初めに

今回は、piper-plusから独立したG2P（Grapheme-to-Phoneme、文字から音素への変換）パッケージ「piper-plus-g2p」を紹介します。

piper-plus-g2pは、TTSエンジンを使わずに8言語（ja, en, zh, ko, es, fr, pt, sv）のテキストをIPA音素列に変換できるパッケージです。このうちTTSモデルが公開済みなのは6言語（ja, en, zh, es, fr, pt）ですが、G2P単体としては8言語すべてに対応しています。従来のpiper-plusではeSpeak-ng（GPLライセンス）に依存していましたが、piper-plus-g2pはeSpeak-ngを完全に排除し、MITライセンスで利用できます。PR #300（2026-04-01）で追加し、2026-04-07にPyPI（v0.2.0）およびcrates.io（v0.2.0）で公開しました。

設計方針として「IPA-first」を採用しており、phonemize() はBOS/EOS/PUAマーカーを含まない純粋なIPAトークン列を返します。Piper互換のphoneme_idsが必要な場合はオプションの PiperEncoder を使います。

Python（PyPI: v0.2.0）、npm（@piper-plus/g2p: v0.2.0）、Rust（crates.io: v0.2.0）、Goの4つのSDKを提供しており、4実装間でPUA互換テーブル（96エントリ）をCIで一致検証しています。

github.com

開発環境

OS: Windows 11
Python: 3.12
パッケージマネージャー: uv
piper-plus-g2p: 0.2.0

環境構築

全言語をインストールする場合

uv init piper-g2p-demo
cd piper-g2p-demo
uv add "piper-plus-g2p[all]>=0.2.0"

日本語のみの場合

uv add "piper-plus-g2p[ja]"

個別言語のextras

必要な言語だけをインストールすることで依存関係を最小限にできます。

extra	言語	主な依存	備考
`[ja]`	日本語	pyopenjtalk-plus
`[en]`	英語	CMU Dictionary + g2p-en
`[zh]`	中国語	ピンイン辞書
`[ko]`	韓国語	g2pk2 (MeCab/eunjeon)	Windows環境ではMeCabのインストールに問題が発生する場合あり
`[es]`	スペイン語	ルールベース
`[fr]`	フランス語	ルールベース
`[pt]`	ポルトガル語	ルールベース
`[sv]`	スウェーデン語	NST辞書

複数言語を組み合わせる場合は以下のように指定します。

uv add "piper-plus-g2p[ja,en,zh]"

基本的な使い方

言語ごとのPhonemizer取得

get_phonemizer() に言語コードを渡すと、対応するPhonemizerインスタンスが返されます。

from piper_plus_g2p import get_phonemizer

# 日本語のPhonemizer
ja_phonemizer = get_phonemizer("ja")

# テキストをIPA音素列に変換
result = ja_phonemizer.phonemize("こんにちは")
print(result)

['k', 'o', '[', 'N_n', 'n', 'i', 'ch', 'i', 'w', 'a']

各言語の出力例

from piper_plus_g2p import get_phonemizer

# 日本語
ja = get_phonemizer("ja")
print("ja:", ja.phonemize("こんにちは"))

# 英語
en = get_phonemizer("en")
print("en:", en.phonemize("Hello, world!"))

# 中国語
zh = get_phonemizer("zh")
print("zh:", zh.phonemize("你好世界"))

ja: ['k', 'o', '[', 'N_n', 'n', 'i', 'ch', 'i', 'w', 'a']
en: ['h', 'ə', 'l', 'ˈ', 'o', 'ʊ', ',', ' ', 'w', 'ˈ', 'ɜ', 'ː', 'l', 'd', '!']
zh: ['n', 'i', 'tone2', 'x', 'aʊ', 'tone3', 'ʂ', 'ɻ̩', 'tone4', 'tɕ', 'iɛ', 'tone4']

注意: 韓国語（ko）のG2Pはg2pk2を使用しており、内部でMeCab（eunjeon）を必要とします。Windows環境ではMeCabのインストールに問題が発生する場合があるため、上記の例からは除外しています。Linux/macOS環境であれば get_phonemizer("ko") で利用可能です。

IPA-first設計のため、出力にはBOS（^）やEOS（$）などのマーカーは含まれません。

日本語の韻律情報（ProsodyInfo）

日本語Phonemizerでは、音素列に加えて韻律情報（アクセント・イントネーション）も取得できます。

from piper_plus_g2p import get_phonemizer

ja = get_phonemizer("ja")
tokens, prosody = ja.phonemize_with_prosody("こんにちは")
print("prosody:", prosody[0])

prosody: ProsodyInfo(a1=-4, a2=1, a3=5)

OpenJTalkのアクセント情報（a1, a2, a3）がそのまま取得でき、TTS学習時のアクセント制御に利用できます。

PiperEncoderでphoneme_idsに変換（オプション）

Piper互換のphoneme_idsが必要な場合は PiperEncoder を使います。

from piper_plus_g2p import get_phonemizer, PiperEncoder
import json

ja = get_phonemizer("ja")
phonemes = ja.phonemize("こんにちは")

