Raspy 语音警报可传达设备异常情况

在 Raspberry Pi 上使用 TTS（文本到语音），可以让它用自然语音说出文本。尤其是固定的短句，即使 Raspberry Pi 的性能不佳，也能近乎实时地播放出来。

它可用于各种情况，但在工业应用中，它是工厂车间和其他使用传感器的环境的有效手段。
从传感器接收到异常情况或从设备接收到系统事件后，就会生成警报，并可通过 TTS 语音通知。

本期我们将介绍可在 PL-R5m 工业 Raspi 上与 Raspberry Pi OS 书虫配合使用的语音合成软件，并附有代码示例。

本文演示了如何使用 Open JTalk 和 VOICE BOX 进行日语文本到语音的转换。如果您打算使用其他语言，请考虑使用其他软件。

音频输出

PL-R5M 工业级 Raspberry Pi 没有音频输出插孔；Raspberry Pi 5 也没有，但省略了 3.5 毫米立体声插孔，因此它依靠 HDMI 显示器上的扬声器进行音频输出。
在未连接显示器的环境中，将听不到任何声音。在这种情况下，请使用 USB 连接的扬声器。

验证音频输出的实用命令

# Step 1: List all connected USB devices
lsusb

# Step 2: Check the audio device number
aplay -l

# Step 3: Configure and check the audio output destination
sudo raspi-config

# Step 4: Play a sample sound for testing
aplay /usr/share/sounds/alsa/Front_Center.wav

在这种情况下，输出来自连接到 PL-R5M 的监听扬声器。

Open JTalk

Open JTalk 是一款适用于 Raspberry Pi 的开源日语文本转语音系统。它运行高效，内存占用率低，使用 apt 命令即可轻松安装。

需要安装三个。

• open-jtalk –> 正文
• open-jtalk-mecab-naist-jdic –> 词典数据
• hts-voice-nitech-jp-atr503-m001 –> 声学模型

sudo apt update
sudo apt install open-jtalk open-jtalk-mecab-naist-jdic hts-voice-nitech-jp-atr503-m001

支持软件包管理器，如 docker、homebrew、node.js 和 .NET。

按命令运行

打开的 JTalk 可以使用命令运行。通过复制和粘贴在终端屏幕上运行以下内容，看看是否有任何错误。

echo "おはようございます" | open_jtalk \
  -x /var/lib/mecab/dic/open-jtalk/naist-jdic \
  -m /usr/share/hts-voice/nitech-jp-atr503-m001/nitech_jp_atr503_m001.htsvoice \
  -ow out.wav
aplay out.wav

• 选项 -x 是字典文件的路径
• 选项-m 是使用的语音模式
• 选项-ow 是输出 WAV 文件的名称

如果用 ECHO 书写的简短句子立即从说话者口中传出，那就是成功。

命令 + 短句执行

将命令作为 shell 脚本运行比每次在命令中指定参数选项更方便。
假设你将以下代码保存为jvoice-m.sh，并在 sh 文件所在的同一目录下以sh jvoice-m.sh "こんにちは"的形式运行。

#!/bin/sh
TMP=/tmp/jsay.wav
echo "$1" | open_jtalk \
-m /usr/share/hts-voice/nitech-jp-atr503-m001/nitech_jp_atr503_m001.htsvoice \
-x /var/lib/mecab/dic/open-jtalk/naist-jdic \
-ow $TMP && \
aplay -q $TMP
rm -f $TMP

