VOICEVOX ChatGPT 会話をWhisper APIと連携して実装する手順
VOICEVOX ChatGPT 会話の仕組みを作りたい人に向け、マイク音声の文字起こしからAIの返答生成、読み上げまでの流れを紹介します。Whisper API、ChatGPT API、VOICEVOXの連携方法と、音声合成・再生に使うPythonコードの要点を確認できます。
📄
記事では、マイク入力をWhisper APIで文字起こしし、ChatGPT APIの返答をVOICEVOXで読み上げる手順が紹介されています。音声合成用クエリとWAVファイルの取得、PyAudioによる再生、各処理を組み合わせた実装がコード付きで説明されています。
- Whisper APIによるマイク音声の文字起こし
- ChatGPT APIへの会話履歴の送信と返答取得
- VOICEVOXの2つのAPIによるWAV生成
- PyAudioを使ったWAV音声の再生処理
記事は著者の方がZennに公開されているものです。当社は内容を転載していません。上のリンクから元記事が開きます。
VOICEVOX とは
日本語の音声合成エンジンです。読み上げ音声を自社サーバーで生成でき、キャラクター音声も選べます。
VOICEVOX を実務で使うための情報
VOICEVOX の他のテーマ
よくある質問
VOICEVOX は商用利用できますか？
VOICEVOX はオープンソースとして公開されています。ライセンスの条件（改変版を配布する場合の義務など）は元のリポジトリで確認してください。当社のカタログページでは、ライセンスの区分と実務上の注意点をまとめています。
VOICEVOX ChatGPT 会話 で調べています。まず何を読めばよいですか？
このページで紹介しているZennの記事「Whisper API, ChatGPT API, VOICEVOXを使ってAIと会話する」が、実際に手を動かした人の記録です。導入の可否や費用の考え方まで含めて判断したい場合は、あわせて当社のカタログページをご覧ください。
自分で導入するのが難しい場合はどうすればよいですか？
当社がOSSの導入・日本語化・サーバー構築を代行しています（税込110,000円〜）。相談は無料で、Zoomでの打ち合わせにも対応しています。「そのOSSは御社には向かない」という結論になることもあり、その場合はそうお伝えします。
読んだうえで、自分でやるか任せるか
OSSは「入れる」より「日本語で運用に乗せる」ほうが手間です。記事のとおりに進めて詰まったら、そこから先は任せてください。
