追加:queryに無音時間調整関連のパラメータを作成 #1308

X-20A · 2024-05-23T07:01:55Z

内容

良く分からないことになってので整理しました
isPauseLengthUseScale・・・倍率で指定するか, デフォルト値:true
pauseLength・・・絶対値で指定する場合の秒数, デフォルト値:0.3
isPauseLengthFixed・・・絶対値で指定する場合に話速を無視するか, デフォルト値:false
pauseLengthScale・・・倍率で指定する場合の乗数, デフォルト値:1

（queryにテキスト内の無音時間を調整するための新しいパラメータ）

関連 Issue

ref #1289

Hiroshiba

@X-20A プルリクエストありがとうございます！

仕様に関してより良い形がありそうなので相談させてください！

isPauseLengthUseScale・・・倍率で指定するか, デフォルト値:true
pauseLength・・・絶対値で指定する場合の秒数, デフォルト値:0.3
isPauseLengthFixed・・・絶対値で指定する場合に話速を無視するか, デフォルト値:false
pauseLengthScale・・・倍率で指定する場合の乗数, デフォルト値:1

とされていますが、isPauseLengthUseScaleとisPauseLengthFixedどちらも指定されていた場合どうなるのかなどが曖昧だと感じました！
あとこれを実現するためのパラメータはもっと減らせるように思いました。

このような形はどうでしょうか？

pauseLength・・・絶対値で指定する場合の秒数, デフォルト値:null（置き換えない）
pauseLengthScale・・・倍率で指定する場合の乗数, デフォルト値:1

以下、なくしたパラメーターの解説です！

isPauseLengthUseScale

これはpauseLengthScale=1かそうじゃないかでfalse/trueを完全に表現できる。
同じことを表現する方法が2パターンあってしまうので、無い方がいい。（ややこしくなってしまう）

isPauseLengthFixed

迷いどころだがpauseLength=nullの時に「fixしない」とすればこのフラグが不要になる。
またisPauseLengthFixed=falseでpauseLengthに値が指定されてる場合の挙動がややこしいので、無い方がいい。
（pauseLengthを与えたのにポーズの長さが変わらない、となってしまうため）

X-20A · 2024-05-24T13:32:15Z

実装イメージに食い違いがあるように感じるので確認したいのですが
私は
・倍率で指定する
・絶対値で指定する(話速の影響あり)
・絶対値で指定する(話速の影響なし)
の三種類の実装を想定していました

・倍率で指定する
・絶対値で指定する(話速の影響なし)

この二種類に絞るということですか？

Hiroshiba · 2024-05-24T16:57:02Z

@X-20A 指摘感謝です！！

おっしゃる通りのことを考えていました！
絶対値で指定する(話速の影響あり)はいらないと考えてました。でもどっちかというと要らないのは絶対値で指定する(話速の影響なし)`な気がしました！！

ということで実装したいのはこの2つかなと･･･！
・倍率で指定する
・絶対値で指定する(話速の影響あり)

（ちなみにAPI の種類は、あらゆる可能性を想定するよりも、需要を想定してシンプルに実装する方が良いと思ってます！）

X-20A · 2024-05-25T13:23:44Z

パラメータをpauseLengthとpauseLengthScaleに絞りました
float型にNoneを代入しようとするとエラーになるのでpauseLengthのデフォルト値は-1としています

Hiroshiba · 2024-05-25T13:42:30Z

@X-20A ありがとうございます！！

ちなみにこんな感じにすればNoneを代入可能になると思います！

voicevox_engine/voicevox_engine/model.py

Lines 16 to 17 in d04f702

    
           consonant: str | None = Field(title="子音の音素") 
        
           consonant_length: float | None = Field(title="子音の音長")

ちなみにおすすめはNoneです！
特定の値に特別な意味をもたせるのはバグが起きやすいので、値ではなく型を意味と関連付けてあげる感じです。

Hiroshiba · 2024-06-03T23:57:41Z

@X-20A あ、すみません！！
もしかして実装完了のステータスでしょうか 🙇 　もしそうであれば気づくのが遅れてすみません。。

X-20A · 2024-06-04T10:44:43Z

そうですね
不具合や要望があったらまたお願いします

Hiroshiba

ほぼLGTMです！！！

ちょっと細かい点でコメントをいくつかさせていただきました！

build_util/check_release_build.py

test/e2e/single_api/preset/test_presets.py

test/tts_pipeline/test_tts_engine.py

voicevox_engine/app/routers/tts_pipeline.py

voicevox_engine/model.py

voicevox_engine/tts_pipeline/tts_engine.py

Hiroshiba

LGTM！！！

いろいろ調整していただきありがとうございます！！！
ちょっとこちらで最終調整させていただこうと思います！！

test/tts_pipeline/test_tts_engine.py

test/tts_pipeline/test_wave_synthesizer.py

voicevox_engine/tts_pipeline/tts_engine.py

Hiroshiba · 2024-06-07T02:41:59Z

voicevox_engine/preset/model.py

+    pauseLength: float | None = Field(title="テキスト内の無音時間(絶対値)")
+    pauseLengthScale: float = Field(title="テキスト内の無音時間(倍率)")


