VOICEVOX で通知の声を作る：無料の読み上げソフトで、メッセージを 1 行のコマンドで WAV にしてラズパイで鳴らす

わたしの家では、ラズパイが声で知らせてくれます。「メルカリで、商品が売れました。」「データベースの、バックアップに失敗しました。」といった声です。この声は、無料の読み上げソフト VOICEVOX（ボイスボックス）を使って、PC で作っています。

この記事では、声を作るところだけを紹介します。VOICEVOX をインストールして声を選び、1 行のコマンドで、メッセージを WAV のファイルにします。できたファイルは、ラズパイでもスマホでも、どこでも鳴らせます。

できあがる声の例です（里石ユカ（つぼみ）の声・約 3 秒）。

VOICEVOX とは

VOICEVOX は、文章を打つと、キャラクターの声で読み上げてくれる無料のソフトです。Windows・Mac・Linux で動き、商用でも使えます。声は、ずんだもん・四国めたん・春日部つむぎなど、たくさんのキャラクターから選べます。

画面で文章を打って読ませるのがふつうの使い方ですが、VOICEVOX は、起動しているあいだ、ほかのプログラムから声を頼める窓口（音声合成エンジン）も PC の中に開きます。この記事では、この窓口を Python から呼んで、声を自動で作ります。

手順 A：VOICEVOX をダウンロードして、インストールする

公式サイトの「ダウンロード」を押すと、OS とパッケージを選ぶ画面が出ます。Windows なら「Windows」「インストーラー」を選んで、下の「ダウンロード」を押します。

ダウンロードしたインストーラーを開いて、画面の案内のとおりに進めます。この記事で試したのは 0.25.2 です（公式サイトのトップの表示は 0.26.2）。インストールが済んだら、VOICEVOX を 1 回起動して、利用規約に同意します。画面で文章を打って、左下の再生のボタンを押し、声が出れば準備はできています。

VOICEVOX の画面（キャラクターの絵とアイコンは、この記事では消しています）

• GPU モードは、起動したあとに選べます。上のメニューの「設定」→「オプション」の「エンジンモード」です。試した PC（Intel Arc A310）では、GPU にすると新しいメッセージのたびに 16 秒ほどかかり、CPU（1〜3 秒）より遅くなりました。通知のような短いメッセージなら、CPU のままで十分です。
• 使い方の詳しい説明は、公式サイトの使い方と Q&A にあります。

手順 B：メッセージを WAV にするスクリプトを置く

PC の好きなフォルダー（例：C:\voice）に、次のファイルを make_voice.py の名前で保存します。文字コードは UTF-8 にします。Python の標準の部品だけで動くので、pip でのインストールは必要ありません。

# -*- coding: utf-8 -*-
# VOICEVOX で、メッセージを WAV のファイルにする（PC で動かす・Python の標準だけ）
# 使い方：VOICEVOX を起動してから
#   python make_voice.py 話者の番号 ファイルの名前.wav "読ませるメッセージ"
#   python make_voice.py --list      … 話者の番号の一覧を出す
import json
import sys
import urllib.parse
import urllib.request
ENGINE = "http://127.0.0.1:50021"  # VOICEVOX を起動すると、この PC の中だけで待ち受ける
def call(path, data=None):
    req = urllib.request.Request(ENGINE + path, data=data, method="POST" if data is not None else "GET",
                                 headers={"Content-Type": "application/json"})
    with urllib.request.urlopen(req, timeout=120) as r:
        return r.read()
if len(sys.argv) > 1 and sys.argv[1] == "--list":
    for sp in json.loads(call("/speakers")):
        for st in sp["styles"]:
            print(st["id"], sp["name"], st["name"])
    sys.exit(0)
speaker, out, text = int(sys.argv[1]), sys.argv[2], sys.argv[3]
q = urllib.parse.urlencode({"text": text, "speaker": speaker})
query = call("/audio_query?" + q, data=b"")                                   # 1. 読み方と高さを決める
wav = call("/synthesis?" + urllib.parse.urlencode({"speaker": speaker}), data=query)  # 2. 声にする
with open(out, "wb") as f:
    f.write(wav)
print("作りました：", out, len(wav), "バイト")

• 127.0.0.1:50021：VOICEVOX が起動しているあいだだけ開く窓口です。PC の中からしか呼べないので、外から使われる心配はありません。
• 声は 2 回に分けて頼みます：1 回目（audio_query）で読み方とアクセントを決め、2 回目（synthesis）で声にします。読み方を直したいときは、1 回目の結果を書きかえてから 2 回目に渡せます。
• 窓口の説明は、VOICEVOX を起動した状態で、PC のブラウザーで http://127.0.0.1:50021/docs を開くと読めます（VOICEVOX ENGINE の GitHub にもあります）。

手順 C：声を選んで、WAV を作る

VOICEVOX を起動したまま、PowerShell で次のコマンドを実行します。まず、話者の番号の一覧を出します。

cd C:\voice
python make_voice.py --list

2 四国めたん ノーマル
3 ずんだもん ノーマル
8 春日部つむぎ ノーマル
126 里石ユカ つぼみ

左の番号が、声を作るときに渡す番号です。同じキャラクターでも、「ノーマル」「あまあま」などの話し方（スタイル）ごとに番号が分かれています。VOICEVOX 0.25.2 では、127 の声がありました。どの声にするかは、VOICEVOX の画面でメッセージを読ませて聞きくらべると決めやすいです。

番号を決めたら、メッセージを WAV にします。

python make_voice.py 126 sitebeacon.wav "サイトビーコンから、お知らせが届きました。"

作りました： sitebeacon.wav 137260 バイト

フォルダーにできた sitebeacon.wav をダブルクリックすると、声が聞けます。

手順 D：ラズパイで鳴らす

作った WAV をラズパイに送って、鳴らしてみます。ラズパイにスピーカー（イヤホンの差し口・USB スピーカーなど）を接続しておきます。mypi は、ラズパイのシリーズの第 3 回で決めた SSH の呼び名です。

scp sitebeacon.wav mypi:/tmp/
ssh mypi aplay /tmp/sitebeacon.wav

声が出れば成功です。メールが届いたら鳴らす・夜は鳴らさずに朝まで取っておく、といった「いつ鳴らすか」の仕組みは、売れたメールをラズパイが声で知らせる仕組みで紹介しています。VOICEVOX はラズパイでは重いので、声は PC で前もって作っておき、ラズパイはファイルを鳴らすだけにするのがおすすめです。

試した結果

PC（Core i7-14700・VOICEVOX は CPU モード）で、里石ユカ（つぼみ）の声を作った時間です。

• 通知のメッセージ 1 つなら、1 秒ほどでできます。できた WAV は 24kHz・モノラルで、3 秒の声で約 130KB でした。
• 知らせの声は 15 個ほど前もって作って、ラズパイに置いています。メッセージを変えたいときは、PC でもう 1 回作って送り直すだけです。

まとめ

VOICEVOX を起動しておけば、1 行のコマンドで、好きなメッセージを声のファイルにできます。声は PC で作って、ラズパイは鳴らすだけにすると、Raspberry Pi 3 のような小さなラズパイでも、すぐに声で知らせられます。次は、サイトの監視サービス（SiteBeacon）のお知らせを、ラズパイに読み上げさせてみます。

この記事の声：VOICEVOX:里石ユカ（つぼみ）