【Python】ChatGPTでの生成テキストを音声ファイル変換｜Text-To-Speech機能の構築方法

2023年3月19日

こんにちは、DXCEL WAVEの運営者(@dxcelwave)です！

こんな方におすすめ！

Pythonを用いて、ChatGPTで生成した文書を音声ファイルに変換する方法が知りたい

【OpenAI】ChatGPTとは？

ChatGPTとは、OpenAIが開発した対話型チャットボットのモデルです。ChatGPTの名前は、GPT-3という第3世代の生成言語モデルに由来しています。

ChatGPTのモデルには、人工知能（AI）が搭載されており、人間の発話に対して自然なやり取りを可能にしています。また、英語をはじめ、中国語、日本語、フランス語など複数言語を認識し、人間らしく応答できるのも特徴的です。

さらに、ChatGPTではチャットの他に、画像生成など近年多様な機能がリリースされてます。以下、ChatGPTで利用可能な機能一覧を示します。

チャット機能（対話・文章生成）
テキストから画像を生成する機能
オーディオを文字起こしする機能

【参考】OpenAIが提供するAPI利用

本記事ではChatGPTを用いたPythonプログラミングについて解説します。その際、Open AIが提供するAPI情報が必要になります。「ChatGPTの概要」および「API情報の取得手順」については、こちらの記事で詳しく解説しています。

【事前準備】Pythonライブラリのインストール

ChatGPTで生成した文章を音声ファイルに変換する場合、以下2つのライブラリを活用します。

コマンドプロンプト（WIndows）またはターミナル（Mac）をもとに、ライブラリをインストールしましょう。

OpenAI

OpenAIが提供するChatGPT APIをPython環境で利用するためのライブラリです。

pip install openai

gTTS

Googleが提供するテキストの音声変換API（Google Text To Speech）であり、Python環境で利用する場合、gTTSというライブラリをインストールします。

pip install gTTS

【Python実践】ChatGPTで生成したテキストを音声ファイルに変換

それでは実際にPythonコードを記述し、ChatGPTで生成したテキストデータを音声ファイルに変換する方法を解説していきます。

PythonライブラリとAPI情報の読込

はじめに、Pythonプログラムの先頭にライブラリとAPI認証情報を記述します。

前述で取得したOrganization IDとシークレットキーもそれぞれ入力しましょう。

import openai
from gtts import gTTS

openai.organization = "<Organization IDをここに入力>"
openai.api_key      = "<APIシークレットキーをここに入力>"

ChatGPT APIによる文章生成

続いて、ChatGPT APIに任意のメッセージを渡し、文章を生成します。以下のコードを実行しましょう。

コード

message = "なぜ地球が丸いのか知りたい！"

# ChatGPT実行
completion = openai.ChatCompletion.create(
             model    = "gpt-3.5-turbo",     # モデルを選択
             messages = [{
                        "role":"user",
                        "content":message,   # メッセージ 
                        }],

             max_tokens  = 1024,             # 生成する文章の最大単語数
             n           = 1,                # いくつの返答を生成するか
             stop        = None,             # 指定した単語が出現した場合、文章生成を打ち切る
             temperature = 0.5,              # 出力する単語のランダム性（0から2の範囲） 0であれば毎回返答内容固定
)

# 応答内容
response = completion.choices[0].message.content

出力イメージ

上記実行後にresponseを見ると、次のような出力結果が確認できます。

# 応答確認
print(response)

# 出力イメージ
# 地球が丸い理由は、重力によるものです。
# 地球は非常に大きく、その重力は、地球の中心に向かって引っ張り合い、地球を球形に形成する力を生み出します。
# また、地球は自転しており、自転によって地球の形が丸くなります。
# このため、地球は球形をしています。

テキストデータの音声変換（Text-To-Speech）

前述で取得したテキストデータを音声ファイルに変換する場合、以下のコードを実行します。

# gTTSインスタンスの作成
text2speech = gTTS(response,   # 音声変換するテキスト
                   lang="ja",  # 対応言語（ja：日本語）
                  )


# 音声変換したデータをファイルに保存
text2speech.save("chatgpt_text2speech.mp3")

実行後、chatgpt_text2speech.mp3というファイルが生成されます。実際に音声変換されているか確認してみましょう。