Open Jtalkを入れてみたのでインストール・環境設定をメモ書き

会社の開発チームから、"音声合成ツールのOpen Jtalkを試したいので、開発サーバーに入れといてくださ～い"との依頼を受けたので、ひとまず動かせるところまでざざっと調べてインストールしたので、ログをささっと。
メモっておかないと次回セットアップするとき忘れちゃいそう(汗 セットアップ環境は、Amazon Linux。

■予備知識

HMMとは？

Hidden Markov Modelの略で、確率モデルの一つ。音声認識に利用されている(らしい)

HTKとは？

Hidden Markov Model Tool Kit の略。HMMを利用した音声認識ツールキット。
http://htk.eng.cam.ac.uk/

HTSとは？

修正HTK。
名古屋工業大学徳田・李研究室 が提供する音声合成基盤ソフトウェア。

• HMM-based Speech Synthesis System
  http://hts.sp.nitech.ac.jp/

Open Jtalkとは？

オープンソースの日本語音声合成エンジン
入力された日本語テキストに基づいて人工音声を生成する、テキスト音声システム。

• BSDライセンス準拠。
• 名古屋工業大学で開発。
• 音声認識エンジンにHTSを使う。
  http://open-jtalk.sourceforge.net/

関連する環境

• MMDAgent
  サンプルファイルの公開など。
  http://sourceforge.net/projects/mmdagent/files/MMDAgent/MMDAgent-1.4/MMDAgent-1.4.zip/download

参考情報

参考：お世話になっております。
Open JTalk公式ページ
http://open-jtalk.sourceforge.net/

hts_engine API
http://hts-engine.sourceforge.net/

MMDAgent
http://www.mmdagent.jp/

■環境設定のドラフト～

作業ディレクトリ

ソースコードのダウンロード、展開、コンパイル等は以下のディレクトリで実施。

/home/user/src/open_jtalk

ソースコード

open jtalk のインストールに必要なファイル群。
バージョンは2014/10/23現在に使用したものを記載。

• hts_engine
  HTSのランタイムエンジン。
  • hts_engine_API-1.08.tar.gz
    http://downloads.sourceforge.net/hts-engine/hts_engine_API-1.08.tar.gz

• open jtalk モジュールファイル群
  • open_jtalk-1.07
    http://downloads.sourceforge.net/open-jtalk/open_jtalk-1.07.tar.gz

• 辞書ファイル
  • open_jtalk_dic-1.07
    http://sourceforge.net/projects/open-jtalk/files/Dictionary/open_jtalk_dic-1.07/open_jtalk_dic_utf_8-1.07.tar.gz/download

• 音声ファイル
  • hts_voice_nitech_jp_atr503_m001-1.05
    http://downloads.sourceforge.net/open-jtalk/hts_voice_nitech_jp_atr503_m001-1.05.tar.gz

• サンプル音声
  • MMDAgent_Example-1.4
    http://sourceforge.net/projects/mmdagent/files/MMDAgent/MMDAgent-1.4/MMDAgent-1.4.zip/download

• インストール先
  RPMやOSコマンドと区別するため、基本的にすべて/usr/local以下に展開。
  • 実行ファイル

    /usr/local/bin/以下

  • インクルードファイル

    /usr/local/include/

  • ライブラリ

    /usr/local/lib/

  • open jtalk辞書ファイル

    /usr/local/share/open_jtalk/

  • open jtalk音声ファイル、サンプルファイル

    /usr/local/share/hts_voice/

■インストールログ

　※ソースからのコンパイルになるので、インストール管理ツールに"porg"を使用。
　porg
　http://porg.sourceforge.net/

１）hts_engine API のインストール

まず最初にHTSエンジンのAPI(HTSのランタイムエンジン)をインストール
Open Jtalkの実行環境として使うだけなので、ランタイムだけでひとまずOKの様子。

• ダウンロードと展開

  $ wget http://downloads.sourceforge.net/hts-engine/hts_engine_API-1.08.tar.gz
  $ tar zxvf hts_engine_API-1.08.tar.gz

• ビルド、コンパイル

  $ cd hts_engine_API-1.08
  $ ./configure
  $ make

• インストール

  $ sudo porg -lp hts_engine_api-1.08 "make install"

• [インストールされたファイル]

