JP | EN

Coqui TTS for ROS

目次

1. 概要
2. 環境構築
   • 環境条件
   • インストール方法
3. 実行・操作方法
4. マイルストーン
5. 参考文献

概要

本リポジトリはcoqui-ai/TTSとROSの接続を可能にし，リアルタイムの高度な音声合成を提供する． 最新の TTSv2 は16ヶ国語に対応し，全体的にパフォーマンスが向上している．

(上に戻る)

セットアップ

ここで，本レポジトリのセットアップ方法について説明する．

(上に戻る)

環境条件

まず，以下の環境を整えてから，次のインストール段階に進んでください．

System	Version
Ubuntu	20.04 (Focal Fossa) - Local Env.
Python	>= 3.9, < 3.12
Docker Engine	26.0.0 (動作確認済)
CUDA	>=11.8 (GPU使用の場合)

Note

本レポジトリを使用するには， Docker が必要である．

(上に戻る)

インストール方法

1. ROSのsrcフォルダに移動します．

   $ roscd
   # もしくは，"cd ~/catkin_ws/"へ移動．
   $ cd src/

2. 本レポジトリをcloneします．

   $ git clone https://github.com/TeamSOBITS/coqui_tts_ros

3. レポジトリの中へ移動します．

   $ cd coqui_tts_ros/

4. 依存パッケージをインストールします．

   $ bash install.sh

5. パッケージをコンパイルします．

   $ roscd
   # もしくは，"cd ~/catkin_ws/"へ移動．
   $ catkin_make

6. TTSサーバーを簡単に実行するために， alias を作成する.
   • CPUのみの場合:

   $ echo "alias tts_launch='docker run --rm -it -p 5002:5002 -v ~/{PATH_ROS_WS_LOCAL}/src/coqui_tts_ros/models/:/root/.local/share/tts/ --entrypoint \"tts-server\" ghcr.io/coqui-ai/tts-cpu'" >> ~/.bash_alias

   • GPUの場合:

   $ echo "alias tts_launch='docker run --rm -it -p 5002:5002 --gpus all -v ~/{PATH_ROS_WS_LOCAL}/src/coqui_tts_ros/models/:/root/.local/share/tts/ --entrypoint \"tts-server\" ghcr.io/coqui-ai/tts'" >> ~/.bash_alias

Important

{PATH_ROS_WS_LOCAL} はローカル環境に存在するROSのワークスペースのPATHである．

Important

すでに，Dockerのコンテナーの中にいる場合，ローカル環境上でコマンド6を実行する必要がある．

(上に戻る)

実行・操作方法

1. ローカル環境上でTTSサーバーを立ち上げる．
   • CPUのみの場合:

   $ tts_launch --model_name tts_models/en/vctk/vits

   • GPUの場合:

   $ tts_launch --model_name tts_models/en/vctk/vits --use_cuda true

Note

--model_name を更新することが可能です. そのためにmodel_list.yamlを参照してください．

2. TTSの起動する機能をパラメタとし tts.launchに設定する．

   <!-- Set Coqui TTS server url -->
   <arg name="url"         default="http://localhost:5002"/>
   <!-- Add period at the end of a sentence (true) -->
   <arg name="addStopChar" default="true"/>
   <!-- Set result sound filename -->
   <arg name="filename"    default="output.wav"/>
   <!-- Set input style_wav if sample voice is given -->
   <arg name="style_wav"   default=""/>
   <!-- Set Speaker ID if multi-speaker model is being used -->
   <arg name="speaker_id"  default="p225"/>
   <!-- Set Language if multi-language model is being used -->
   <arg name="language_id" default=""/>
   <!-- Set sound_audio to true if you want to play the sound -->
   <arg name="sound_audio" default="true"/>

3. tts.launchというlaunchファイルを実行する．

   $ roslaunch coqui_tts_ros tts.launch

(上に戻る)

マイルストーン

• --model_name をパラメータとして設定できるようにする．
• style_wav の機能を導入する．

現時点のバッグや新規機能の依頼を確認するためにIssueページ をご覧ください．

(上に)

参考文献

• coqui-ai/TTS
• coqui-ai/TTS Docker images

(上に戻る)