Raspberry Pi 3 Model Bで音声合成して TTS出力する

from https://www.pcmarket.com.hk/2018/06/01/raspberry-pi-%E6%89%93%E6%8B%9B%E5%91%BC-remindbot-%EF%BC%88%E4%BA%8C%EF%BC%89/

現在利用 eSpeak 軟件讀出中文字，要做到這一點，必須為 Raspberry Pi 安裝中文環境的套件，包括中文字型與中文輸入法。只需在 Terminal 輸入下面的指令，就可以安裝有關的套件。

在指令中輸入： sudo apt-get install fonts-arphic-uming scim scim-chewing

指令中，最後的「 scim-chewing 」是一個名為「新酷音」的輸入法，如果想安裝倉頡或速成等輸入法，可將最後的「 scim-chewing 」改為「 scim-tables-zh 」套件。完成安裝後，重新啟動電腦，在桌面會出現一個輸入法的圖示，讓我們選擇不同的輸入法。

完成安裝後，重新啟動電腦，在桌面會出現一個輸入法的圖示，讓我們選擇不同的輸入法。

安裝 eSpeak 讀出中文

在習作中，負責合成和輸出語音的軟件是 eSpeak ，在這裡先為大家介紹一下這個軟件。 eSpeak 是一個語音合成（ Text-To-Speech TTS ）軟件，顧名思義就是把文字轉換成語音。除了英語外，還支援其它多種語言，並可以調節語音朗讀的速度，和選擇不同的聲音特質，如男性或女性的聲音，作為最後的合成語音。

在 Raspberry Pi 中使用 eSpeak ，只要簡單地在 Terminal 輸入指令列便可。另外，我們可以與其他感應器配合使用，並且編寫 Python 程式，呼叫 eSpeak 軟件，用來製作一個完整的習作。

Step 1

輸入指令 sudo apt-get install espeak

安裝 eSpeak 軟件的方法非常簡單，只要在 Terminal 中輸入指令： sudo apt-get install espeak

Step 2

輸入測試指令 espeak“hello nice to meet you”

完成後，就可以使用 eSpeak 軟件，在 Terminal 中輸入下列的測試指令： espeak“hello nice to meet you”

Step 3

按下 Enter 鍵後， Raspberry Pi 便會透過連接著的喇叭，說出英語句子。如果想選擇不同的女性或男性聲音，可在指令中加入例如 -v f5 等參數， Raspberry Pi 便會以女性的聲音說出英語句子：Espeak –v f5
“hello nice to meet you”

你可以選擇 5 種女性的聲音( f1-f5 )，或7種男性聲音( m1-m7 )；另外還有 croak klatt 或 whisper 等不同的朗讀聲調效果。

Step 4

我們亦可以控制朗讀的速度，可在指令中加入例如 -s 80 等參數，改變朗讀的速度： Espeak –v f5 –s 80“hello nice to meet you”

在上述的指令中，明顯地發現朗讀的速度，是比一般情況為慢。

明白上述資料，我們就可以為 RemindBot 選擇適合的聲音特質和朗讀速度。

from http://www.neko.ne.jp/~freewing/raspberry_pi/raspberry_pi_3_text_to_speach/

● Raspberry Pi 3 Model Bで音声合成して TTS出力する

　まずは、音声出力のスピーカの動作の確認から。

　音声出力の音量の設定
$ alsamixer

　音声出力 自動
$ amixer cset numid=3 0

　音声出力 ヘッドホンジャック
$ amixer cset numid=3 1

　音声出力 HDMI
$ amixer cset numid=3 2
　※ HDMIから音声が出ない場合は config.txtの # hdmi_driver=2の行の #を取る。
　※行の先頭の #を取る。
# hdmi_driver=2
　を
hdmi_driver=2
　にする。

　スピーカーのテスト
$ speaker-test -t sine -f 800

　サウンドの再生確認
$ aplay /usr/share/sounds/alsa/Front_Center.wav
$ aplay /usr/share/sounds/alsa/Noise.wav

---

● Raspberry Pi 3 Model Bで英語の音声合成を使用して英語を出力する

　英語のTTS、English Text to Speech

RPi Text to Speech (Speech Synthesis) 
　を参考にしました。

● Festival Text to Speech

$ sudo apt-get -y install festival
$ echo "Please note that these documents are a work in progress." | festival --tts

● Espeak Text to Speech

$ sudo apt-get -y install espeak
$ espeak -ven+f3 -k5 -s150 "Please note that these documents are a work in progress."

