-
Notifications
You must be signed in to change notification settings - Fork 1
/
voicevox_core.h
520 lines (469 loc) · 16.6 KB
/
voicevox_core.h
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
/// @file
#ifndef VOICEVOX_CORE_INCLUDE_GUARD
#define VOICEVOX_CORE_INCLUDE_GUARD
#ifdef __cplusplus
#include <cstdint>
#else // __cplusplus
#include <stdbool.h>
#include <stdint.h>
#endif // __cplusplus
/**
* ハードウェアアクセラレーションモードを設定する設定値
*/
enum VoicevoxAccelerationMode
#ifdef __cplusplus
: int32_t
#endif // __cplusplus
{
/**
* 実行環境に合った適切なハードウェアアクセラレーションモードを選択する
*/
VOICEVOX_ACCELERATION_MODE_AUTO = 0,
/**
* ハードウェアアクセラレーションモードを"CPU"に設定する
*/
VOICEVOX_ACCELERATION_MODE_CPU = 1,
/**
* ハードウェアアクセラレーションモードを"GPU"に設定する
*/
VOICEVOX_ACCELERATION_MODE_GPU = 2,
};
#ifndef __cplusplus
typedef int32_t VoicevoxAccelerationMode;
#endif // __cplusplus
/**
* 処理結果を示す結果コード
*/
enum VoicevoxResultCode
#ifdef __cplusplus
: int32_t
#endif // __cplusplus
{
/**
* 成功
*/
VOICEVOX_RESULT_OK = 0,
/**
* open_jtalk辞書ファイルが読み込まれていない
*/
VOICEVOX_RESULT_NOT_LOADED_OPENJTALK_DICT_ERROR = 1,
/**
* modelの読み込みに失敗した
*/
VOICEVOX_RESULT_LOAD_MODEL_ERROR = 2,
/**
* サポートされているデバイス情報取得に失敗した
*/
VOICEVOX_RESULT_GET_SUPPORTED_DEVICES_ERROR = 3,
/**
* GPUモードがサポートされていない
*/
VOICEVOX_RESULT_GPU_SUPPORT_ERROR = 4,
/**
* メタ情報読み込みに失敗した
*/
VOICEVOX_RESULT_LOAD_METAS_ERROR = 5,
/**
* ステータスが初期化されていない
*/
VOICEVOX_RESULT_UNINITIALIZED_STATUS_ERROR = 6,
/**
* 無効なspeaker_idが指定された
*/
VOICEVOX_RESULT_INVALID_SPEAKER_ID_ERROR = 7,
/**
* 無効なmodel_indexが指定された
*/
VOICEVOX_RESULT_INVALID_MODEL_INDEX_ERROR = 8,
/**
* 推論に失敗した
*/
VOICEVOX_RESULT_INFERENCE_ERROR = 9,
/**
* コンテキストラベル出力に失敗した
*/
VOICEVOX_RESULT_EXTRACT_FULL_CONTEXT_LABEL_ERROR = 10,
/**
* 無効なutf8文字列が入力された
*/
VOICEVOX_RESULT_INVALID_UTF8_INPUT_ERROR = 11,
/**
* aquestalk形式のテキストの解析に失敗した
*/
VOICEVOX_RESULT_PARSE_KANA_ERROR = 12,
/**
* 無効なAudioQuery
*/
VOICEVOX_RESULT_INVALID_AUDIO_QUERY_ERROR = 13,
};
#ifndef __cplusplus
typedef int32_t VoicevoxResultCode;
#endif // __cplusplus
/**
* 初期化オプション
*/
typedef struct VoicevoxInitializeOptions {
/**
* ハードウェアアクセラレーションモード
*/
VoicevoxAccelerationMode acceleration_mode;
/**
* CPU利用数を指定
* 0を指定すると環境に合わせたCPUが利用される
*/
uint16_t cpu_num_threads;
/**
* 全てのモデルを読み込む
*/
bool load_all_models;
/**
* open_jtalkの辞書ディレクトリ
*/
const char *open_jtalk_dict_dir;
} VoicevoxInitializeOptions;
/**
* Audio query のオプション
*/
typedef struct VoicevoxAudioQueryOptions {
/**
* aquestalk形式のkanaとしてテキストを解釈する
*/
bool kana;
} VoicevoxAudioQueryOptions;
/**
* `voicevox_synthesis` のオプション
*/
typedef struct VoicevoxSynthesisOptions {
/**
* 疑問文の調整を有効にする
*/
bool enable_interrogative_upspeak;
} VoicevoxSynthesisOptions;
/**
* テキスト音声合成オプション
*/
typedef struct VoicevoxTtsOptions {
/**
* aquestalk形式のkanaとしてテキストを解釈する
*/
bool kana;
/**
* 疑問文の調整を有効にする
*/
bool enable_interrogative_upspeak;
} VoicevoxTtsOptions;
#ifdef __cplusplus
extern "C" {
#endif // __cplusplus
/**
* デフォルトの初期化オプションを生成する
* @return デフォルト値が設定された初期化オプション
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
struct VoicevoxInitializeOptions voicevox_make_default_initialize_options(void);
/**
* 初期化する
* @param [in] options 初期化オプション
* @return 結果コード #VoicevoxResultCode
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_initialize(struct VoicevoxInitializeOptions options);
/**
* voicevoxのバージョンを取得する
* @return SemVerでフォーマットされたバージョン
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
const char *voicevox_get_version(void);
/**
* モデルを読み込む
* @param [in] speaker_id 読み込むモデルの話者ID
* @return 結果コード #VoicevoxResultCode
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_load_model(uint32_t speaker_id);
/**
* ハードウェアアクセラレーションがGPUモードか判定する
* @return GPUモードならtrue、そうでないならfalse
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
bool voicevox_is_gpu_mode(void);
/**
* 指定したspeaker_idのモデルが読み込まれているか判定する
* @return 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
