ボイスロイドの音声から UTAU 音源用 WAVE を作る支援 Python スクリプト

ボイスロイドの音声からUTAU用のWAVEを作る場合、普通に一音ずつ発声させて名前付けて保存……とかやってるとめんどうくさいので、まとめて発声させてそこから適切なファイル名付けて切り出す Python スクリプト作って使いました。

とりあえず、自分の持ってるゆかりさんとずん子さん

VOICEROID+ 結月ゆかり

出版社/メーカー: AHS
発売日: 2011/12/22
メディア: エレクトロニクス
購入: 2人クリック: 33回
この商品を含むブログ (6件) を見る

VOICEROID+ 東北ずん子

出版社/メーカー: AHS
発売日: 2012/09/28
メディア: DVD
購入: 1人クリック: 11回
この商品を含むブログ (4件) を見る

ではうまく動作しましたので公開しておきます。

必要なもの

1. ボイスロイドから WAVE 出力

hoge.txt という名前で以下の内容のテキストファイルを作って、それを発声させて hoge.wav という名前で出力してください。

(ずん子さんの場合、抑揚を「0」にした方が良いようです)*1

あー
いー
うー
えー
おー
かー
きー
くー
けー
こー
さー
しー
すー
せー
そー
たー
ちー
つー
てー
とー
なー
にー
ぬー
ねー
のー
はー
ひー
ふー
へー
ほー
まー
みー
むー
めー
もー
やー
ゆー
よー
らー
りー
るー
れー
ろー
わー
をー
ん
がー
ぎー
ぐー
げー
ごー
ざー
じー
ずー
ぜー
ぞー
だー
でー
どー
ばー
びー
ぶー
べー
ぼー
ぱー
ぴー
ぷー
ぺー
ぽー
きゃー
きゅー
きょー
しゃー
しゅー
しょー
ちゃー
ちゅー
ちょー
にゃー
にゅー
にょー
ひゃー
ひゅー
ひょー
みゃー
みゅー
みょー
りゃー
りゅー
りょー
ぎゃー
ぎゅー
ぎょー
じゃー
じゅー
じょー
びゃー
びゅー
びょー
ぴゃー
ぴゅー
ぴょー
いぇー
きぇー
しぇー
ちぇー
にぇー
ひぇー
みぇー
りぇー
ぎぇー
じぇー
びぇー
ぴぇー
うぁー
うぃー
うぇー
うぉー
くぁー
くぃー
くぇー
くぉー
すぁー
すぃー
すぇー
すぉー
つぁー
つぃー
つぇー
つぉー
ぬぁー
ぬぃー
ぬぇー
ぬぉー
ふぁー
ふぃー
ふぇー
ふぉー
むぁー
むぃー
むぇー
むぉー
るぁー
るぃー
るぇー
るぉー
ぐぁー
ぐぃー
ぐぇー
ぐぉー
ずぁー
ずぃー
ずぇー
ずぉー
ぶぁー
ぶぃー
ぶぇー
ぶぉー
ぷぁー
ぷぃー
ぷぇー
ぷぉー
てぃー
でぃー
てゅー
でゅー
とぅー
どぅー

2. Python スクリプトで切り分け

以下の内容の Python スクリプトを適当な名前で作り hoge.txt と同じフォルダに入れて実行してください。

hoge というフォルダが出来て、その中に各行の(末尾から「ー」を取った)名前の .wav が作られます。

import os
import os.path
import wave
import struct

reclist = 'hoge.txt'
directory = 'hoge'

try:
    os.mkdir(directory)
except OSError:
    pass
w = wave.open('hoge.wav', 'rb')
nchannels,  sampwidth, framerate, nframes, comptype, compname = w.getparams()
print nchannels,  sampwidth, framerate, nframes, comptype, compname
waves = w.readframes(nframes)
w.close()

wavedata = []
for i in range(0, len(waves), 2):
    wavedata.append(struct.unpack('h', waves[i:i+2])[0])
print len(wavedata)

data = []
nodata = 0
start = 0
for i in range(len(wavedata)):
    if wavedata[i] == 0:
        nodata += 1
    else:
        if nodata > 10000:
            data.append(wavedata[start:i])
            nodata = 0
            start = i
data.append(wavedata[start:])
if not any(data[0]):
    data = data[1:]
print u'wave 分割数', len(data)
f = open(reclist, 'rb')
n = unicode(f.read(), 'cp932').strip()
f.close()
names = n.split()
print u'書き出し .wav 数', len(names)

for name, wavedata in zip(names, data):
    name = name.strip(u'ー')
    filename = os.path.join(directory, name + '.wav')
    print filename, len(wavedata)
    wavedata = ''.join([struct.pack('h', x) for x in wavedata])
    w = wave.open(filename, 'wb')
    w.setparams((nchannels,  sampwidth, framerate, 0, comptype, compname))
    w.writeframes(wavedata)
    w.close()

## パブリック・ドメイン。好きに流用してください