/.local/voicevox_core';
$onnxruntimeFilename = $voicevoxCoreDir . '/onnxruntime/lib/' . Onnxruntime::libVersionedFilename();
$dictDir = $voicevoxCoreDir . '/dict/open_jtalk_dic_utf_8-1.11';
$vvmPath  = $voicevoxCoreDir . '/models/vvms/0.vvm';

// Zu synthetisierender Text und Style-ID
$text    = 'この音声は、ボイスボックスを使用して、出力されています。';
$styleId = 0;
$outPath = './output.wav';

// Initialisierung
$onnxruntime = Onnxruntime::loadOnce($onnxruntimeFilename);
$openJtalk   = new OpenJtalk($dictDir);
$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Auto);

// Audiomodell laden
$model = VoiceModelFile::open($vvmPath);
$synthesizer->loadVoiceModel($model);

// Sprachsynthese
$audioQuery = $synthesizer->createAudioQuery($text, $styleId);
$wav        = $synthesizer->synthesis($audioQuery, $styleId);

file_put_contents($outPath, $wav);
echo 'Wrote ' . $outPath . PHP_EOL;

Ausführen:

php talk.php

​

Sprachsynthese in einem Schritt (tts-Methode)

Wenn Sie die zwei Schritte createAudioQuery + synthesis überspringen möchten, können Sie die tts()-Methode verwenden:

$wav = $synthesizer->tts($text, $styleId);
file_put_contents('./output.wav', $wav);

​

Sprachsynthese mit Katakana-Notation

Sie können auch aus Katakana in AquesTalk-ähnlicher Notation synthetisieren:

// Wenn ttsFromKana verwendet wird
$wav = $synthesizer->ttsFromKana("コノオンセイワ'、ボイスボックスオ'/シヨーシテ'、シュツリョクサレテイマ'ス。", $styleId);
file_put_contents('./output.wav', $wav);

​

Benutzerwörterbuch verwenden

Um die Aussprache benutzerdefinierter Wörter zu registrieren, verwenden Sie UserDict:

use Revolution\Voicevox\Core\UserDict;
use Revolution\Voicevox\Core\Enums\UserDictWordType;

$userDict = new UserDict();
$uuid = $userDict->addWord(
    surface: 'ボイボ',
    pronunciation: 'ボイボ',
    accentType: 0,
    wordType: UserDictWordType::ProperNoun,
    priority: 10,
);

// Wörterbuch speichern
$userDict->save('./mydict.json');

// Wörterbuch auf OpenJTalk anwenden
$openJtalk->useUserDict($userDict);

​

Anpassung der AudioQuery

Wenn Sie das mit createAudioQuery gewonnene JSON vor der Synthese anpassen, können Sie Intonation und Tempo fein steuern:

$audioQueryJson = $synthesizer->createAudioQuery($text, $styleId);

// JSON dekodieren und anpassen
$audioQuery = json_decode($audioQueryJson, true);
$audioQuery['speedScale'] = 1.2;   // Geschwindigkeit 1,2×
$audioQuery['pitchScale'] = 0.05;  // Pitch leicht anheben

$wav = $synthesizer->synthesis(json_encode($audioQuery), $styleId);
file_put_contents('./output.wav', $wav);

​

Akzentphrasen abrufen

Sie können die Akzentphrasen-Informationen eines Textes abrufen und prüfen bzw. bearbeiten:

$accentPhrasesJson = $synthesizer->createAccentPhrases($text, $styleId);
$accentPhrases = json_decode($accentPhrasesJson, true);

// Mora-Pitch und Phonemlänge mit einem anderen Style überschreiben
$updatedJson = $synthesizer->replaceMoraData($accentPhrasesJson, $styleId);

​

GPU-Modus verwenden

In Umgebungen mit GPU können Sie durch Angabe von AccelerationMode::Gpu die Geschwindigkeit erhöhen:

use Revolution\Voicevox\Core\Enums\AccelerationMode;

$synthesizer = new Synthesizer($onnxruntime, $openJtalk, AccelerationMode::Gpu);

// Prüfen, ob der GPU-Modus aktiv ist
if ($synthesizer->isGpuMode()) {
    echo 'Läuft im GPU-Modus' . PHP_EOL;
}

​

Mehrere Audiomodelle verwenden

Sie können mehrere .vvm-Dateien laden und durch Wechseln der Style-ID mehrere Charakterstimmen verwenden:

$model0 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/0.vvm');
$model1 = VoiceModelFile::open($voicevoxCoreDir . '/models/vvms/1.vvm');

$synthesizer->loadVoiceModel($model0);
$synthesizer->loadVoiceModel($model1);

// Informationen zu den im Modell enthaltenen Speakern prüfen
$metas = json_decode($synthesizer->metas(), true);

// Modell entladen (falls nicht mehr benötigt)
$synthesizer->unloadVoiceModel($model0->id());