VOICEVOX（音声合成）+ docker + Github actionsで音声合成環境構築

はじめに

  1. VOICEVOX（音声合成）の環境構築
    1. docker-compose.ymlの作成
    2. github actionsのworkflowからdocker imageを起動する
    3. VOICEVOXのdocker imageが起動するまで待つ方法
  2. 音声合成を試してみる
    1. 変更したファイルだけ音声合成
    2. JSONファイル作成
    3. WAVファイル作成

以下で説明するGitlab actions のworkflowはここを参照してください。

ディレクトリ構成

├── content
│   ├── posts
│   |    └── docker-voicevox-tutorial.md
│   └── voicevox
│         │── test.txt (テキストファイル)
│         │── test1.txt (↑)
│         │── test2.txt (↑)
│         │── test.wav (音声ファイルをartifactからDownloadして配置する)
│         │── test1.wav (↑)
│         └── test2.wav (↑)
│             
├── artifact 
│   │── test.wav (合成した音声ファイルをartifactにUpload)
│   │── test1.wav (↑)
│   └── test2.wav (↑)

VOICEVOX（音声合成）の環境構築

docker-compose.ymlの作成

Github actionsではGUPを使えないので、CPU版を利用する。

version: '3'
services:
  my-container-1:
    container_name: voicevox-cpu-latest
    image: voicevox/voicevox_engine:cpu-ubuntu20.04-latest
    ports:
      - 50021:50021
    networks:
      mynetwork:
        ipv4_address: 172.81.0.3 ※ voicevoxの起動確認の為に静的IPアドレスを指定する

networks:
  mynetwork:
    driver: bridge
    ipam:
      driver: default
      config:
        - subnet: 172.81.0.0/16

github actionsのworkflowからdocker imageを起動する

  1. ‘docker-compose up -d –build’ は、Docker Composeを使用して複数のコンテナからなるアプリケーションを起動し、そのアプリケーションのコンテナをビルドするためのコマンドです。
  2. ‘docker ps -a’, ‘docker-compose ps’ は、Dockerコンテナの一覧を表示するコマンドです。
  3. ‘ping -c 3 172.81.0.3’ は、ネットワーク通信のテストを行うためのコマンドです。具体的には、指定したIPアドレス（この場合、172.81.0.3）への通信性能を確認するために使用されます。
      - name: Docker Set Up
        run: |
          docker-compose up -d --build
          docker ps -a
          docker-compose ps
          ping -c 3 172.81.0.3

VOICEVOXのdocker imageが起動するまで待つ方法

上記のPing処理を外すと下記のエラーが発生します。 ping応答を待つ処理にすることで、回避できました。より良い方法が別にあるかもしれません。

■エラー詳細

Error: Process completed with exit code 56.

エラーコード 56 は、通常、Curlがネットワーク関連の問題に遭遇したことを示しています。 ホストが正しく動作していることを確認する必要がある。

音声合成を試してみる

変更したファイルだけ音声合成

fetch-depth は、Gitリポジトリからコミットを取得する深さ（depth）を指定するための設定です。 ひとつ前の差分を取るために"2"を設定します。

      - name: Checkout
        uses: actions/checkout@v3
        with:
          fetch-depth: 2

content/voicevox/フォルダ内で差分のあるテキストファイルを音声合成処理します。

          changed_files=$(git log --stat -1 --pretty=format:"" | grep -o -E 'content/voicevox/[^/]+\.txt')

          for filename in $changed_files
          do
            # 音声合成処理
          done

JSONファイル作成

            curl -s \
              -X POST \
              "localhost:50021/audio_query?speaker=3" \
              --get --data-urlencode text@"$filename" \
              -o query.json

WAVファイル作成

            curl -s \
              -H "Content-Type: application/json" \
              -X POST \
              -d @query.json \
              "localhost:50021/synthesis?speaker=3" \
              -o audio.wav

結果

test.wav

test1.wav

test2.wav

docker  docker-compose  voicevox