124 views

【0】連載内容

【1】やりたいこと

前回の投稿の時点で、Webブラウザ上の操作で英文テキストを MP3ファイル化するところまで実現できた。

今回の投稿では…
話す速度を速くしたり遅くしたりと変化させたい。

【2】やってみる

こちらの AudioConfigクラスのリファレンスページを参照されたい。
Class AudioConfig (2.34.0)

AudioConfigクラスの生成時に、引数 speaking_rate で話す速度を指定できる仕様だ。

データ型	float
初期値	1.0 [倍]
指定可能な範囲	0.25 ～ 2.0 [倍]

プログラム中では以下のように指定すればよい。

    audio_config = texttospeech.AudioConfig(
        audio_encoding = texttospeech.AudioEncoding.MP3,
        speaking_rate = 0.7      # 速さを 30%ゆっくりにする。
    )

【3】プログラム一式を改造する。

前回の投稿 (137)【Google Cloud TTS #4】WEBブラウザから実行で作成したプログラムを以下のように改造する。

【変更点 #1】index.py : Webブラウザ上の操作画面で、話す速度を指定可能にする。
【変更点 #2】my_ggtts.py : Webブラウザ上で指定された速度を使い Cloud TTSにリクエストを送信する。

改造後のプログラムを以下に記す。

index.py

#!/opt/webtts/myenv/bin/python
import cgi
import os
import sys
from datetime import datetime

# 自作モジュールのパスを通す
sys.path.append('/opt/webtts/src')
import my_ggtts 

# デバッグ用（エラー時に詳細をブラウザに表示）
import cgitb
cgitb.enable()

# フォームデータの取得
form = cgi.FieldStorage()
input_text = form.getvalue("text", "")
# speaking_rateを取得（未指定ならデフォルト1.0。float型に変換）
try:
    speaking_rate = float(form.getvalue("speaking_rate", "1.0"))
except ValueError:
    speaking_rate = 1.0

html_sound = ""      # サウンド再生コントロールを表示する HTML文

#-----------------------------------------------------------------------
# フォームにテキストが入力されていれば TTSを実行する。
if input_text:
    # MP3ファイル名を作る。
    timestamp = datetime.now().strftime("%Y-%m-%d-%H-%M-%S")
    filename = f"sound-{timestamp}.mp3"
    try:
        my_ggtts.generate_voice(input_text, filename, speaking_rate=speaking_rate)
        # ブラウザからアクセス可能な MP3ファイルの URLパス
        audio_url  = f"/webtts/sound/{filename}"
        html_sound = f"""
            <hr>
            <h3>生成結果:</h3>
            <audio controls autoplay>
                <source src="{audio_url}?t={os.path.getmtime('/opt/webtts/www/sound/'+filename)}" type="audio/mpeg">
                お使いのブラウザはaudio要素をサポートしていません。
            </audio>
        """
    except Exception as e:
        print(f"<p style='color:red;'>エラー発生: {e}</p>")

#-----------------------------------------------------------------------
# HTTPヘッダーの出力
print("Content-Type: text/html; charset=utf-8\n")

#-----------------------------------------------------------------------
# HTMLの出力
print(f"""
<!DOCTYPE html>
<html lang="ja">
<head>
    <meta charset="UTF-8">
    <title>Google Cloud TTS Demo</title>
</head>
<body>
    <h1>Text to Speech</h1>
    <form method="POST">
        <textarea name="text" rows="4" cols="50" placeholder="喋らせたい文字を入力...">{input_text}</textarea><br>
        <div class="setting">
            <label for="rate">読み上げ速度:</label>
            <input type="number" id="rate" name="speaking_rate" value="{speaking_rate:.1f}" step="0.1" min="0.3" max="2.0">
            <small>(0.3 ～ 2.0)</small>
        </div>
        <button type="submit">音声を生成</button>
    </form>
    {html_sound}
</body></html>
""")

my_ggtts.py

import os
from google.cloud import texttospeech

# Text-to-Speech API 鍵ファイルの絶対パス
KEY_PATH = "/opt/webtts/auth/key.json"
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = KEY_PATH

#-----------------------------------------------------------------------
# 引数:   text(合成する文字), filename(保存ファイル名)
# 戻り値: 保存されたファイルの絶対パス
def generate_voice( text, filename, speaking_rate=1.0 ):
    client          = texttospeech.TextToSpeechClient()
    synthesis_input = texttospeech.SynthesisInput(text=text)
    
    # 音声設定
    voice        = texttospeech.VoiceSelectionParams(language_code="en-US", name="en-US-Chirp3-HD-Rasalgethi")
    audio_config = texttospeech.AudioConfig(audio_encoding=texttospeech.AudioEncoding.MP3, speaking_rate=speaking_rate )
    
    # TTS実行
    response = client.synthesize_speech(input=synthesis_input, voice=voice, audio_config=audio_config )
    
    # MP3ファイル出力
    output_path = os.path.join("/opt/webtts/www/sound", filename)
    with open(output_path, "wb") as out:
        out.write(response.audio_content)
    
    return output_path

できた！

デザインは全くの未装飾なので操作性はイマイチだが、現時点では機能実装を優先しているので無問題とする。
後日きっちりと操作性を向上させよう。

【4】速度を変えて作成した MP3ファイル

出来上がった MP3音声ファイルは以下の通り。
英会話初心者の子どもの学習用には 0.7倍速ぐらいが良いようだ。

1.0倍速
0.7倍速
1.3倍速

【5】次にやりたいこと

・二人以上の会話を入力可能にする。
　→ （音声キャラクター、英文テキスト）をセットとし、複数セットを順番に TTS処理し、一つのMP3ファイルに結合する。

・音量を上げる。

アクセス数（直近7日）: ※試験運用中、BOT除外簡易実装済

2026-05-08: 0回

2026-05-07: 0回

2026-05-06: 0回

2026-05-05: 0回

2026-05-04: 0回

2026-05-03: 0回

2026-05-02: 0回