"""
統合TTS CLIツール
このスクリプトは、複数の音声合成エンジン（pyttsx3, VOICEVOX, AquesTalkPlayer, OpenAI）を
統合し、コマンドラインインターフェースを通じてテキストを音声に変換します。
クリップボードまたはファイルからテキストを読み込み、指定されたエンジンと話者設定で
音声合成を行い、リアルタイム再生または音声ファイルへの出力をサポートします。
主要な機能:
- 複数のTTSエンジン (pyttsx3, VOICEVOX, AquesTalkPlayer, OpenAI) の選択
- クリップボードまたはテキストファイルからの入力
- リアルタイム再生またはWAV/MP3ファイルへの出力
- 話者マッピングのカスタマイズと自動検出
- 読み上げ速度、ピッチ、一時停止時間などの音声プロパティ調整
- 文字列置換ルールの適用
- 利用可能な音声リストの表示
実行には、pipで指定されたライブラリと、必要に応じて外部依存（ffmpeg, AquesTalkPlayer.exe, OpenAI API Key）が必要です。
関連リンク:
:doc:`tktts` - このプログラムが内部で利用するtkTTSライブラリのドキュメント
"""
# このプログラムの実行には以下のライブラリと外部依存が必要です。
# pip install chardet pyttsx3 openai pydub pyperclip
#
# 外部依存:
# - ffmpeg.exe: 環境PATHに設定するか、pydubに検出させる必要があります。
# - AquesTalkPlayer.exe: Windowsでのみ使用可能。実行パスを指定する必要があります。
# - OpenAI API Key: 環境変数 OPENAI_API_KEY に設定する必要があります。
import os
import sys
import argparse
import traceback
missing = []
for lib in ["chardet", "pyperclip", "tktts"]:
try:
__import__(lib)
except ImportError:
missing.append(lib)
if missing:
print(f"Error: Missing libraries:\n{', '.join(missing)}")
print(" install: pip chardet")
input("\nPress ENTER to terminate>>\n")
sys.exit(1)
import chardet
import pyperclip
try:
import tktts
from tktts import tkTTS
except Exception as e:
print(f"\nWarning in tktts.py: Import error for tktts_pyttsx3")
print("------------------------------------------------------------------")
print(f"Error message: {e}")
print("Traceback:")
traceback.print_exc()
print("------------------------------------------------------------------")
DEFAULT_INPUT = "clip"
DEFAULT_ENGINE = "pyttsx3"
DEFAULT_VOICEVOX_ENDPOINT = "http://127.0.0.1:50021"
DEFAULT_AQUESTALK_PATH = "AquesTalkPlayer.exe"
DEFAULT_TEMP_DIR = "tts_temp_wavs"
VOICE_MAPS = {
"pyttsx3": {"四国めたん": "Zira", "ずんだもん": "David", "れいむ": "Zira", "まりさ": "David"},
"aquestalkplayer": {"四国めたん": "れいむ", "ずんだもん": "まりさ", "れいむ": "れいむ", "まりさ": "まりさ", "青山龍星": "青山龍星"},
"openai": {"四国めたん": "nova", "ずんだもん": "shimmer", "れいむ": "alloy", "まりさ": "fable"},
}
pause = 0
[ドキュメント]
def terminate():
"""
プログラムを安全に終了させる。
グローバル変数`pause`が設定されている場合、ユーザーにエンターキーを押すよう促し、
その後プログラムを終了します。
"""
if pause:
input("\nPress ENTER to terminate>>\n")
exit()
[ドキュメント]
def initialize():
"""
コマンドライン引数を解析し、プログラム設定を初期化する。
argparseモジュールを利用して、TTSエンジンの選択、入力/出力ファイル、
音声プロパティ、AquesTalkPlayerのパスなど、多岐にわたるオプションを設定します。
:returns: argparse.Namespace: 解析されたコマンドライン引数を含むオブジェクト。
"""
parser = argparse.ArgumentParser(description="統合TTS (pyttsx3, AquesTalkPlayer, OpenAI) CLIツール")
parser.add_argument("--tts", "-t", choices=["pyttsx3", "voicevox", "aquestalkplayer", "atp", "openai"], default=DEFAULT_ENGINE, help="TTSエンジンを選択")
parser.add_argument("--endpoint", type=str, default=DEFAULT_VOICEVOX_ENDPOINT, help="VOICEVOX Engineのendpoint")
# parser.add_argument("--language", default = 'japanese', help="pyttsx3 で使用する言語")
parser.add_argument("--monologue", "-m", type=int, default=0, help="独話形式 (カンマのない行も読み込む)")
parser.add_argument("--voices", "-v", type=str, default="", help="voice_map の上書き (key=val;key=val)")
parser.add_argument("--replace", "-r", type=str, default="", help="文字列置換ルール (key=val;key=val)")
parser.add_argument("--infile", "-i", type=str, default=DEFAULT_INPUT, help="入力元 ('clip' またはファイルパス)")
parser.add_argument("--outfile", "-o", type=str, default="", help="出力音声ファイル (未指定の場合、リアルタイム再生)")
parser.add_argument("--temp_dir", type=str, default=DEFAULT_TEMP_DIR, help="一時ファイルを作成するディレクトリ名 (AquesTalkPlayer/OpenAI使用時)")
parser.add_argument("--list", action="store_true", help="利用可能な voices を表示して終了")
parser.add_argument("--map", action="store_true", help="voice map を表示して終了")
parser.add_argument("--pause", "-p", type=int, default=0, help="終了時に入力待ちする")
