ガイド

Raspberry Pi で自然な声の音声読み上げ

しゃべる Raspberry Pi があると、趣味の工作が家族みんなの道具になります。来客にあいさつするドアベル、毎朝の天気予報、水やりを頼む植物センサー、子ども向けのクイズ箱。Pi でおなじみの espeak-ng や pico2wave は手軽に入りますが、声はロボットのようです。

無料の SuperClonica エンジンなら、Pi に31言語の自然なニューラル音声を持たせられます。このガイドでは、事前に音声化したファイルから Pi 上でのエンジン実行まで3つの方法と、どの工作にどれが向くかを正直に紹介します。

音声を見る SuperClonica エンジンをインストール

Pi を話させる3つの方法

決まったフレーズをいくつか話すだけなら、事前に作ったファイルで十分です。

  • 事前に作ったファイル：PCでフレーズを音声化して Pi にコピーし、aplay で再生。いちばん速く確実な方法です。
  • ネットワーク上のサーバー：PCや家庭用サーバーで Docker イメージを動かし、Pi がテキストを送って返事を再生。新しい文をいつでも話せます。
  • Pi 上のエンジン：64ビット版のシステムを入れた Pi 4 や Pi 5 なら Python パッケージを入れられます。遅くはなりますが、1枚のボードで完全オフライン。
  • 声は31言語を話します。中国語にはまだ対応していません。

声を無料で聞く

どの声のページでも、Pi に言わせたいフレーズを30〜100文字で入力し、言語を選んで生成ボタンを押します。数秒で工作の声を確かめられ、ファイルもダウンロードできます。アカウントは不要です。

ネットワーク上のサーバーに頼む

サーバーは家庭内ネットワークか VPN の内側に置き、キーなしでインターネットに公開しないでください。

  • Docker の入ったPCや家庭用サーバーでサーバーを起動：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。イメージは x86-64 プロセッサー向けなので、Pi 自体では動きません。
  • Pi から問い合わせて返事を再生：curl -s -X POST http://192.168.1.20:8000/synthesize -H "Content-Type: application/json" -d '{"text": "植物に水をあげてください。", "voice": "F1", "lang": "ja"}' -o /tmp/say.wav && aplay /tmp/say.wav
  • サーバーに SUPERCLONICA_API_KEY を設定し、リクエストに -H "Authorization: Bearer あなたのキー" を加えます。
  • 短いフレーズなら、ふつうのデスクトップCPUで1秒を大きく下回ります。これにネットワークの時間が加わります。

Pi 上でエンジンを動かす

64ビット版の Raspberry Pi OS では、システムの Python が pip でのインストールを拒むので、まず仮想環境を作ります：python3 -m venv ~/tts、続いて ~/tts/bin/pip install superclonica-cpu。そのあと音声化して再生：~/tts/bin/superclonica --text "おはようございます。朝ごはんの時間です。" --voice F1 --lang ja --output hello.wav && aplay hello.wav。初回はモデル（約385 MB）がダウンロードされます。エンジンが使うライブラリはすべて Pi の64ビット ARM 向けに用意されていますが、Pi での速度はまだ計測していません。デスクトップの数倍は時間がかかると考え、くり返すフレーズは一度だけ作ってファイルで持っておきましょう。

話す工作のアイデア

cron で毎朝の天気や予定を読み上げたり、人感センサーで入ってきた人にあいさつしたり、ボタンで子どもにランダムなジョークを話したりできます。販売したり公開したりする工作には、権利を持っている声を使いましょう。モデルの標準ボイス10種（M1〜M5、F1〜F5）か、同意を得た話者の録音から SuperClonica のスタジオで学習させた自分の声です。カタログのキャラクターの声はファンが作ったもので、個人の工作向けです。