Skip to content

Commit

Permalink
python向けのAPI定義を修正
Browse files Browse the repository at this point in the history
  • Loading branch information
@qwerty2501
qwerty2501 committed Feb 23, 2023
1 parent 6887607 commit 97a2ae0
Show file tree
Hide file tree
Showing 3 changed files with 97 additions and 96 deletions.
4 changes: 2 additions & 2 deletions crates/voicevox_core_python_api/python/voicevox_core/_models.py
View file
Original file line number Diff line number Diff line change
Expand Up @@ -5,13 +5,13 @@


@pydantic.dataclasses.dataclass
class Style:
class StyleMeta:
name: str
id: int


@pydantic.dataclasses.dataclass
class Meta:
class SpeakerMeta:
"""メタ情報。"""

name: str
Expand Down
153 changes: 71 additions & 82 deletions crates/voicevox_core_python_api/python/voicevox_core/_rust.pyi
View file
Original file line number Diff line number Diff line change
Expand Up @@ -4,22 +4,39 @@ from typing import Final, List, Literal, Union
import numpy as np
from numpy.typing import NDArray

from voicevox_core import AccelerationMode, AudioQuery, Meta, SupportedDevices
from voicevox_core import AccelerationMode, AudioQuery, SpeakerMeta, SupportedDevices, AccentPhrase

METAS: Final[List[Meta]]
SUPPORTED_DEVICES: Final[SupportedDevices]
__version__: str

class VoicevoxCore:
def __init__(

class VoiceModel:
@staticmethod
async def from_path(path:str)->VoiceModel:
"""
Parameters
----------
path
vvmファイルへのパス
"""
...
def id()->str
def metas()->List<SpeakerMeta>:...



class VoicevoxSynthesizer:
@staticmethod
async def new_with_initialize(
self,
acceleration_mode: Union[
AccelerationMode, Literal["AUTO", "CPU", "GPU"]
] = AccelerationMode.AUTO,
cpu_num_threads: int = 0,
load_all_models: bool = False,
open_jtalk_dict_dir: Union[Path, str, None] = None,
) -> None:
) -> VoicevoxSynthesizer:
"""
Parameters
----------
Expand All @@ -43,133 +60,105 @@ class VoicevoxCore:
GPUモードならtrue、そうでないならfalse
"""
...
def load_model(self, speaker_id: int) -> None:

async def load_model(self, model:VoiceModel) -> None:
"""モデルを読み込む。
Parameters
----------
speaker_id
style_id
読み込むモデルの話者ID。
"""
...
def is_model_loaded(self, speaker_id: int) -> bool:
"""指定したspeaker_idのモデルが読み込まれているか判定する。
def is_model_loaded(self, model_id: str) -> bool:
"""指定したmodel_idのモデルが読み込まれているか判定する。
Returns
-------
モデルが読み込まれているのであればtrue、そうでないならfalse
"""
...
def predict_duration(
async def audio_query(
self,
phoneme_vector: NDArray[np.int64],
speaker_id: int,
) -> NDArray[np.float32]:
"""音素ごとの長さを推論する。
text: str,
style_id: int,
kana: bool = False,
) -> AudioQuery:
"""AudioQuery を実行する。
Parameters
----------
phoneme_vector
音素データ。
speaker_id
text
テキスト。
style_id
話者ID。
kana
aquestalk形式のkanaとしてテキストを解釈する。
Returns
-------
音素ごとの長さ
:class:`AudioQuery`
"""
...
def predict_intonation(

