多言語の音声合成（Bark，Python，PyTorch を使用）（Windows 上）

前準備

Git のインストール（Windows 上）

Gitは，バージョン管理システム．ソースコードの管理や複数人での共同に役立つ．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

【サイト内の関連ページ】

• Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明している．
• Windows での Anaconda3 のインストール: 別ページ »で説明している．
• Python のまとめ: 別ページ »にまとめている．

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.6 のインストール（Windows 上）

【サイト内の関連ページ】

NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

• Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明している．

【関連する外部ページ】

• Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
• NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
• NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
• winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch のページを確認

   PyTorch のページ: https://pytorch.org/index.html

3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

   次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用） をインストールする． 但し，Anaconda3を使いたい場合には別手順になる．

   事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

   PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．

   python -m pip install -U --ignore-installed pip
   python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118
   python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   

   Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し， 次のコマンドを実行する． （PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．

   conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
   py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   【サイト内の関連ページ】

   • Windows での PyTorch のインストール: 別ページ »で説明している．

   【関連する外部ページ】

   • PyTorch のページ: https://pytorch.org/index.html

Bark のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. ダウンロードとインストール

   cd %HOMEPATH%
   rmdir /s /q bark
   git clone https://github.com/suno-ai/bark
   cd bark
   python -m pip install . 
   

Bark による音声合成

音声合成

使用可能な言語は次のページに記載されている: https://github.com/suno-ai/bark#supported-languages

1. Windows で，コマンドプロンプトを実行
2. 次のコマンドを実行

   python -m bark --text "日本国民は、国家の名誉にかけ、全力をあげてこの崇高な理想と目的を達成することを誓ふ。" --output_filename "bark.wav"
   bark.wav
   

   

プリセットを指定して音声合成

使用可能なプリセットは次のページに記載されている: https://github.com/suno-ai/bark/tree/main/bark/assets/prompts

1. Windows で，コマンドプロンプトを実行
2. 次のコマンドを実行

   python -m bark --history_prompt  "v2/ja_speaker_9" --text "日本国民は、国家の名誉にかけ、全力をあげてこの崇高な理想と目的を達成することを誓ふ。" --output_filename "bark.wav"
   bark.wav
   

   

Bark による音声合成を行う Python プログラム（Windows 上）

音声合成

1. Windows で，コマンドプロンプトを実行
2. エディタを起動

   cd %HOMEPATH%\bark
   notepad tts.py
   

3. エディタで，次のプログラムを保存

   このプログラムは， 公式の GitHub のページ: https://github.com/suno-ai/barkで公開されていたものを変更して使用している．

   from bark import SAMPLE_RATE, generate_audio, preload_models
   from scipy.io.wavfile import write as write_wav
   
   # download and load all models
   preload_models()
   
   # generate audio from text
   text_prompt = """
   日本国民は、国家の名誉にかけ、全力をあげてこの崇高な理想と目的を達成することを誓ふ。
   """
   audio_array = generate_audio(text_prompt)
   
   # save audio to disk
   write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)
   

   
4. Python プログラムの実行

   Python プログラムの実行

   • Windows では python （Python ランチャーは py）
   • Ubuntu では python3

   Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

   Python のまとめ: 別ページ »にまとめ

   プログラムを tts.pyのようなファイル名で保存したので， 「python tts.py」のようなコマンドで行う．

   python tts.py
   

   
5. 結果の確認

   bark_generation.wav
   

   

プリセットを指定して音声合成

使用可能なプリセットは次のページに記載されている: https://github.com/suno-ai/bark/tree/main/bark/assets/prompts

1. Windows で，コマンドプロンプトを実行
2. エディタを起動

   cd %HOMEPATH%\bark
   notepad preset.py
   

3. エディタで，次のプログラムを保存

   このプログラムは， 公式の GitHub のページ: https://github.com/suno-ai/barkで公開されていたものを変更して使用している．

   from bark import SAMPLE_RATE, generate_audio, preload_models
   from scipy.io.wavfile import write as write_wav
   
   # download and load all models
   preload_models()
   
   # generate audio from text
   text_prompt = """
   日本国民は、国家の名誉にかけ、全力をあげてこの崇高な理想と目的を達成することを誓ふ。
   """
   audio_array = generate_audio(text_prompt, history_prompt="v2/ja_speaker_9")
   
   # save audio to disk
   write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)
   

   
4. Python プログラムの実行

   Python プログラムの実行

   • Windows では python （Python ランチャーは py）
   • Ubuntu では python3

   Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

   Python のまとめ: 別ページ »にまとめ

   プログラムを preset.pyのようなファイル名で保存したので， 「python preset.py」のようなコマンドで行う．

   python preset.py
   

   
5. 結果の確認

   bark_generation.wav