  $ porg -f hts_engine_api-1.08
  hts_engine_api-1.08:
  /usr/local/bin/hts_engine
  /usr/local/include/HTS_engine.h
  /usr/local/lib/libHTSEngine.a

２）OpenJTalkのインストール

ビルド時に"–with-charset="オプションで文字コードを指定しておくこと。
(文字コードを指定せずにインストールしたら、UTF-8形式のテキストを認識しなくて軽くハマっちゃったｗ)
今回はサーバー環境に合わせてUTF-8を指定。

• ダウンロードと展開

  $ wget http://downloads.sourceforge.net/open-jtalk/open_jtalk-1.07.tar.gz
  $ tar zxvf open_jtalk-1.07.tar.gz

• ビルド、コンパイル

  $ cd open_jtalk-1.07
  $ ./configure --with-charset=UTF-8
  $ make

• インストール

  $ sudo /usr/local/bin/porg -lp open_jtalk-1.07 "make install"

• [インストールされたファイル]

  $ porg -f open_jtalk-1.07
  open_jtalk-1.07:
  /usr/local/bin/open_jtalk
  /usr/local/dic/char.bin
  /usr/local/dic/left-id.def
  /usr/local/dic/matrix.bin
  /usr/local/dic/pos-id.def
  /usr/local/dic/rewrite.def
  /usr/local/dic/right-id.def
  /usr/local/dic/sys.dic
  /usr/local/dic/unk.dic

３）各種ファイル群のコピー

1. ライブラリ用ディレクトリの作成
   • 辞書ファイル用ディレクトリ

     # mkdir /usr/local/share/open_jtalk

   • 音声ファイル用ディレクトリ

     # mkdir /usr/local/share/hts_voice

   • 辞書ファイルの展開

     $ wget http://sourceforge.net/projects/open-jtalk/files/Dictionary/open_jtalk_dic-1.07/open_jtalk_dic_utf_8-1.07.tar.gz/download
     $ tar zxvf open_jtalk_dic_utf_8-1.07.tar.gz
     # su -
     # mv open_jtalk_dic_utf_8-1.07 /usr/local/share/open_jtalk/

   • 音声ファイル

     $ wget http://downloads.sourceforge.net/open-jtalk/hts_voice_nitech_jp_atr503_m001-1.05.tar.gz
     $ tar zxvf hts_voice_nitech_jp_atr503_m001-1.05.tar.gz
     # su -
     # mv hts_voice_nitech_jp_atr503_m001-1.05 /usr/local/share/hts_voice/

   • サンプル音声

     $ unzip MMDAgent-1.4.zip
     # su -
     # mv MMDAgent-1.4 /usr/local/share/hts_voice/

■動作テスト

(以下、自社内での作業ログなのでスルーOKです)
動作テストに際してのポイントを以下に取りまとめ。

• テキストファイルをUTF-8で作成し、open_jtalkコマンドにて読み込む。
• 出力音声ファイルは.wav形式となる。
• /home/user/sandbox以下にテスト用テキストファイルと出力音声ファイルを保存。
• 出力ファイルは出力先を指定可能だが、指定が無い場合はカレントディレクトリに出力される(ファイル名の指定は必須)

１）入力分『おはよう』

入力ファイル：/home/user/sandbox/test.txt
出力ファイル：/home/user/sandbox/output.wav
実行コマンド：	open_jtalk -m /usr/local/share/hts_voice/hts_voice_nitech_jp_atr503_m001-1.05/nitech_jp_atr503_m001.htsvoice \
		-ow output.wav -x /usr/local/share/open_jtalk/open_jtalk_dic_utf_8-1.07 test.txt

２）入力分『本日は晴天なり』

入力ファイル：/home/user/sandbox/test2.txt
出力ファイル：/home/user/sandbox/output2.wav
実行コマンド：	$ open_jtalk -m /usr/local/share/hts_voice/hts_voice_nitech_jp_atr503_m001-1.05/nitech_jp_atr503_m001.htsvoice \
		-ow output2.wav -x /usr/local/share/open_jtalk/open_jtalk_dic_utf_8-1.07 test2.txt

といったところで、生成したwavファイルを再生・確認して完了。
イントネーションとかはともかく、割とはっきりとした音声で、なかなか面白いかも。
ひとまずこれで開発チームに戻しつつ、どういうカスタマイズをしたり依頼されたりするか、といったあたりは
今後の依頼次第でもうちょっと勉強したり試してみようかと。