async def create_accent_phrases(
self,
length: int,
vowel_phoneme_vector: NDArray[np.int64],
consonant_phoneme_vector: NDArray[np.int64],
start_accent_vector: NDArray[np.int64],
end_accent_vector: NDArray[np.int64],
start_accent_phrase_vector: NDArray[np.int64],
end_accent_phrase_vector: NDArray[np.int64],
speaker_id: int,
) -> NDArray[np.float32]:
"""モーラごとのF0を推論する。
text: str,
style_id: int,
) -> List[AccentPhrase]:
"""create_accent_phrases を実行する。
Parameters
----------
length
vowel_phoneme_vector, consonant_phoneme_vector, start_accent_vector, end_accent_vector, start_accent_phrase_vector, end_accent_phrase_vector, output のデータ長。
vowel_phoneme_vector
母音の音素データ。
consonant_phoneme_vector
子音の音素データ。
start_accent_vector
アクセントの開始位置のデータ。
end_accent_vector
アクセントの終了位置のデータ。
start_accent_phrase_vector
アクセント句の開始位置のデータ。
end_accent_phrase_vector
アクセント句の終了位置のデータ。
speaker_id
text
テキスト。
style_id
話者ID。
Returns
-------
モーラごとのF0
:class:`AudioQuery`
"""
...
def decode(
async def replace_mora_data(
self,
length: int,
phoneme_size: int,
f0: NDArray[np.float32],
phoneme: NDArray[np.float32],
speaker_id: int,
) -> NDArray[np.float32]:
"""decodeを実行する。
accent_phrases: List[AccentPhrase],
style_id: int,
) -> List[AccentPhrase]:
"""replace_mora_data を実行する。
Parameters
----------
length
f0 , output のデータ長及び phoneme のデータ長に関連する。
phoneme_size
音素のサイズ phoneme のデータ長に関連する。
f0
基本周波数。
phoneme_vector
音素データ。
speaker_id
accent_phrases
AccentPhraseのリスト
style_id
話者ID。
Returns
-------
decode結果
:class:`AudioQuery`
"""
...
def audio_query(
async def replace_phoneme_length(
self,
text: str,
speaker_id: int,
kana: bool = False,
) -> AudioQuery:
"""AudioQuery を実行する。
accent_phrases: List[AccentPhrase],
style_id: int,
) -> List[AccentPhrase]:
"""replace_phoneme_length を実行する。
Parameters
----------
text
テキスト。
speaker_id
accent_phrases
AccentPhraseのリスト
style_id
話者ID。
kana
aquestalk形式のkanaとしてテキストを解釈する。
Returns
-------
:class:`AudioQuery`
"""
...
def synthesis(
async def synthesis(
self,
audio_query: AudioQuery,
speaker_id: int,
style_id: int,
enable_interrogative_upspeak: bool = True,
) -> bytes:
"""AudioQuery から音声合成する。
Expand All @@ -178,7 +167,7 @@ class VoicevoxCore:
----------
audio_query
AudioQuery。
speaker_id
style_id
話者ID。
enable_interrogative_upspeak
疑問文の調整を有効にする。
Expand All @@ -188,10 +177,10 @@ class VoicevoxCore:
wavデータ
"""
...
def tts(
async def tts(
self,
text: str,
speaker_id: int,
style_id: int,
kana: bool = False,
enable_interrogative_upspeak: bool = True,
) -> bytes:
Expand All @@ -201,7 +190,7 @@ class VoicevoxCore:
----------
text
テキスト。
speaker_id
style_id
話者ID。
kana
aquestalk形式のkanaとしてテキストを解釈する。
Expand Down
36 changes: 24 additions & 12 deletions crates/voicevox_core_python_api/src/lib.rs
View file
Original file line number Diff line number Diff line change
Expand Up @@ -182,16 +182,20 @@ impl VoiceSynthesizer {
py,
pyo3_asyncio::tokio::get_current_locals(py)?,
async move {
let audio_query = synthesizer
let accent_phrases = synthesizer
.lock()
.await
.create_accent_phrases(text, &StyleId::new(style_id))
.await
.into_py_result()?;
Python::with_gil(|py| {
let class = py.import("voicevox_core")?.getattr("AccentPhraseModel")?;
let ret = to_pydantic_dataclass(audio_query, class)?;
Ok(ret.to_object(py))
let class = py.import("voicevox_core")?.getattr("AccentPhrase")?;
let accent_phrases = accent_phrases
.iter()
.map(|ap| to_pydantic_dataclass(ap, class))
.collect::<PyResult<Vec<_>>>();
let list = PyList::new(py, accent_phrases.into_iter());
Ok(list.to_object(py))
})
},
)
Expand All @@ -212,16 +216,20 @@ impl VoiceSynthesizer {
py,
pyo3_asyncio::tokio::get_current_locals(py)?,
async move {
let audio_query = synthesizer
let accent_phrases = synthesizer
.lock()
.await
.replace_mora_data(accent_phrases, &StyleId::new(style_id))
.await
.into_py_result()?;
Python::with_gil(|py| {
let class = py.import("voicevox_core")?.getattr("AccentPhraseModel")?;
let ret = to_pydantic_dataclass(audio_query, class)?;
Ok(ret.to_object(py))
let class = py.import("voicevox_core")?.getattr("AccentPhrase")?;
let accent_phrases = accent_phrases
.iter()
.map(|ap| to_pydantic_dataclass(ap, class))
.collect::<PyResult<Vec<_>>>();
let list = PyList::new(py, accent_phrases.into_iter());
Ok(list.to_object(py))
})
},
)
Expand All @@ -242,16 +250,20 @@ impl VoiceSynthesizer {
py,
pyo3_asyncio::tokio::get_current_locals(py)?,
async move {
let audio_query = synthesizer
let accent_phrases = synthesizer
.lock()
.await
.replace_phoneme_length(accent_phrases, &StyleId::new(style_id))
.await
.into_py_result()?;
Python::with_gil(|py| {
let class = py.import("voicevox_core")?.getattr("AccentPhraseModel")?;
let ret = to_pydantic_dataclass(audio_query, class)?;
Ok(ret.to_object(py))
let class = py.import("voicevox_core")?.getattr("AccentPhrase")?;
let accent_phrases = accent_phrases
.iter()
.map(|ap| to_pydantic_dataclass(ap, class))
.collect::<PyResult<Vec<_>>>();
let list = PyList::new(py, accent_phrases.into_iter());
Ok(list.to_object(py))
})
},
)
Expand Down

0 comments on commit 97a2ae0

Please sign in to comment.