# config.jsonからphoneme_id_mapを読み込み
with open("config.json") as f:
    config = json.load(f)

encoder = PiperEncoder(config["phoneme_id_map"])
phoneme_ids = encoder.encode(phonemes)
print(phoneme_ids)

PiperEncoder はコンストラクタに phoneme_id_map（モデルの config.json に含まれる音素→IDのマッピング辞書）が必要です。BOS（ID: 1）とEOS（ID: 2）は自動付加されます。

多言語テキストの自動言語検出

MultilingualPhonemizer

日本語と英語が混在するテキストを処理する場合は、get_phonemizer() にハイフン区切りの複合言語コード（例: "ja-en-zh"）を渡します。内部で MultilingualPhonemizer が自動的に作成され、Unicodeブロックに基づく言語検出で混在テキストを処理します。

from piper_plus_g2p import get_phonemizer

# ハイフン区切りの複合言語コードを渡すとMultilingualPhonemizerが自動生成される
phonemizer = get_phonemizer("ja-en")

# 日本語・英語混在テキスト
result = phonemizer.phonemize("Dockerコンテナを起動する")
print(result)

言語検出はUnicodeブロックに基づいて自動判定されます。

文字種	判定言語
カナ文字を含む	日本語 (ja)
CJK文字（カナなし）	中国語 (zh)
ハングル	韓国語 (ko)
ラテン文字	英語 (en)

カスタム辞書サポート

特定の単語の読みをカスタマイズする場合、CustomDictionary クラスを使います。apply_to_text() でテキスト内の単語を辞書の読みに置換し、その後にG2Pで音素変換する流れです。

from piper_plus_g2p import get_phonemizer
from piper_plus_g2p.custom_dict import CustomDictionary

# カスタム辞書を作成し、単語を追加
d = CustomDictionary()
d.add_word("Docker", "ドッカー", priority=10)
d.add_word("piper", "パイパー", priority=10)

# テキストに辞書を適用してから音素変換
text = "Dockerコンテナを起動する"
text = d.apply_to_text(text)  # "ドッカーコンテナを起動する"

ja = get_phonemizer("ja")
result = ja.phonemize(text)
print(result)

JSON辞書ファイルからの読み込みにも対応しています。

d = CustomDictionary(dict_paths="my_dict.json")

他のSDKについて

piper-plus-g2pはPython以外にも複数のSDKを提供しています。

npm (@piper-plus/g2p: v0.2.0)

npm install @piper-plus/g2p

import { G2P, DictLoader } from "@piper-plus/g2p";

// 日本語にはOpenJTalk辞書の読み込みが必要
const loader = new DictLoader();
const jaDict = await loader.loadJaDict();
const g2p = await G2P.create({ languages: ["ja", "en"], jaDict });

const result = g2p.phonemize("こんにちは");
console.log(result.tokens);   // ['k', 'o', ...]
console.log(result.language);  // 'ja'

g2p.dispose();

G2P.create() は非同期ファクトリで、日本語はOpenJTalk WASM + 辞書データの初期化が必要です。DictLoader が辞書のダウンロードとIndexedDBキャッシュを管理します。phonemize() は { tokens, prosody, language } を返します。韻律情報が必要な場合は phonemizeWithProsody() を使います。380テストでカバーしています。

Rust (crates.io: v0.2.0)

cargo add piper-plus-g2p@0.2.0 --features naist-jdic

use piper_plus_g2p::Phonemizer;
use piper_plus_g2p::japanese::JapanesePhonemizer;

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let ja = JapanesePhonemizer::new_bundled()?;
    let (tokens, prosody) = ja.phonemize_with_prosody("こんにちは")?;
    println!("{:?}", tokens);
    Ok(())
}

PhonemizerRegistry を使って複数言語をまとめて管理することもできます。Feature flagsで言語ごとの依存を制御可能です（features = ["naist-jdic", "english"]）。390テストでカバーしています。

Go

Go SDKのG2Pはモノレポ内のモジュールとして提供しています。

import "github.com/ayutaz/piper-plus/src/go/phonemize"

// 各言語のPhonemizerを個別に作成
esPhonemizer := phonemize.NewSpanishPhonemizer()
result, err := esPhonemizer.PhonemizeWithProsody("Hola, mundo")

日本語G2PはCGO + OpenJTalkが必要です。詳細はGo APIサーバーの記事を参照してください。

4実装間の互換性保証

Python、npm、Rust、Goの4実装は、PUA互換テーブル（96エントリ）をCIで一致検証しています。どのSDKを使っても同じテキストに対して同じ音素列が生成されます。

所感

piper-plus-g2pはTTSを使わずに音素変換だけを利用したいユースケース（発音辞書生成、語学アプリ、音声検索のインデックス構築など）に適しています。eSpeak-ng（GPL）を排除してMITライセンスで8言語のG2Pが使える点は、商用プロダクトへの組み込みにも有利です。4つのSDKでCIレベルの互換性が保証されている点も実用的です。

yousanのメモ

piper-plus-g2p: TTS不要で使えるMITライセンスの多言語G2Pパッケージ

初めに