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
bool voicevox_is_model_loaded(uint32_t speaker_id);
/**
* このライブラリの利用を終了し、確保しているリソースを解放する
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_finalize(void);
/**
* メタ情報をjsonで取得する
* @return メタ情報のjson文字列
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
const char *voicevox_get_metas_json(void);
/**
* サポートデバイス情報をjsonで取得する
* @return サポートデバイス情報のjson文字列
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
const char *voicevox_get_supported_devices_json(void);
/**
* 音素ごとの長さを推論する
* @param [in] length phoneme_vector, output のデータ長
* @param [in] phoneme_vector 音素データ
* @param [in] speaker_id 話者ID
* @param [out] output_predict_duration_length 出力データのサイズ
* @param [out] output_predict_duration_data データの出力先
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param phoneme_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param output_predict_duration_data_length uintptr_t 分のメモリ領域が割り当てられていること
* @param output_predict_duration_data 成功後にメモリ領域が割り当てられるので ::voicevox_predict_duration_data_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_predict_duration(uintptr_t length,
int64_t *phoneme_vector,
uint32_t speaker_id,
uintptr_t *output_predict_duration_data_length,
float **output_predict_duration_data);
/**
* ::voicevox_predict_durationで出力されたデータを解放する
* @param[in] predict_duration_data 確保されたメモリ領域
*
* # Safety
* @param predict_duration_data 実行後に割り当てられたメモリ領域が解放される
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_predict_duration_data_free(float *predict_duration_data);
/**
* モーラごとのF0を推論する
* @param [in] 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
* @param [in] vowel_phoneme_vector 母音の音素データ
* @param [in] consonant_phoneme_vector 子音の音素データ
* @param [in] start_accent_vector アクセントの開始位置のデータ
* @param [in] end_accent_vector アクセントの終了位置のデータ
* @param [in] start_accent_phrase_vector アクセント句の開始位置のデータ
* @param [in] end_accent_phrase_vector アクセント句の終了位置のデータ
* @param [in] speaker_id 話者ID
* @param [out] output_predict_intonation_data_length 出力データのサイズ
* @param [out] output_predict_intonation_data データの出力先
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param vowel_phoneme_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param consonant_phoneme_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param start_accent_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param end_accent_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param start_accent_phrase_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param end_accent_phrase_vector 必ずlengthの長さだけデータがある状態で渡すこと
* @param output_predict_intonation_data_length uintptr_t 分のメモリ領域が割り当てられていること
* @param output_predict_intonation_data 成功後にメモリ領域が割り当てられるので ::voicevox_predict_intonation_data_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_predict_intonation(uintptr_t length,
int64_t *vowel_phoneme_vector,
int64_t *consonant_phoneme_vector,
int64_t *start_accent_vector,
int64_t *end_accent_vector,
int64_t *start_accent_phrase_vector,
int64_t *end_accent_phrase_vector,
uint32_t speaker_id,
uintptr_t *output_predict_intonation_data_length,
float **output_predict_intonation_data);
/**
* ::voicevox_predict_intonationで出力されたデータを解放する
* @param[in] predict_intonation_data 確保されたメモリ領域
*
* # Safety
* @param predict_intonation_data 実行後に割り当てられたメモリ領域が解放される
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_predict_intonation_data_free(float *predict_intonation_data);
/**
* decodeを実行する
* @param [in] length f0 , output のデータ長及び phoneme のデータ長に関連する
* @param [in] phoneme_size 音素のサイズ phoneme のデータ長に関連する
* @param [in] f0 基本周波数
* @param [in] phoneme_vector 音素データ
* @param [in] speaker_id 話者ID
* @param [out] output_decode_data_length 出力先データのサイズ
* @param [out] output_decode_data データ出力先
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param f0 必ず length の長さだけデータがある状態で渡すこと