ちょっとこのあたりの案内の変更も今のうちにさせていただこうと思います！！
（また変えさせていただくかもですが）

Hiroshiba · 2024-06-07T02:46:37Z

マージします！！　エディタの方もぜひ完成できると嬉しいです！！

@tarepan 音声合成クエリのパラメータが増えたので共有です 🙏

@rokujyushi

VOICEVOX/voicevox_engine#1308 と VOICEVOX/voicevox_engine#1425 の一部を参考にコードを書いた。 COREへのENGINE機能移植の一環として、 @rokujyushi さんと @sabonerune さんの許諾のもと、MITライセンスとしてライセンスする。 Co-Authored-By: 黒猫大福 <[email protected]> Co-Authored-By: sabonerune <[email protected]> Refs: VOICEVOX#874 (comment) Refs: VOICEVOX#874 (comment)

X-20A added 9 commits May 23, 2024 10:32

追加:絶対値か倍率かのフラグ

3643fe5

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

28cafba

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

f3c1e84

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

ed2d5e4

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

6e9843d

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

0c9654d

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

0d14296

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

9a4fba3

追加:絶対値か倍率かのフラグ[is_pauseLengthUseScale]

7a4d629

X-20A requested a review from a team as a code owner May 23, 2024 07:01

X-20A requested review from Hiroshiba and removed request for a team May 23, 2024 07:01

Hiroshiba mentioned this pull request May 23, 2024

queryにpauseLengthを追加 #1291

Closed

Hiroshiba reviewed May 23, 2024

View reviewed changes

X-20A added 8 commits May 24, 2024 08:59

Update tts_engine.py

2a42719

Update tts_engine.py

de25a16

Update tts_engine.py

3670286

Update tts_engine.py

83e7b87

Update tts_engine.py

432fea2

Update tts_engine.py

a5c329e

Update tts_engine.py

3edd5e4

Update tts_engine.py

3454dea

X-20A added 4 commits May 25, 2024 12:44

削除:isPauseLengthUseScale, isPauseLengthFixed

6f0ff91

削除:isPauseLengthUseScale, isPauseLengthFixed

b825e36

削除:isPauseLengthUseScale, isPauseLengthFixed

c1f4751

削除:isPauseLengthUseScale, isPauseLengthFixed

5ba4beb

X-20A added 2 commits May 28, 2024 12:21

pauseLengthをNone許容

d4140c2

pauseLengthをNone許容

9eb99fb

Hiroshiba reviewed Jun 6, 2024

View reviewed changes

X-20A added 6 commits June 6, 2024 19:42

片付け

dca9d42

片付け

b7f91db

片付け

3f58be8

片付け

806954e

片付け

484a34f

片付け

9b613e0

Hiroshiba approved these changes Jun 7, 2024

View reviewed changes

Hiroshiba added 5 commits June 7, 2024 11:20

Apply suggestions from code review

2410d3e

テストをちょっと変更

50ff096

minimum追加

d7192fe

Merge remote-tracking branch 'upstream/master' into pr/X-20A/1308-1

21f7f9d

更新忘れ

777674b

Hiroshiba reviewed Jun 7, 2024

View reviewed changes

「句読点などの無音時間」

29f3ff5

Hiroshiba merged commit 3cd83de into VOICEVOX:master Jun 7, 2024
4 checks passed

Hiroshiba mentioned this pull request Jun 13, 2024

APIに読点等の無音時間を調整するパラメータを追加 #1289

Closed

Hiroshiba mentioned this pull request Jun 24, 2024

AudioQueryのpauseLength関連の能力に対応するfeatureをエンジンマニフェストに定義する #1431

Closed

This was referenced Nov 16, 2024

feat: pause_length{,_scale}をデフォルト値限定で受け入れる VOICEVOX/voicevox_core#872

Open

VOICEVOX ENGINE ライセンス変更 #1085

Open

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

追加:queryに無音時間調整関連のパラメータを作成 #1308

追加:queryに無音時間調整関連のパラメータを作成 #1308

X-20A commented May 23, 2024 •

edited by Hiroshiba

Loading

Hiroshiba left a comment •

edited

Loading

X-20A commented May 24, 2024

Hiroshiba commented May 24, 2024 •

edited

Loading

X-20A commented May 25, 2024

Hiroshiba commented May 25, 2024 •

edited

Loading

Hiroshiba commented Jun 3, 2024

X-20A commented Jun 4, 2024

Hiroshiba left a comment

Hiroshiba left a comment

Hiroshiba Jun 7, 2024

Hiroshiba commented Jun 7, 2024 •

edited

Loading

		pauseLength: float \| None = Field(title="テキスト内の無音時間(絶対値)")
		pauseLengthScale: float = Field(title="テキスト内の無音時間(倍率)")

追加:queryに無音時間調整関連のパラメータを作成 #1308

追加:queryに無音時間調整関連のパラメータを作成 #1308

Conversation

X-20A commented May 23, 2024 • edited by Hiroshiba Loading

内容

関連 Issue

Hiroshiba left a comment • edited Loading

Choose a reason for hiding this comment

X-20A commented May 24, 2024

Hiroshiba commented May 24, 2024 • edited Loading

X-20A commented May 25, 2024

Hiroshiba commented May 25, 2024 • edited Loading

Hiroshiba commented Jun 3, 2024

X-20A commented Jun 4, 2024

Hiroshiba left a comment

Choose a reason for hiding this comment

Hiroshiba left a comment

Choose a reason for hiding this comment

Hiroshiba Jun 7, 2024

Choose a reason for hiding this comment

Hiroshiba commented Jun 7, 2024 • edited Loading

X-20A commented May 23, 2024 •

edited by Hiroshiba

Loading

Hiroshiba left a comment •

edited

Loading

Hiroshiba commented May 24, 2024 •

edited

Loading

Hiroshiba commented May 25, 2024 •

edited

Loading

Hiroshiba commented Jun 7, 2024 •

edited

Loading