voicevox-jev-proxy

VOICEVOX の読みを、TypeSafe の Jev に判断させて直すツール。--intonation を付けると、イントネーションも直す。1 文ずつ WAV に書き出すコマンドと、VOICEVOX 互換の API サーバーがある。

Jev は TypeSafe のモデルで、SystemOne API (https://api.typesafe.ai/v1/systemone) に選択式の質問を送ると、選んだ答えと確信度を返す。

1. 文を Sudachi で単語に分け、読みの候補を集める。読みは UniDic (unidic-lite) と Sudachi 辞書から、アクセント型は UniDic から、英語の語義は JMdict から取る。
2. 1 回目のリクエストで Jev に聞く。
   • 漢字にひらがなが続くところで、語がどこで切れるか
   • VOICEVOX のアクセント句が文節をまたぐところで、どこで区切るのが正しいか
   • 単語の読み (ひらがなの語は、どの語か)
   • www、笑 が笑いを表しているか (W杯 の W などと見分ける)。笑いなら読まない。草 は聞かずに、書いてあるとおり読む
3. 答えに合わせて文を書き換え、VOICEVOX に読ませ直し、選ばれた読みの辞書のアクセント型を当てる。

既定ではここで終わる (読みだけ直すモード)。Jev へのリクエストは 1 文につき 1 回で、聞くことが無い文では送らない。--intonation を付けると、続けてイントネーションも直す。

4. 2 回目のリクエストで、アクセント句が前の句に付くかどうか、文末の型 (言い切り・疑問・念押しなど)、句どうしのかかり方を聞いて、クエリに反映する。かかり方の答えは、修飾する句のあとで VOICEVOX が上げた句を下げるのに使う。VOICEVOX がアクセント核を 1 拍遅らせるところは、Jev に聞かずに直す。

イントネーションの補正は開発途中で、まだ精度が十分でないため、オプションにしてある。--intonation を付けると、Jev へのリクエストが 1 文につき 2 回になる点に注意。--intonation に --requests 1 を足すと、2 回のリクエストを 1 回にまとめる。

確信度がしきい値 (既定 0.6。--intonation での句の高さの答えは 0.8) に届かない答えは使わない。

• Python 3.12 以上と uv
• VOICEVOX エンジン (既定の接続先は http://127.0.0.1:50021)
• TypeSafe の API キー
• Sudachi のシステム辞書。無くても動くが、読みの質問、アクセント句の区切りの質問、句をつなぐ処理をしなくなる。
• JMdict の JMdict_e.gz (任意)。無いと、語義を付けずに読みを聞く。

辞書はこのリポジトリに入っていない。各自でダウンロードする。

uv sync

動作を確かめたのは、Sudachi 辞書 20260723 の full 版と、2026-09-22 版の JMdict_e.gz。

mkdir -p .cache/sudachi .cache/jmdict
curl -L -o .cache/sudachi/sudachi-dictionary-20260723-full.zip \
  https://d2ej7fkh96fzlu.cloudfront.net/sudachidict/sudachi-dictionary-20260723-full.zip
unzip -d .cache/sudachi .cache/sudachi/sudachi-dictionary-20260723-full.zip
curl -L -o .cache/jmdict/JMdict_e.gz http://ftp.edrdg.org/pub/Nihongo/JMdict_e.gz

JMdict_e.gz は展開せずに使う。

リポジトリの直下に .env を置く。コマンドもリポジトリの直下で実行する。

TYPESAFE_API_KEY=...
SUDACHI_DICT_PATH=.cache/sudachi/sudachi-dictionary-20260723/system_full.dic
JMDICT_PATH=.cache/jmdict/JMdict_e.gz

VOICEVOX_URL、TYPESAFE_URL、TYPESAFE_MODEL (既定は jev-latest) も .env で変えられる。辞書のパスは --sudachi-dict、--jmdict でも渡せる。

uv run voicevox-jev-correct "雨が降ってきたから、傘を持っていくのだ。"

.build/out.before.wav (VOICEVOX のまま) と .build/out.wav (直したもの) ができる。何を変えたかは標準出力に出る。

• --speaker: VOICEVOX の話者 ID。既定は 3 (ずんだもん ノーマル)。
• --out: 出力先。既定は .build/out.wav。
• --dry-run: Jev に送るリクエストを表示するだけで、送らない。
• --intonation: イントネーションも直す。Jev へのリクエストが 1 文につき 2 回になる。

uv run voicevox-jev-proxy

http://127.0.0.1:50121 で待ち受ける。VOICEVOX を使うアプリの接続先をこのアドレスに変えると、POST /audio_query の結果が直したものになる。ほかのリクエストはそのまま VOICEVOX に転送する。

認証は無いので、--host で loopback 以外のアドレスにすると、そこに届く誰でも Jev へのリクエストを使い、VOICEVOX のすべての API を呼べる (起動時に警告を出す)。ほかのマシンから使うときは、そのマシンが送る Host を --allow-host で許可する。リクエストの本文は、/audio_query は 1 MiB まで、VOICEVOX に転送するもの (/connect_waves の WAV など) は 64 MiB まで。同時に扱う接続は 32 本まで、クライアントの通信は 30 秒で打ち切る。

• --request-cap: このプロセスが Jev に送るリクエストの上限。既定は 20。超えると /audio_query は 503 を返す。
• --request-interval: リクエストの最小間隔 (秒)。既定は 0。
• --allow-origin: Web ページから /audio_query を呼ぶときに許可するオリジン。複数回指定できる。Origin ヘッダーの付いたリクエストは、ここに無いオリジンなら 403 を返す。
• --allow-host: このサーバーを指す Host ヘッダー (名前:ポート) を足す。複数回指定できる。localhost、127.0.0.1、[::1] と --host のアドレスは最初から許可してある。それ以外の Host のリクエストは 403 を返す (DNS リバインディング対策)。
• --max-text-length: /audio_query で直す文の最大文字数。既定は 1000。超えると 413 を返す。
• --dry-run: Jev に送らず、リクエストをログに出して、VOICEVOX のクエリをそのまま返す。
• --intonation: イントネーションも直す。Jev へのリクエストが 1 文につき 2 回になり、--request-cap に届くのも早くなる。

uv run pytest

Sudachi 辞書を使う 4 つのテストは、SUDACHI_DICT_PATH を渡したときだけ動く。

SUDACHI_DICT_PATH=.cache/sudachi/sudachi-dictionary-20260723/system_full.dic uv run pytest

コードは MIT License (LICENSE)。辞書は含まない。使う辞書にはそれぞれのライセンスがある。

• Sudachi 辞書: Apache License 2.0 (zip に入っている LEGAL と LICENSE-2.0.txt)
• JMdict: EDRDG のライセンス (Creative Commons Attribution-ShareAlike 4.0)
• UniDic: GPL、LGPL、BSD ライセンスのいずれか (The UniDic Consortium)。unidic-lite には BSD ライセンスの文が入っている

VOICEVOX で作った音声は、VOICEVOX と各キャラクターの利用規約に従う。

This package uses the JMdict dictionary file. This file is the property of the Electronic Dictionary Research and Development Group, and is used in conformance with the Group's licence.

• JMdict: https://www.edrdg.org/wiki/index.php/JMdict-EDICT_Dictionary_Project
• EDRDG licence: https://www.edrdg.org/edrdg/licence.html
• EDRDG: https://www.edrdg.org/
• SudachiDict: https://github.com/WorksApplications/SudachiDict
• UniDic: https://unidic.ninjal.ac.jp/
• unidic-lite: https://github.com/polm/unidic-lite