如果有执行权限，时间会更短。

chmod +x jvoice-m.sh
./jvoice-m.sh おはようございます

让用户说出预先过滤成文本的句子（shell 脚本）

接下来，如果想让阅读器阅读比短句稍长的文本，可将其保存到文本文件中，然后加载。
注意，如果文本较长，在播放之前会有一定的时间差。

例如，我试着播放维基百科上的两行引文，以 PL-R5m 的性能（相当于 Pi 5 和 CM5），大约 1 秒左右就能播放完毕。

Open JTalk 是名古屋工业大学为日语开发的文本到语音软件。
有两个版本：作为开放源代码提供的独立版本和网站上提供的在线版本。
转引自：https://ja.wikipedia.org/wiki/Open_JTalk

shell 脚本内容：

#!/bin/sh
WAV=~/jvoice.wav
TXT=~/voice_text.txt
echo "$1" | open_jtalk \
-m /usr/share/hts-voice/nitech-jp-atr503-m001/nitech_jp_atr503_m001.htsvoice \
-x /var/lib/mecab/dic/open-jtalk/naist-jdic \
-ow $WAV $TXT && \
aplay -q $WAV

该代码不会让它在临时文件中生成，然后像之前那样将其删除。
，它会在主目录中生成 jvoice.wav，并保持原样。

添加女声 mei（mei）。

我还将添加一个女声。1.8.
在 Raspberry Pi 环境下，从压缩文件中提取的目录会放置在指定目录中。

wget http://downloads.sourceforge.net/project/mmdagent/MMDAgent_Example/MMDAgent_Example-1.8/MMDAgent_Example-1.8.zip

解压缩后，将文件移至/usr/share/hts-voice/ 。

unzip MMDAgent_Example-1.8.zip
sudo cp -R ./MMDAgent_Example-1.8/Voice/mei /usr/share/hts-voice/

尽管代码与我们刚才试听的男声相同，但我们试听时改变了路径，即-m 的参数（第 4 行）。
/usr/share/hts-voice/mei/

#!/bin/sh
TMP=/tmp/jsay.wav
echo "$1" | open_jtalk \
-m /usr/share/hts-voice/mei/mei_normal.htsvoice \
-x /var/lib/mecab/dic/open-jtalk/naist-jdic \
-ow $TMP && \
aplay -q $TMP
rm -f $TMP

下载的音频文件 “五月 “有五种不同的风格，适合不同的情绪。

mei_angry.htsvoice (生气)
mei_happy.htsvoice (快乐)
mei_sad.htsvoice (悲伤)
mei_bashful.htsvoice (害羞)
mei_normal.htsvoice (正常)

您还可以试试另一个女声 tohoku-f01。您可以用同样的方法将它们复制到/usr/share/hts-voice/。
tohoku-f01: https://github.com/icn-lab/htsvoice-tohoku-f01

在 Python 中运行 Open JTalk

以下是在 Python 代码中执行的示例代码。python3 test_openjtalk.py保存为

子流程中的使用示例：

import subprocess

# Input text
text = "こんにちは。ラズパイダからのお知らせです。"

# ファイルにテキストを書き込む
with open("input.txt", "w", encoding="utf-8") as f:
    f.write(text)

# Execute the Open JTalk command
# -m specifies the voice file (HTS Voice), -x specifies the dictionary
subprocess.run([
    "open_jtalk",
    "-x", "/var/lib/mecab/dic/open-jtalk/naist-jdic",
    "-m", "/usr/share/hts-voice/mei/mei_normal.htsvoice",
    "-ow", "output.wav",
    "input.txt"
])

# Playback using the aplay command
subprocess.run(["aplay", "output.wav"])

与子进程一起使用时，它是轻量级的，可以立即播放。
对于短时间的通知，在带子进程的播放器中播放是合适的。这是必要的，也是足够的。

VOICEVOX

VOICEVOX 是一款支持商业用途的免费、高质量文本到语音软件。它特别适合日语语音合成，能提供自然而富有表现力的声音。在 Raspberry Pi 上运行时，您可以安装 VOICEVOX 的开源（OSS）版本，该版本有别于标准商业版本。

不过，如果原封不动地下载 arm64 版本的二进制文件，则会因依赖关系错误而无法在 Raspberry Pi 上运行。
如果与 Docker 一起使用，则可以无错运行。
由于格式是通过 API 使用的，因此通知起来相当方便。

