voicevox_demo.py

from pathlib import Path
from voicevox_core import AccelerationMode, VoicevoxCore
import sounddevice as sd
import soundfile as sf

SPEAKER_ID = 2  # 話者IDを指定

open_jtalk_dict_dir = './open_jtalk_dic_utf_8-1.11'
text = 'これは音声合成のデモンストレーションです。'
OUTPUT_WAV = 'output.wav'
out = Path(OUTPUT_WAV)
acceleration_mode = AccelerationMode.AUTO

def main():
    core = VoicevoxCore(
        acceleration_mode=acceleration_mode, open_jtalk_dict_dir=open_jtalk_dict_dir
    )
    core.load_model(SPEAKER_ID)  # 話者IDを指定してモデルをロード

    audio_query = core.audio_query(text, SPEAKER_ID)
    wav = core.synthesis(audio_query, SPEAKER_ID)  # 音声合成を実行
    out.write_bytes(wav)  # 合成結果をwavに保存する

    # 合成結果のwavを再生する
    data, fs = sf.read(OUTPUT_WAV, dtype='float32')  
    sd.play(data, fs) # 再生
    sd.wait() # 再生完了まで待機（この命令は必須！）


if __name__ == "__main__":
    main()