以前はVOICEVOX CORE（コアライブラリ）をRaspberryPiへインストールして音声合成を試してみたのですが、合成されるまでにかなりに時間がかかってしまうため、リアルタイムのコミュニケーションに使用するには実用性が低いという結果でした。
そこで今回はRaspberryPiからLAN内にインストールをしたVOICEVOX Engine（EngineはWebサーバーとしてREST APIを提供）にアクセスして音声合成の結果のみをもらうという形で使用してみたいと思います。一見あまり意味がなさそうに思いますが、同様にしてRaspberryPi Zero WなどからAPIアクセスすれば、かなり非力なデバイスでも音声合成を使用することができるかなと思います。
VOICEVOX EngineのGitHubのリポジトリは以下となります。
プラットフォーム用のバイナリ（自分の場合にはWindows版）をダウンロードする方法とDockerコンテナを使用する方法があります。
Windows版は環境毎にダウンロードを行って展開すればインストールは完了します。含まれているrun.exeを起動することでAPIへのアクセスができるようになります。GPUがある場合には積極的にそちらを使用しましょう。
続きを読む先日来使用しているVOICEVOXですが、PCであればかなり高速に処理をすることができるとはいえ、リアルタイム性？というところではやはり処理時間がかかるため会話というところには使用が難しいと思いました。そこで、他にもなにかないかなと思い探してみることにしました。結果的にOpenJTalk一択かもしれないのですが、それ意外の可能性も捨てたくないですよね。
今回はEdge-TTSを使用してみることにします。EdgeというとWindowsの標準ブラウザというイメージがあるので、Windows意外では使用できないのでは？と思われる方もいるかと思いますが、今回使用するEdge-TTSはWindowsでの使用はもちろん、EdgeブラウザのインストールされていないLinux環境やRaspberryPiでも使用できる点は非常に便利かなと思います。あとは、電子工作なでと状況に合わせた使用できるかという観点についても調べてみたいと思います。
【参考】
今回試してみたのはUbuntu Desktop 22.04 LTSとRaspberryPi OS最新版となります。
【RaspberryPi OSの実行環境】
edge-ttsのインストールはPythonの開発環境があれば非常に簡単です。
Pythonのライブラリを含めて使用する場合にはpipコマンドから以下のようにすればOKです。
$ pip install edge-tts
また、プログラミングを行わないで単にコマンド実行で行うこともできるので、この利用法であれば、以下のコマンドでインストールができます。
$ pipx install edge-tts続きを読む
以前、Upscaylというアプリを使用して低解像度の画像を超解像化を試してみました。結果がわかりやすくすごい技術だったのですが、それだけで終わったらちょっともったいないなあと思い、今回はプログラミング的な感覚（比較的自動化しやすい）ものについて調べてみました。基本的な超解像化ロジックに関してはUpscaylにも使用されていますが、今回はコマンドラインツールとして使用できる点が違いになります。
【参考】
超解像は解像度の低い画像を画質をあげて拡大するといったものです。前述したUpscaylはほぼ完成したアプリとして成立しているのですが、その他の処理と組み合わせて使用してみたいと思うとアプリでは連携がしにくい場面もあります。
そこで今回はReal-ESRGANを使用して、コマンドラインでも同様な処理を行えるようにしてみたいと思います。
Real-ESRGANにはコマンドラインで実行できるプログラムで、超解像化するアルゴリズムも複数含まれています。
以前、参加したイベントでNode-REDからKintoneアプリのデータを操作するというノードを見つけたので、その使い方のメモをしておきます。
node-red-contrib-kintone今回、Node-REDからKintoneアプリを操作する拡張ノードはnode-red-contrib-kintoneとなります。このノードの使用方法に関しては作者の方の情報が参考になります。
