テキストを合成音声（Text-to-Speech）するGUIツールを作った

ちょっと前にブログを音声化してみた！（半自動）で作ったやつの応用で、テキストを合成音声に変換して出力するツールを作成しました。使うには地味に面倒な設定が必要だったりしますが、設定さえ終われば遊べると思います。

ツール概要

このツールは、GUIからテキストを入力して、Google Cloud Text-to-Speech を用いて日本語音声（MP3ファイル）として保存するPythonアプリです。

注意事項

• ツールのダウンロードは無料ですが、GoogleCloudのAPIを利用するため、そちらで課金が発生する可能性があります
• Windowsでの実行確認しかしていません
• 実行できるまでにちょっと準備が必要です
• デバッグ甘かったらサーセン
• このツールを使ったことで不都合があったとしても、こちらでは一切の責任を負いません。あくまで自己責任での利用をお願いします

主な機能

• GUIで日本語テキストを入力
• 音声名（性別付き）をプルダウンから選択
• ファイル名を指定して MP3 で保存
• 長文（最大5000バイトごとに自動分割）にも対応
• 複数ファイルをffmpeg で結合し、1ファイルにまとめて出力

ダウンロード

ダウンロードはこちら（zip）

Pythonのインストール手順（Windows編）

ステップ 1：公式サイトにアクセス

Python.org

Download Python The official home of the Python Programming Language

• 自動で「Windows向けの最新安定版」が表示されるので、それを選択してください。
• 例：「Download Python 3.12.1」

ステップ 2：インストーラーを実行

ダウンロードした .exe ファイルをダブルクリックして起動し、次の点を確認してください：

• 「Add Python 3.x to PATH」にチェックを入れる ← 重要！
• 次に「Install Now」をクリック

ステップ 3：インストール確認

インストールが完了したら、以下を実行して確認：

1. 「スタート」メニューで「cmd」を検索してコマンドプロンプトを開く
2. 以下を入力：

python --version

例： Python 3.12.1 と表示されればOK！

ツールの設定

使用ライブラリの設定

1. Python ライブラリのインストール：

pip install google-cloud-texttospeech

1. ffmpeg のインストール（Windows の場合）：

choco install ffmpeg

または https://ffmpeg.org/download.html からダウンロードして PATH を通してください。

Google Cloud で google_credentials.json を取得

GCP プロジェクトを作成（または選択）

• https://console.cloud.google.com/
• 上部の「プロジェクトを選択」→「新しいプロジェクトを作成」
• 名前をつけて作成（例：text-to-speech-tool）

Text-to-Speech API を有効化

• ナビゲーションメニュー → 「APIとサービス」→「ライブラリ」
• 検索ボックスに Text-to-Speech API と入力
• 「有効にする」ボタンをクリック

サービスアカウントを作成

• 「IAMと管理」→「サービスアカウント」
• 「サービスアカウントを作成」

設定例：

キーを作成（JSON）

• 作成したサービスアカウントの「操作」列の「︙」→「鍵を管理」
• 「鍵を追加」→「新しい鍵を作成」
  • 種類：JSON
• ダウンロードされたファイルが google_credentials.json であればOK

このファイルは非常に重要なので、安全に保管してください。

config.properties の作成

このファイルは、実行ディレクトリに置きます（デフォルトで配置済み）

google_credentials=google_credentials.json
output_folder=./output

• google_credentials: GCPのサービスアカウントJSONファイルのパス（↑でダウンロードしたもの）
• output_folder: 音声ファイルを出力するフォルダ（存在しない場合は自動生成されます）

使い方

実行方法

main.pyをダブルクリック or コマンド発行します

python main.py

GUI画面が表示されます：

1. 「音声化するテキスト」欄に読み上げたい文章を入力
2. ファイル名を入力（拡張子は不要）
3. プルダウンで音声（例：ja-JP-Chirp3-HD-Charon（女性））を選択
4. 「音声化して保存」をクリック

指定した出力先フォルダに xxx.mp3 として保存されます。

出力ファイルについて

• 5000バイトごと に自動で分割して音声を合成
• 一時的に複数の .mp3 を生成後、ffmpeg により1本に結合されます
• output_folder に最終ファイルのみが残ります

備考

• Google Cloud の API 利用には有効なプロジェクトと請求設定が必要です
• 音声の選択肢には「性別」も表示されるようになっています