GCPのCloud Text-to-Speechの使い方メモ

最近ちょっとした事情からText to Speechの聴き比べをしているのですが、AWSのPolliyとかIBMのWatsonは画面で簡単にmp3がダウンロードできたのに対してGCPのCloud Text-to-Speechに関しては一筋縄ではいかなかったので、自分のやったことをメモしておきます。

一応GCPにもデモのページがあり、そこでテキストを入力して音声の再生ができるっぽいのですが、画面の「Speak It」をクリックしてもぐるぐるしたまま一向に音声が再生されない。
また、音声を再生できたとしてダウンロードできるかも分からなかったので、別の方法を試すことにしました。

cloud.google.com

上記のデモページにある[無料トライアル]をクリック。
Googleアカウントでの認証を求められるので、普段自分が使っているGoogleのアカウントでログインしました。
その後にアカウントに対してクレジットカードの登録をしたり、サービスを紐づけて良いかと聞かれるのでOKしておきました。この辺はスナップショットを取り忘れたのでうろ覚えですが、流れに沿ってOKしておけばGCPのコンソールに遷移できたと思います。なお、以降の検証は無料枠での実施をしています。



Text-to-Speechのサービスを使いたいので、上の検索ボックスで検索をします。
勝手にサジェストされるので、Text-to-Speechのサービスを選びます。



今回は音声を試したいだけなので、画面の左下にある「API Explorer で試す」を選びます。
メニューから「texttospeech.text.synthesize」を選びます。





「Request body」のところに値を入れていきます。
実行するために必要となる最低限のパラメータは以下の通り。

・input
　－text：読み上げたいテキストを入力
・audioConfig
　－audioEncoding：MP3
・voice
　－languageCode：ja
　－name：ja-JP-Wavenet-A

それぞれのパラメータの詳しい意味は以下を参照。

qiita.com

入力が完了したら「Execute」をクリック。



レスポンスに200番が返ってきたらOKです。



で、ここで返ってくる「audioContent」ですが、そのままだとエンコーディングされたテキストでしかないです。
じゃあどうすれば音声を聞けるのかと言うと、自分は以下のHTMLを使ってmp3をダウンロードして聞きました。

<audio controls="controls" autoplay style="border:3px solid red;">
    <source src="data:audio/wav;base64,<ここにaudioContentの値を入れる>" type="audio/mp3" />
    Your browser does not support the audio element.
</audio>

真面目にやるならheadタグとかbodyタグとかも必要になるはずですが、自分で使うだけなのでそこまでは気にせず、上記のものをそのままテキストエディタで作って拡張子を.htmlにすれば良いです。非常に簡単。

あとはこのHTMLファイルをChromeなどのブラウザで開けば音声を聞くことができます。



一番右のアイコンからMP3でダウンロードすることもできます。


そんなわけで、今日はこれまで。
それでは、ごきげんよう。