初めに

今回は、piper-plusの.NET版（PiperPlus.Core + DotNetG2Pパッケージ群）を使って、C#から多言語の音素変換（G2P: Grapheme-to-Phoneme）を行う方法を解説します。

piper-plusの.NET版はeSpeak-ng（GPLライセンス）への依存がなく、MITライセンスで提供しています。日本語、英語、中国語、韓国語、スペイン語、フランス語、ポルトガル語、スウェーデン語の8言語のG2P（音素変換）に対応しています。

なお、韓国語（ko）とスウェーデン語（sv）はG2P処理は動作しますが、現時点ではTTSモデルが公開されていないため、音声合成まで行う場合はja、en、zh、es、fr、ptの6言語が対象となります。

github.com

開発環境

OS: Windows 11（macOS / Linuxでも動作）
.NET SDK: 9.0（PiperPlus.Coreはnet8.0対応）

環境構築

プロジェクトの作成

dotnet new console -n G2PDemo
cd G2PDemo

パッケージのインストール

PiperPlus.Core（v0.2.0）にはPhonemizerインターフェースと各言語のPhonemizer実装が含まれていますが、G2Pエンジンの実体は別途DotNetG2Pパッケージとしてインストールする必要があります。

# コアライブラリ（IPhonemizer、各言語Phonemizer）
dotnet add package PiperPlus.Core --version 0.2.0

# 日本語G2Pエンジン（OpenJTalk/MeCabベース）
dotnet add package DotNetG2P --version 1.9.0
dotnet add package DotNetG2P.MeCab --version 1.9.0

# 英語G2Pエンジン（CMU Dictionary + g2p-enベース）
dotnet add package DotNetG2P.English --version 1.9.0

# 中国語G2Pエンジン（ピンイン辞書ベース）
dotnet add package DotNetG2P.Chinese --version 1.9.0

# 韓国語 — PiperPlus.Cli内蔵のハングル分解で動作（追加パッケージ不要）

# スペイン語G2Pエンジン（ルールベース）
dotnet add package DotNetG2P.Spanish --version 1.9.0

# フランス語G2Pエンジン（ルールベース）
dotnet add package DotNetG2P.French --version 1.9.0

# ポルトガル語G2Pエンジン（ルールベース）
dotnet add package DotNetG2P.Portuguese --version 1.9.0

# スウェーデン語 — PiperPlus.Core内蔵のSwedishG2PEngineで動作（追加パッケージ不要）

全言語を使う場合は上記すべてをインストールします。特定の言語だけ使う場合は必要なパッケージのみで構いません。

実行

日本語の音素変換

日本語の音素変換にはDotNetG2PとDotNetG2P.MeCabを使用します。PiperPlus.CliのG2Pエンジンクラス（DotNetG2PEngine）はinternal宣言のため、IJapaneseG2PEngineを実装するアダプタ（MyJapaneseG2PAdapter.cs）を用意します。

using DotNetG2P;
using DotNetG2P.MeCab;
using PiperPlus.Core.Config;
using PiperPlus.Core.Phonemize;

// IJapaneseG2PEngineアダプタ
// PiperPlus.CliのDotNetG2PEngineはinternalのため、同等のアダプタを実装する
public sealed class MyJapaneseG2PAdapter : IJapaneseG2PEngine
{
    private readonly G2PEngine _engine;

    public MyJapaneseG2PAdapter(G2PEngine engine)
    {
        _engine = engine;
    }

    public G2PResult Convert(string text)
    {
        var features = _engine.ToProsodyFeatures(text);

        var phonemes = new string[features.Phonemes.Count];
        var a1 = new int[features.A1.Count];
        var a2 = new int[features.A2.Count];
        var a3 = new int[features.A3.Count];

        for (int i = 0; i < features.Phonemes.Count; i++)
            phonemes[i] = features.Phonemes[i];
        for (int i = 0; i < features.A1.Count; i++)
            a1[i] = features.A1[i];
        for (int i = 0; i < features.A2.Count; i++)
            a2[i] = features.A2[i];
        for (int i = 0; i < features.A3.Count; i++)
            a3[i] = features.A3[i];

        return new G2PResult(phonemes, a1, a2, a3);
    }
}

上記のアダプタを使ってProgram.csで音素変換を実行します。

using DotNetG2P;
using DotNetG2P.MeCab;
using PiperPlus.Core.Config;
using PiperPlus.Core.Phonemize;

// DotNetG2P.MeCabのMeCabTokenizerを使ってG2Pエンジンを構築
// DictionaryManagerがnaist-jdic辞書を自動ダウンロード
var dictPath = await DictionaryManager.EnsureDictionaryAsync();
var tokenizer = new MeCabTokenizer(dictPath);
var g2pEngine = new G2PEngine(tokenizer);

var jaPhonemizer = new JapanesePhonemizer(new MyJapaneseG2PAdapter(g2pEngine));

var phonemes = jaPhonemizer.Phonemize("こんにちは");
Console.WriteLine(string.Join(" ", phonemes));

