omonuinen

TurtleBot1に喋らせるためにOpenJTalkを導入した。OpenJTalkとは、日本語で書かれた文書を読み上げるオープンソースのソフトウェアである。
http://open-jtalk.sourceforge.net/
例によってubuntu(12.04LTS)のレポジトリから入手できるバージョンは古いため、上記サイトから最新版を導入することにした。
導入の方法はhttps://www.geocities.jp/humanrace96/OpenJTalk.htmlが詳しい。ほぼ同じ手順でインストールした。

準備

http://open-jtalk.sourceforge.net/より、以下のファイルをダウンロードする。

• open_jtalk-1.06.tar.gz
• open_jtalk_dic_utf_8-1.06.tar.gz
• hts_voice_nitech_jp_atr503_m001-1.05.tar.gz

また、http://hts-engine.sourceforge.net/より、以下のファイルをダウンロードする。

• hts_engine_API-1.07.tar.gz

上記を適当なフォルダに保存しておく。ここでは説明の都合上、~/Downloads に保存したものとする。

ビルド

手順としては、

1. hts_engine_APIのビルド
2. open_jtalk-1.06にパッチを当てる
3. open_jtalk-1.06のビルド

の順でビルドを行う。
例によって ~/workspace フォルダに上記ファイルを展開していくものとする。

hts_engine_APIのビルド

cd ~/workspace
tar xzf ../Downloads/hts_engine_API-1.07.tar.gz
cd hts_engine_API-1.07
./configure
make
sudo make install

open_jtalk-1.06にパッチを当てる

何もせずにopen_jtalkをビルドすると、文章によっては読み上げの途中でものすごく間延びすることがある。これを解決するにはソースにパッチをあてる必要がある。

*** jpcommon/jpcommon_label.c.orig      2012-12-24 17:18:53.000000000 +0900
--- jpcommon/jpcommon_label.c   2013-05-27 16:35:45.195252424 +0900
***************
*** 284,289 ****
--- 284,290 ----
        if (index == a)
           break;
     }
+    if (i > 3) i = 3;
     return i;
  }
***************
*** 383,388 ****
--- 384,390 ----
     for (i = 0, index = m->next; index != NULL; index = index->next)
        i++;
+    if (i > 10) i = 10;
     return index_mora_in_utterance(m) + i;
  }

上記を適当なファイルmanobi.patchにコピー＆ペーストしてworkspaceフォルダに保存する。その後以下を実行する。
cd ~/workspace
tar xzf ../Downloads/open_jtalk-1.06.tar.gz
cd open_jtalk-1.06/
patch -p0

open_jtalk-1.06をビルドする

パッチが成功したら続けてビルドする。
./configure --with-charset=UTF-8
make
sudo make install

各種データファイルの設定

辞書ファイルおよび音声ファイルを展開する。
tar xzf ../Downloads/hts_voice_nitech_jp_atr503_m001-1.05.tar.gz
tar xzf ../Downloads/open_jtalk_dic_utf_8-1.06.tar.gz
sudo mkdir /usr/local/share/open_jtalk
sudo mv hts_voice_nitech_jp_atr503_m001-1.05/ open_jtalk_dic_utf_8-1.06/ /usr/local/share/open_jtalk/

実行

open_jtalk -m /usr/local/share/open_jtalk/hts_voice_nitech_jp_atr503_m001-1.05/nitech_jp_atr503_m001.htsvoice -ow output.wav -x /usr/local/share/open_jtalk/open_jtalk_dic_utf_8-1.06/
上記を実行すると入力待ちになるので、適当な日本語文章を入力してEnterを押す。すると、その文章を読み上げたファイル（output.wav）が生成されるため、適当なプレイヤー（mplayer等）で再生すればよい。
パラメータが長いので適当なシェルスクリプトを作っておいた方がいいだろう。

TurtleBot1で音声認識をさせるべく、Juliusをインストールしてみた。
http://julius.sourceforge.jp/によると、Juliusは以下のような音声認識エンジンである。

Julius は，音声認識システムの開発・研究のためのオープンソースの高性能な汎用大語彙連続音声認識エンジンです． 数万語彙の連続音声認識を一般のPC上でほぼ実時間で実行できます． また，高い汎用性を持ち，発音辞書や言語モデル・音響モデルなどの音声認識の各モジュールを組み替えることで，様々な幅広い用途に応用できます． Julius はオープンソースソフトウェアで，ソースコードを含めてどなたでもフリーで入手することができます．

ubuntu(12.04LTS)のレポジトリのものは4.1.5と古かったので、最新のソースからビルドすることにした。

準備

http://julius.sourceforge.jp/から以下のファイルをダウンロードする。

• julius-4.2.2.tar.gz
• dictation-kit-v4.1.tar.gz

dictation-kit-v4.1（Juliusディクテーション実行キット）にはJulius本体が同梱されているが、バージョンが古いため最新のエンジンを用意しておく。
なお、説明の都合上、~/Downloadsに保存したものとする。

ビルド

上記のファイルを適当なフォルダ（ここでは~/workspaceとする）で展開する。
cd ~/workspace
tar xzf ../Downloads/julius-4.2.2.tar.gz
tar xzf ../Downloads/dictation-kit-v4.1.tar.gz
julius本体をビルド＆インストールする。
cd julius-4.2.2
./configure
make
sudo make install

実行

以下のコマンドでJuliusを起動すると、連続的に音声認識を行い、認識結果がUTF-8で表示される。
julius -C ~/workspace/dictation-kit-v4.1/fast.jconf -charconv EUC-JP UTF-8

moduleモード

以下のコマンドではmoduleモードで起動する。
julius -C ~/workspace/dictation-kit-v4.1/fast.jconf -module -charconv EUC-JP UTF-8
moduleモードにするとJuliusはポート10500番でlistenし、TCPで接続してきたクライアントに認識結果がXML形式で送られる。
なお、JuliusBookには連続的な接続・切断をサポートするようなことが書かれているが、実際には切断するたびにJuliusが終了するので注意。

注意点

マイクの種類や音量には敏感なようなので微調整が必須。ディクテーションキットの辞書ではそれほど認識精度も高くない。ちゃんと認識させるにはそれなりの学習が必要と思われる。