* @param phoneme_vector 必ず length * phoneme_size の長さだけデータがある状態で渡すこと
* @param output_decode_data_length uintptr_t 分のメモリ領域が割り当てられていること
* @param output_decode_data 成功後にメモリ領域が割り当てられるので ::voicevox_decode_data_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_decode(uintptr_t length,
uintptr_t phoneme_size,
float *f0,
float *phoneme_vector,
uint32_t speaker_id,
uintptr_t *output_decode_data_length,
float **output_decode_data);
/**
* ::voicevox_decodeで出力されたデータを解放する
* @param[in] decode_data 確保されたメモリ領域
*
* # Safety
* @param decode_data 実行後に割り当てられたメモリ領域が解放される
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_decode_data_free(float *decode_data);
/**
* デフォルトの AudioQuery のオプションを生成する
* @return デフォルト値が設定された AudioQuery オプション
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
struct VoicevoxAudioQueryOptions voicevox_make_default_audio_query_options(void);
/**
* AudioQuery を実行する
* @param [in] text テキスト。文字コードはUTF-8
* @param [in] speaker_id 話者ID
* @param [in] options AudioQueryのオプション
* @param [out] output_audio_query_json AudioQuery を json でフォーマットしたもの
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param text null終端文字列であること
* @param output_audio_query_json 自動でheapメモリが割り当てられるので ::voicevox_audio_query_json_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_audio_query(const char *text,
uint32_t speaker_id,
struct VoicevoxAudioQueryOptions options,
char **output_audio_query_json);
/**
* デフォルトの `voicevox_synthesis` のオプションを生成する
* @return デフォルト値が設定された `voicevox_synthesis` のオプション
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
struct VoicevoxSynthesisOptions voicevox_make_default_synthesis_options(void);
/**
* AudioQuery から音声合成する
* @param [in] audio_query_json jsonフォーマットされた AudioQuery
* @param [in] speaker_id 話者ID
* @param [in] options AudioQueryから音声合成オプション
* @param [out] output_wav_length 出力する wav データのサイズ
* @param [out] output_wav wav データの出力先
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param output_wav_length 出力先の領域が確保された状態でpointerに渡されていること
* @param output_wav 自動で output_wav_length 分のデータが割り当てられるので ::voicevox_wav_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_synthesis(const char *audio_query_json,
uint32_t speaker_id,
struct VoicevoxSynthesisOptions options,
uintptr_t *output_wav_length,
uint8_t **output_wav);
/**
* デフォルトのテキスト音声合成オプションを生成する
* @return テキスト音声合成オプション
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
struct VoicevoxTtsOptions voicevox_make_default_tts_options(void);
/**
* テキスト音声合成を実行する
* @param [in] text テキスト。文字コードはUTF-8
* @param [in] speaker_id 話者ID
* @param [in] options テキスト音声合成オプション
* @param [out] output_wav_length 出力する wav データのサイズ
* @param [out] output_wav wav データの出力先
* @return 結果コード #VoicevoxResultCode
*
* # Safety
* @param output_wav_length 出力先の領域が確保された状態でpointerに渡されていること
* @param output_wav は自動で output_wav_length 分のデータが割り当てられるので ::voicevox_wav_free で解放する必要がある
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
VoicevoxResultCode voicevox_tts(const char *text,
uint32_t speaker_id,
struct VoicevoxTtsOptions options,
uintptr_t *output_wav_length,
uint8_t **output_wav);
/**
* jsonフォーマットされた AudioQuery データのメモリを解放する
* @param [in] audio_query_json 解放する json フォーマットされた AudioQuery データ
*
* # Safety
* @param wav 確保したメモリ領域が破棄される
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_audio_query_json_free(char *audio_query_json);
/**
* wav データのメモリを解放する
* @param [in] wav 解放する wav データ
*
* # Safety
* @param wav 確保したメモリ領域が破棄される
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
void voicevox_wav_free(uint8_t *wav);
/**
* エラー結果をメッセージに変換する
* @param [in] result_code メッセージに変換する result_code
* @return 結果コードを元に変換されたメッセージ文字列
*/
#ifdef _WIN32
__declspec(dllimport)
#endif
const char *voicevox_error_result_to_message(VoicevoxResultCode result_code);
#ifdef __cplusplus
} // extern "C"
#endif // __cplusplus
#endif /* VOICEVOX_CORE_INCLUDE_GUARD */