実行します。

dotnet run

^ k o [  n i  i w a $

Phonemize()はList<string>を返すため、文字列として表示するにはstring.Join()で結合します。韻律記号（^ = BOS、$ = EOS、[ = ピッチ上昇、] = ピッチ下降、# = アクセント句境界）が含まれます。なお、実際の出力では複数文字の音素トークン（ch、N_n等）はPrivate Use Area（PUA）の単一コードポイントにマッピングされます。

英語の音素変換

英語も同様にIEnglishG2PEngineを実装するアダプタ（MyEnglishG2PAdapter.cs）を用意し、EnglishPhonemizerに渡します。G2PエンジンにはDotNetG2P.Englishを使用します。

using DotNetG2P.English;
using PiperPlus.Core.Phonemize;

public sealed class MyEnglishG2PAdapter : IEnglishG2PEngine
{
    private readonly EnglishG2PEngine _engine = new();

    public List<List<string>> ConvertToArpabet(string text)
    {
        var result = new List<List<string>>();

        foreach (string token in text.Split(' ', StringSplitOptions.RemoveEmptyEntries))
        {
            string word = token.Trim();
            if (string.IsNullOrEmpty(word))
                continue;

            var phonemes = _engine.LookupWord(word);
            if (phonemes.Count > 0)
            {
                var wordPhonemes = new List<string>(phonemes.Count);
                foreach (var p in phonemes)
                    wordPhonemes.Add(p.ToString());
                result.Add(wordPhonemes);
            }
            else
            {
                result.Add([word]);
            }
        }

        return result;
    }
}

Program.csを以下の内容に書き換えて実行します。

using PiperPlus.Core.Phonemize;

var enPhonemizer = new EnglishPhonemizer(new MyEnglishG2PAdapter());

var phonemes = enPhonemizer.Phonemize("Hello, world!");
Console.WriteLine(string.Join(" ", phonemes));

dotnet run

H e l l o ,   w o r l d !

他の言語（中国語、韓国語、スペイン語、フランス語、ポルトガル語、スウェーデン語）も同様のパターンで実装できます。各言語のインターフェースと追加パッケージは「各言語のG2Pエンジン一覧」を参照してください。

マルチリンガル音素変換

MultilingualPhonemizerを使うと、複数言語が混在するテキストをUnicode範囲で自動判別して処理できます。Program.csを以下の内容に書き換えて実行します。

using DotNetG2P;
using DotNetG2P.MeCab;
using PiperPlus.Core.Config;
using PiperPlus.Core.Phonemize;

// 日本語・英語のPhonemizerを構築
var dictPath = await DictionaryManager.EnsureDictionaryAsync();
var tokenizer = new MeCabTokenizer(dictPath);
var jaPhonemizer = new JapanesePhonemizer(new MyJapaneseG2PAdapter(new G2PEngine(tokenizer)));
var enPhonemizer = new EnglishPhonemizer(new MyEnglishG2PAdapter());

// MultilingualPhonemizerに渡す
var phonemizers = new Dictionary<string, IPhonemizer>
{
    ["ja"] = jaPhonemizer,
    ["en"] = enPhonemizer,
};

var multiPhonemizer = new MultilingualPhonemizer(phonemizers, defaultLatinLanguage: "en");

var phonemes = multiPhonemizer.Phonemize("今日はgood dayですね。");
Console.WriteLine(string.Join(" ", phonemes));

dotnet run

 o ] [ o w a ɡ ˈ ʊ d   d ˈ e ɪ d e ] [ s U n e

PiperPlus.CliのResolveTextModePhonemizer()では、言語コードをハイフン区切り（例: ja-en-zh）で指定すると自動的にMultilingualPhonemizerが構築されます。

韻律情報付きの音素変換

PhonemizeWithProsody()を使うと、各音素トークンに対応する韻律情報（ProsodyInfo）も取得できます。Program.csを以下の内容に書き換えて実行します。

using DotNetG2P;
using DotNetG2P.MeCab;
using PiperPlus.Core.Config;
using PiperPlus.Core.Phonemize;

var dictPath = await DictionaryManager.EnsureDictionaryAsync();
var tokenizer = new MeCabTokenizer(dictPath);
var jaPhonemizer = new JapanesePhonemizer(new MyJapaneseG2PAdapter(new G2PEngine(tokenizer)));

var (tokens, prosody) = jaPhonemizer.PhonemizeWithProsody("今日はいい天気ですね。");