要在 Raspberry Pi 上安装和使用 VOICEVOX，只需在安装 docker 后准备docker-compose.yaml文件和compose up。(~/VOICEVOX を作成して実行しました)

安装 Docker：

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER

# Rootless execution (allowing a user to run without granting administrator privileges via sudo)
sudo apt install -y uidmap
dockerd-rootless-setuptool.sh install

docker-compose.yaml：

services:
  voicevox:
    image: voicevox/voicevox_engine:cpu-arm64-latest
    container_name: voicevox
    ports:
      - "50021:50021"
    volumes:
      - ./voicevox_data:/workspace
    restart: unless-stopped

集装箱启动：

docker compose up -d

通过指定端口号 (http://localhost:50021/docs) 访问时，它将显示在 Swagger UI 中，并可与 REST API 配合使用。

在这种情况下，使用以下 Python 代码来设置和运行程序。
默认（标准）的 Raspberry Pi 操作系统不包含 requests 模块，因此仍使用 pip 进行安装。pip3 install requests

VOICEVOX Python 代码示例：

import requests
import subprocess
import os

VOICEVOX_URL = "http://localhost:50021"

text = "温度異常検知！設備を確認してください。"

# 1. audio_query
res = requests.post(f"{VOICEVOX_URL}/audio_query",
                    params={"text": text, "speaker": 14, "style_id": 0})
res.raise_for_status()
audio_query = res.json()

# 2. synthesis
res2 = requests.post(f"{VOICEVOX_URL}/synthesis",
                     params={"speaker": 14, "style_id": 0},
                     json=audio_query)
res2.raise_for_status()

wavfile = "voicevox_output.wav"
with open(wavfile, "wb") as f:  # Write binary
    f.write(res2.content)

# 3. Play audio
subprocess.run(["aplay", wavfile])
os.remove(wavfile)

在这段代码中，可以在 audio_query 的 “speaker “和 “style_id “参数中指定扬声器；合成时必须使用完全相同的参数。

VOICEVOX 有 39 种不同的声音。

发言人名单：

当我运行它时，生成的 WAV 在几秒钟后就播放了。
我让它用子进程 aplay 播放，就像 OpenJTalk 一样。
生成语音的时间稍长，部分原因是 VOICEVOX 的音质更好。实时系统稍差，但语音听起来比 OpenJTalk 更自然。

VOICEPEAK 可用于商业用途

说起可用于商业用途的人工智能语音合成软件，打包产品 “VOICEPEAK “可谓家喻户晓。在 Youtube 上，使用这种语音的视频已经屡见不鲜。

事实上，它还兼容 Raspberry Pi 4。
不过，由于这款软件不支持 CLI（命令行），因此不能嵌入程序中使用。
可以将文件保存为音频文件，因此如果想使用预制的 WAV 文件，可以在程序中调用。

支持的操作系统：
Windows 11/10 或更高版本（64 位）
macOS 10.13 或更高版本
Ubuntu 20.04 或更高版本（64 位）
Raspberry Pi（型号：Raspberry Pi 4 / OS：树莓派操作系统（64 位）

由于它不能从程序中调用，因此在 Raspberry Pi 上使用它没有什么好处。

为 Raspberry Pi 打开 JTalk

最后，考虑到 Raspberry Pi 的性能，Open JTalk 是最佳选择：它速度快，易于 CLI 以及 Python 代码的使用，只需子进程+播放即可。
即使在 shell 脚本或 Python 中调用，Pi 5 和 CM5 系列也几乎没有延迟。
它可以通过 apt 软件包安装，这也是它成为最佳选择的原因之一。

如果您使用 WEB API，它还可以作为 TTS（文本到语音）实用工具，让它为通知说话。
Open JTalk 自 2018 年底以来没有更新过，但它很稳定。希望你能一试。

VOICEVOX 还可以选择说话者的声音，并可根据情况进行更改。(虽然语音语调太可爱，不适合商务用途……）。