● Pico Text to Speech

$ sudo apt-get -y install libttspico-utils
$ pico2wave -w sample.wav "Please note that these documents are a work in progress." && aplay sample.wav

---

● Raspberry Pi 3 Model Bで中国語の音声合成を使用して中国語を出力する

　中国語のTTS、Chinese Text to Speech

　Ekho(余音) - 中文语音合成软件(支持粤语、普通话)
Ekho - Chinese text-to-speech software 

GitHub hgneng/ekho 

How to Install Ekho (for Linux and Raspberry Pi) 

$ sudo apt-get -y install libsndfile1-dev libpulse-dev libncurses5-dev libestools2.1-dev festival-dev libmp3lame-dev
$ wget http://jaist.dl.sourceforge.net/project/e-guidedog/Ekho/6.5/ekho-6.5.tar.xz
$ tar xJvf ekho-6.5.tar.xz
$ cd ekho-6.5
$ ./configure --enable-festival
$ make CXXFLAGS=-DNO_SSE
$ sudo make install
$ ekho "hello 123 树莓派 中文语音合成"
$ ekho -h

Ekho text-to-speech engine.
Version: 6.5

Syntax: ekho [option] [text]
-v, --voice=VOICE
        Specified language or voice. ('Cantonese', 'Mandarin', 'Hakka', 'Tibetan', 'Ngangien' and 'Hangul' are available now. Mandarin is the default language.)
-l, --symbol
        List phonetic symbol of text. Characters' symbols are splited by space.
-f, --file=FILE
        Speak text file. ('-' for stdin)
-o, --output=FILE
        Output to file.
-t, --type=OUTPUT_TYPE
        Output type: wav(default), ogg or mp3
-p, --pitch=PITCH_DELTA
        Set delta pitch. Value range from -100 to 100 (percent)
-a, --volume=VOLUME_DELTA
        Set delta volume. Value range from -100 to 100 (percent)
-r, --rate=RATE
        Set delta rate (this scales pitch and speed at the same time). Value range from -50 to 100 (percent)
-s, --speed=SPEED
        Set delta speed. Value range from -50 to 300 (percent)
--server
        Start Ekho TTS server.
--request=TEXT
        Send request to Ekho TTS server.
--port
        Set server port. Default is 2046.
--version
        Show version number.
-h, --help
        Display this help message.

Please report bugs to Cameron Wong (hgneng at gmail.com)

● pa_simple_new() failed: Connection refusedエラーが出る場合

　実行時に pa_simple_new() failed: Connection refusedエラーが出る場合は、

$ ./ekho "hello 123"
pa_simple_new() failed: Connection refused
pa_sample_spec(format=3,rate=16000,channels=ch=1)
Fail to init audio stream.
Fail to init sound.

　pulseaudioを再インストールする。
$ sudo apt-get -y install pulseaudio

---

● googleの音声認識

　wave形式で録音して flac形式に変換して Google音声認識 APIに渡す。
　下記の www.google.com/speech-api/v1/recognizeは既に廃止となっているので使えない。

$ arecord -D "plughw:1,0" -d 5 file.wav
$ ffmpeg -i file.wav -ar 16000 -acodec flac file.flac
$ pacpl --overwrite -t flac file.wav
$ wget -q -U "Mozilla/5.0" -post-file file.flac -header "Content-Type: audio/x-flac; rate=16000" -O - "http://www.google.com/speech-api/v1/recognize?lang=zh-cn&client=chromium"


GitHub pranavrc/audio-transcribe 
$ sudo apt-get -y install pacpl
$ wget https://github.com/pranavrc/audio-transcribe/raw/master/speech.py
$ wget https://github.com/pranavrc/audio-transcribe/raw/master/softkitty.wav
$ python ./speech.py softkitty.wav

softkitty.flac
Unable to connect

Reverse Engineering Google's Speech To Text API (v2)