for (int i = 0; i < tokens.Count; i++)
{
    var p = prosody[i];
    if (p.HasValue)
        Console.WriteLine($"{tokens[i]}\tA1={p.Value.A1} A2={p.Value.A2} A3={p.Value.A3}");
    else
        Console.WriteLine($"{tokens[i]}\t(prosody: none)");
}

dotnet run

^    (prosody: none)
    A1=0 A2=1 A3=3
o   A1=0 A2=1 A3=3
]   (prosody: none)
[   (prosody: none)
o   A1=1 A2=2 A3=2
w   A1=2 A2=3 A3=1
a   A1=2 A2=3 A3=1
i   A1=0 A2=1 A3=2
]   (prosody: none)
[   (prosody: none)
i   A1=1 A2=2 A3=1
t   A1=0 A2=1 A3=6
e   A1=0 A2=1 A3=6
]   (prosody: none)
[   (prosody: none)
    A1=1 A2=2 A3=5
k   A1=2 A2=3 A3=4
i   A1=2 A2=3 A3=4
d   A1=3 A2=4 A3=3
e   A1=3 A2=4 A3=3
s   A1=4 A2=5 A3=2
U   A1=4 A2=5 A3=2
n   A1=5 A2=6 A3=1
e   A1=5 A2=6 A3=1
$   (prosody: none)

APIアーキテクチャ

アーキテクチャとしては、PiperPlus.Coreが各言語のPhonemizer（JapanesePhonemizer、EnglishPhonemizerなど）とG2Pエンジンのインターフェース（IJapaneseG2PEngine、IEnglishG2PEngineなど）を定義し、実際のG2Pエンジン実装はDotNetG2Pパッケージ群としてPiperPlus.Cli側に配置しています。スウェーデン語のみ、ルールベースのG2Pエンジン（SwedishG2PEngine）をPiperPlus.Coreに組み込んでいます。

IPhonemizer インターフェース

PiperPlus.Core.Phonemize名前空間に定義されたIPhonemizerインターフェースが全言語共通の契約です。

public interface IPhonemizer
{
    List<string> Phonemize(string text);
    (List<string> Tokens, List<ProsodyInfo?> Prosody) PhonemizeWithProsody(string text);
    Dictionary<string, int[]>? GetPhonemeIdMap();

    // デフォルト実装付き — BOS/EOSトークン挿入やパディングなどの後処理
    (List<int> Ids, List<ProsodyInfo?> Prosody) PostProcessIds(
        List<int> phonemeIds,
        List<ProsodyInfo?> prosodyFeatures,
        Dictionary<string, int[]> phonemeIdMap)
    {
        return (phonemeIds, prosodyFeatures);
    }
}

Phonemize()は音素トークンのList<string>を返します。PhonemizeWithProsody()はトークンに加えて韻律情報（A1/A2/A3）も返します。GetPhonemeIdMap()は言語固有の音素-IDマッピングを返します（nullの場合はconfig.jsonのマップが使用されます）。

PostProcessIds()はデフォルト実装付きのメソッドで、トークン→ID変換後にBOS/EOSトークンの挿入や音素間パディングなど、言語固有のID列変換を行います。デフォルト実装では入力をそのまま返します（no-op）。言語ごとにオーバーライドして使用します。

Phonemizerの構築パターン

各言語のPhonemizerは、対応するG2Pエンジンをコンストラクタで受け取ります。PhonemizerRegistryのようなサービスロケータは存在しません。

using PiperPlus.Core.Phonemize;

// 各Phonemizerは対応するG2Pエンジンをコンストラクタに渡して構築
var jaPhonemizer = new JapanesePhonemizer(jaG2PEngine);   // IJapaneseG2PEngine
var enPhonemizer = new EnglishPhonemizer(enG2PEngine);     // IEnglishG2PEngine
var zhPhonemizer = new ChinesePhonemizer(zhG2PEngine);     // IChineseG2PEngine
var koPhonemizer = new KoreanPhonemizer(koG2PEngine);      // IKoreanG2PEngine
var esPhonemizer = new SpanishPhonemizer(esG2PEngine);     // ISpanishG2PEngine
var frPhonemizer = new FrenchPhonemizer(frG2PEngine);      // IFrenchG2PEngine
var ptPhonemizer = new PortuguesePhonemizer(ptG2PEngine);  // IPortugueseG2PEngine
var svPhonemizer = new SwedishPhonemizer(svG2PEngine);     // ISwedishG2PEngine

韻律情報の詳細

韻律情報の意味は言語によって異なります。

言語	A1	A2	A3
ja	アクセント核からの相対位置	モーラ位置（1始まり）	アクセント句内モーラ数
en	固定0	ストレスレベル（0/1/2）	単語内音素数
zh	声調（1-5）	語内音節位置（1始まり）	語の音節数
ko	固定0	固定0	ハングル音節数
es	固定0	ストレスレベル（0/2）	単語内音素数
fr	固定0	ストレスレベル（0/2）	単語内音素数
pt	固定0	ストレスレベル（0/2）	単語内音素数
sv	固定0	ストレスレベル（0/1/2）	単語内音素数