parser.add_argument("--wait_for_clipboard", type=int, default=1, help="Clipbordから適すつを取得する際に入力待ちする")
parser.add_argument("--speak_rate", type=int, default=150, help="pyttsx3 の読み上げ速度 (Word Per Minute)")
parser.add_argument("--fspeak_rate", type=float, default=1.0, help="VOICEVOX の読み上げ速度比 (標準: 1.0)")
parser.add_argument("--fspeak_pitch", type=float, default=0.0, help="VOICEVOX の超えの高さ (標準: 0.0)")
parser.add_argument("--aquestalk_path", type=str, default=DEFAULT_AQUESTALK_PATH, help="AquesTalkPlayer.exe の実行パス (AquesTalkPlayer使用時)")
parser.add_argument("--tinterval", type=float, default=0.5, help="AquesTalkPlayer/OpenAIの音声ファイル間に挿入する無音区間の長さ（秒、デフォルト 0.5）")
parser.add_argument("--instruction", type=str, default="", help="OpenAI TTS APIへの追加指示 (OpenAI使用時)")
args = parser.parse_args()
return args
[ドキュメント]
def main():
"""
プログラムの主要な実行フローを制御する。
コマンドライン引数の解析から始まり、`tkTTS`インスタンスの初期化、
利用可能な音声や話者マップの表示、入力テキストの読み込み、
話者の特定と音声マッピング、そして最終的な音声合成処理までの一連のステップを実行します。
エラーが発生した場合や処理が完了した場合には、プログラムを終了します。
"""
global pause
print()
print(f"\n===== 統合TTS CLIツール speak.py =====")
args = initialize()
pause = args.pause
if args.infile == "": args.infile = "clip"
print(f"TTS engine : {args.tts}")
print(f"is monologue: {args.monologue}")
print(f"Input : {args.infile}")
print(f"Output : {args.outfile}")
# print(f"Language: {args.language}")
print(f"pyttsx3 speak_rate: {args.speak_rate}")
print(f"VOICEVOX speak_rate: {args.fspeak_rate}")
print(f"VOICEVOX speak_pitch: {args.fspeak_pitch}")
print(f"VOICEVOX Engine endpoint: {args.endpoint}")
print(f"wait_for_clipboard: {args.wait_for_clipboard}")
# endpoint, aquestalk_pathはargsで渡す
tktts = tkTTS(tts_name = args.tts, config = args)
if args.list:
print()
tktts.list_available_voices()
terminate()
if args.map:
print()
tktts.show_voice_map(args.infile, args.voices, VOICE_MAPS, args.monologue)
terminate()
print()
print(f"[{args.infile}]を解析します:")
dialogue = tktts.load_text(args.infile, args.monologue, wait_for_clipboard = args.wait_for_clipboard)
if not dialogue:
print("エラー: 有効なテキストデータが取得できませんでした。")
if not args.monologue:
print(" 対話形式でない場合は --monologue=1 オプションをつけてください。")
terminate()
speakers_in_file = tktts.get_speakers_from_dialogue(dialogue)
print(f" Speakers in [{args.infile}]")
for idx, sp in enumerate(speakers_in_file):
print(f" {idx:02d}: {sp}")
current_voice_map = tktts.update_voice_map(voice_map = VOICE_MAPS,
voices = args.voices, speakers = speakers_in_file)
print()
print("=== 置換辞書 ===")
replacements = tktts.parse_kv_string(args.replace)
if replacements:
for key, val in replacements.items():
print(f" {key}: {val}")
else:
print(" (なし)")
print()
print(f"Voice map updated:")
for key, val in current_voice_map.items():
if type(key) is str:
print(f" (speaker) {key}: (voice) {val}")
for key, val in current_voice_map.items():
if type(key) is not str and type(key) is not int:
print(f" (speaker) {key}: (voice) {val}")
for key, val in current_voice_map.items():
if type(key) is int:
print(f" (speaker) {key}: (voice) {val}")
print("=== 検出された話者とvoice ===")
print(f"Voice map updated;", current_voice_map)
for s in sorted(speakers_in_file):
if s is None or s == "":
voice = current_voice_map.get(s, None)
if voice is None: voice = current_voice_map.get(0, None)
print(f" (独話): {voice}")
else:
s = tktts.normalize_speaker(s, args.tts)
print(f" (speaker) {s}: (voice) {current_voice_map.get(s, '未設定')}")
print()
print("--- 読み上げ処理開始 ---")
ret = tktts.speak_dialogue(
config = args, dialogue = dialogue,
voice_map = current_voice_map, replacements = replacements)
if ret is None:
terminate()
print("--- 処理完了 ---")
if __name__ == "__main__":
main()
terminate()