Interface編集部
2024年8月号…2部「音…声を取り込んでテキストを読み上げてもらう」
以下に本稿掲載のコードを実行するための手順を解説します（本誌サイトからダウンロードできる，本稿プログラム・フォルダ中の「CQ出版検証係から20240625.txt」と同じ内容）．
ここでは動作環境は，Windows11(64bit)にPython3.10.6をインストール済，ログインユーザは「if」としてます．※ユーザ名「if」部分は適宜各環境のユーザ名として読み替えてください．
●コマンドプロンプトを起動し，以下のコマンドで仮想環境「env-va」を作成，有効化します
C:\Users\if>python -m venv env-va
C:\Users\if>.\env-va\Scripts\activate
(env-va) C:\Users\if>
●「env-va」フォルダに移動し，「user」フォルダを作成，pipをアップデートします
(env-va) C:\Users\if>cd env-va
(env-va) C:\Users\if\env-va>md user
(env-va) C:\Users\if\env-va>python.exe -m pip install –upgrade pip
(env-va) C:\Users\if\env-va>pip install –upgrade setuptools
●「env-va」フォルダ内に「VALL-E-X」をインストールし，必要なライブラリをインストールします
(env-va) C:\Users\if\env-va>git clone https://github.com/Plachtaa/VALL-E-X.git
(env-va) C:\Users\if\env-va>cd VALL-E-X
(env-va) C:\Users\if\env-va\VALL-E-X>pip install -r requirements.txt
●CUDA対応PyTorchに更新します
(env-va) C:\Users\if\env-va\VALL-E-X>pip install -U torch –index-url https://download.pytorch.org/whl/cu118
●以下のコードをtest.pyとして保存します
import torch
if torch.cuda.is_available():
print(torch.cuda.get_device_name(0))
else:
print(“CUDAが無効です．”)
●「python test.py」として実行します．以下のようにGPUボード名が表示されCUDAが有効であることを確認します．
(env-va) C:\Users\if\env-va\VALL-E-X>python test.py
NVIDIA GeForce RTX 3060
●FFmpegをダウンロード，インストールします．
以下の公式サイトにアクセスし
https://ffmpeg.org/
「Download」をクリック，「Windows」のアイコンをクリックすると
すぐ下の 「Windows EXE Files」に
「Windows builds from gyan.dev」
「Windows builds by BtbN」
の２つのサイト名のリンクが表示されます．
今回は，2つ目の 「Windows builds by BtbN」をクリックすることとします．
クリックすると以下のページに移動します．
https://github.com/BtbN/FFmpeg-Builds/releases
この中から，以下のファイルをダウンロードします．
ffmpeg-master-latest-win64-gpl.zip
ダウンロード後，本ファイルを解凍します．
この中の「bin」フォルダを「C:\Users\if\env-va\」
内に「ffmpeg」フォルダを作成した上（「C:\Users\if\env-va\ffmpeg」の中に），
コピーします．
●Windowsの環境変数を設定します．ユーザ環境変数の「Path」に以下を追加します．設定後，再起動します．
C:\Users\if\env-va\VALL-E-X
C:\Users\if\env-va\VALL-E-X\utils
C:\Users\if\env-va\ffmpeg\bin
※ユーザ名「if」の部分は，適宜ご利用の環境に合わせて読み替えてください．
●再起動後，「C:\Users\if\env-va\user」フォルダに，
本誌ダウンロードサイトからダウンロードした以下のファイルをエクスプローラで配置します．
settings.ini
tts1.py
tts2.py
●テキスト読み上げ実験･･･①プリセット音声を試します．
・コマンドプロンプトを起動し，以下のコマンドで仮想環境「env-va」を有効化します
C:\Users\if>.\env-va\Scripts\activate
(env-va) C:\Users\if>
・「env-va\VALL-E-X」に移動します．
(env-va) C:\Users\if>cd env-va\VALL-E-X
・以下の通り，「user」フォルダ内の「tts1.py」を実行します．
(env-va) C:\Users\if\env-va\VALL-E-X>python ..\user\tts1.py
注意：本コマンド実行時，「VALL-E-X」フォルダにいることを確認してください
・「user」フォルダ内に「vallex_generation.wav」ファイルが生成されている事を確認します．
このファイルを再生すると「インターフェース誌は毎月25日発売です．」と読み上げられることが確認できます．
●テキスト読み上げ実験･･･②自分の声を試します．
Windows付属のサウンドレコーダーを起動し「settings.ini」の「sample_transcript」に記載されている内容
（「おかけになった番号は，電波が届かない場所にあるか，電源が入っておりません」）を
読み上げながら録音，保存します．
「C:\Users\if\Documents\サウンド レコーディング」
に「レコーディング.m4a」のように保存されている事を確認します．
先程，FFmpegをインストールしたので，以下のようにwavファイルに変換します．
コマンドプロンプトを立ち上げ以下の様に実行
cd “C:\Users\if\Documents\サウンド レコーディング”
ffpeg -i レコーディング.m4a sample.wav
変換された「sample.wav」ファイルを「C:\Users\if\env-va\user」フォルダに移動します．
仮想環境のコマンドプロンプト画面に戻り以下のように「tt2.py」を実行します．
(env-va) C:\Users\if\env-va\VALL-E-X>python ..\user\tts2.py
注意：本コマンド実行時，「VALL-E-X」フォルダにいることを確認してください
「user」フォルダ内に「vallex_generation.wav」が新しく生成されます．
こちらを再生すると自分の声で再生されることが確認できます．