各言語のG2Pエンジン一覧

言語	Phonemizer	G2Pエンジンインターフェース	具体実装（PiperPlus.Cli）	追加パッケージ
ja	`JapanesePhonemizer`	`IJapaneseG2PEngine`	`DotNetG2PEngine`	`DotNetG2P` + `DotNetG2P.MeCab`
en	`EnglishPhonemizer`	`IEnglishG2PEngine`	`DotNetEnglishG2PEngine`	`DotNetG2P.English`
zh	`ChinesePhonemizer`	`IChineseG2PEngine`	`DotNetChineseG2PEngine`	`DotNetG2P.Chinese`
ko	`KoreanPhonemizer`	`IKoreanG2PEngine`	`DotNetKoreanG2PEngine`	なし（Cli内蔵）
es	`SpanishPhonemizer`	`ISpanishG2PEngine`	`DotNetSpanishG2PEngine`	`DotNetG2P.Spanish`
fr	`FrenchPhonemizer`	`IFrenchG2PEngine`	`DotNetFrenchG2PEngine`	`DotNetG2P.French`
pt	`PortuguesePhonemizer`	`IPortugueseG2PEngine`	`DotNetPortugueseG2PEngine`	`DotNetG2P.Portuguese`
sv	`SwedishPhonemizer`	`ISwedishG2PEngine`	`SwedishG2PEngine`	なし（Core内蔵）

応用例

バッチ処理: 大量テキストの一括音素変換

テキストファイルから一括で音素変換を行う例です。input.txtを用意し、Program.csを以下の内容に書き換えて実行します。

using DotNetG2P;
using DotNetG2P.MeCab;
using PiperPlus.Core.Config;
using PiperPlus.Core.Phonemize;

var dictPath = await DictionaryManager.EnsureDictionaryAsync();
var tokenizer = new MeCabTokenizer(dictPath);
var jaPhonemizer = new JapanesePhonemizer(new MyJapaneseG2PAdapter(new G2PEngine(tokenizer)));

var lines = await File.ReadAllLinesAsync("input.txt");
var results = new List<string>();

foreach (var line in lines)
{
    if (string.IsNullOrWhiteSpace(line)) continue;
    var phonemes = jaPhonemizer.Phonemize(line);
    results.Add($"{line}\t{string.Join(" ", phonemes)}");
}

await File.WriteAllLinesAsync("output.tsv", results);
Console.WriteLine($"{results.Count}行の音素変換が完了しました。");

dotnet run

3行の音素変換が完了しました。

Python版との比較

Python版（piper-plus-g2p）と.NET版のAPI設計を比較します。

機能	Python	C# (.NET)
Phonemizer取得	`get_phonemizer("ja")`	`new JapanesePhonemizer(engine)`
音素変換	`phonemizer.phonemize(text)`	`phonemizer.Phonemize(text)` → `List<string>`
韻律付き変換	`phonemizer.phonemize_with_prosody(text)`	`phonemizer.PhonemizeWithProsody(text)`
マルチリンガル	`MultilingualPhonemizer({...})`	`new MultilingualPhonemizer(dict)`
パッケージ	`uv add "piper-plus-g2p[ja]"`	`PiperPlus.Core` + `DotNetG2P.*`
ライセンス	MIT	MIT

Python版はget_phonemizer("ja")のようなファクトリ関数で手軽に取得できるのに対し、.NET版はG2Pエンジンを明示的にコンストラクタで注入するDI（Dependency Injection）パターンを採用しています。テストではG2Pエンジンをモックに差し替えられるメリットがあります。

Python版では言語ごとのextras（[ja], [en]）で依存関係を細かく制御できます。.NET版も同様に、DotNetG2Pパッケージを言語ごとに選択してインストールできます。スウェーデン語はPiperPlus.Core内蔵のSwedishG2PEngineで、韓国語はPiperPlus.Cli内蔵のDotNetKoreanG2PEngineで動作し、いずれも追加パッケージは不要です。ただし、韓国語とスウェーデン語はG2P処理のみ対応しており、TTSモデルは現時点で未公開です。

所感

今回は.NET版のpiper-plusでG2P（音素変換）処理を試してみました。

.NETでMITライセンスのG2Pライブラリが使えるのは、C#のプロダクトに音素変換を組み込みたい場合に便利です。G2Pエンジンのインターフェースが分離されているため、テストやカスタムエンジンとの差し替えが容易です。Python版と同じ8言語をサポートしており、CIレベルで出力の一致が検証されているため、言語間でのポーティングも安心して行えます。

yousanのメモ

piper-plusの.NET版で多言語音素変換を実装する

初めに