初めに
スマホやIoTでも動かすことができる日本語を含む6言語対応の軽量TTSのpiper-plusを公開しています 学習も自由にできるようにOSSとして公開しています
piper-plusはC#,Rust,C++の3言語のバイナリビルドを行っていて任意のファイルから実行することができます
開発環境
- Windows 11
バイナリのダウンロードと確認
まずは以下のリリースノートからバイナリをダウンロードします
どれでもほぼ同じなので、今回はC++のバイナリファイルを使って推論をしてみます
ダウンロードして解凍すると以下のような構造になっています
piper-windows-x64/
└── piper/
├── bin/
│ ├── piper.exe
│ ├── onnxruntime.dll
│ ├── onnxruntime_providers_shared.dll
│ ├── concrt140.dll
│ ├── msvcp140.dll
│ ├── msvcp140_1.dll
│ ├── msvcp140_2.dll
│ ├── msvcp140_atomic_wait.dll
│ ├── msvcp140_codecvt_ids.dll
│ ├── ucrtbase.dll
│ ├── vcruntime140.dll
│ ├── vcruntime140_1.dll
│ └── api-ms-win-*.dll (多数のWindows API DLL)
├── lib/
│ (空)
└── share/
├── open_jtalk/
│ └── dic/
│ ├── COPYING
│ ├── char.bin
│ ├── left-id.def
│ ├── matrix.bin
│ ├── pos-id.def
│ ├── rewrite.def
│ ├── right-id.def
│ ├── sys.dic
│ └── unk.dic
└── piper/
└── dicts/
├── cmudict_data.json
├── pinyin_phrases.json
└── pinyin_single.json
次にpiperフォルダで PowerShellを開きます
以下のコマンドを実行するとコマンドのヘルプが確認できます
.\bin\piper.exe --help
以下の出力がでます
options: -h --help show this message and exit -m FILE --model FILE path to onnx model file -c FILE --config FILE path to model config file (default: model path + .json, fallback: config.json in model dir) -t TEXT --text TEXT text to synthesize (no stdin required) -f FILE --output_file FILE path to output WAV file ('-' for stdout) -d DIR --output_dir DIR path to output directory (default: cwd) --output_raw output raw audio to stdout as it becomes available -s NUM --speaker NUM id of speaker (default: 0) -l CODE --language CODE language code or id (default: auto) --noise_scale NUM generator noise (default: 0.667) --length_scale NUM phoneme length (default: 1.0) --noise_w NUM phoneme width noise (default: 0.8) --sentence_silence NUM seconds of silence after each sentence (default: 0.2) --phoneme_silence <phoneme> <seconds> Set silence for a specific phoneme --custom-dict FILE path to custom dictionary file(s), comma-separated Phoneme input: Use [[ phonemes ]] notation to specify exact pronunciation Example: echo "Hello [[ h ə l oʊ ]] world" | piper ... --json-input stdin input is lines of JSON instead of plain text --use-cuda use CUDA execution provider --gpu-device-id NUM GPU device ID for CUDA (default: 0) --raw-phonemes interpret input as raw phonemes (space-separated) --streaming use streaming mode for reduced latency --output-timing FILE output phoneme timing to FILE --timing-format FMT timing output format: json|tsv (default: json) --list-models [LANG] list available voice models --download-model NAME download a voice model --model-dir DIR directory for downloaded models --debug print DEBUG messages to the console -q --quiet disable logging environment variables: PIPER_DEFAULT_MODEL default model path (if --model not specified) PIPER_DEFAULT_CONFIG default config file path PIPER_MODEL_DIR default model directory (if --model-dir not specified) PIPER_GPU_DEVICE_ID GPU device ID for CUDA
モデルのダウンロード
次に公式が提供してるモデルを確認します
.\bin\piper.exe --list-models
このコマンドを実行すると以下のように公式が提供しているCSS10(1)とつくよみちゃんモデル(2) があることがわかります
Available voice models: Japanese (日本語) [ja_JP]: ja_JP-css10-6lang-medium [piper-plus] 1 speaker medium (css10, css10-6lang, css10-ja, ja-css10) ja_JP-tsukuyomi-chan-medium [piper-plus] 1 speaker medium (tsukuyomi, tsukuyomi-chan, ja-tsukuyomi) Use --download-model <name> to download a model.
今回はつくよみちゃんモデルを使うため、以下のコマンドでモデルのダウンロードを行います
.\bin\piper.exe --download-model tsukuyomi
実行すると以下のようにモデルのダウンロードが実行されます
[2026-03-22 19:32:39.945] [piper] [info] Downloading model: ja_JP-tsukuyomi-chan-medium (piper-plus) [2026-03-22 19:32:39.947] [piper] [info] config.json already exists, skipping [2026-03-22 19:32:39.948] [piper] [info] tsukuyomi-chan-6lang-fp16.onnx already exists, skipping Model downloaded successfully! Use with: --model C:\Users\{username}\AppData\Roaming\piper\models\tsukuyomi-chan-6lang-fp16.onnx
(*1,2)
それぞれ以下のhuggingfaceで公開しています
推論
次に音声合成を実行します
コマンドは以下になります
\bin\piper.exe --model tsukuyomi --text "こんにちは、今日は良い天気ですね。"
--output_file output.wav をつけることでファイル名を指定できます
