Piperの韓国語音声：Home Assistantにko_KRの声を載せる

Piperは文を音素に変え、その音素を音にするニューラル合成器です。言語ごとに学習済みモデルがあり、韓国語の文には韓国語モデルを選びます。

韓国語モデルはko_KR-kss-mediumです。中規模の単一話者モデルで速度と品質のバランスがよく、Pi 4でも実時間より速く作れます。

設定 > アプリでPiperを導入して起動します。Wyoming連携が自動で見つければそのまま追加し、見つからなければアドレスとポートを手入力します。

音声アシスタント画面でパイプラインを開き、合成エンジンを追加したPiperに変えます。文字起こしはそのままにして合成だけ変えれば、声だけが変わります。

Pi 4で中品質モデルを使うと、1秒で1.6秒分の音声が出ます。2秒の答えなら合成に約1.2秒かかる計算で、音声の往復で大きなボトルネックにはなりません。

品質は文の長さと数字の読みで差が大きく出ます。温度や時刻など数字の入った文を何度か聞き、不自然なら文を言葉で書き下したほうがよいです。

数字は「23」より「二十三度」のように書き下すと読みが安定します。英語の略語や機器名も、読ませたい音で書いておくと変な読みが減ります。

応答文を短く保つと発音の誤りも合成時間も減ります。長い案内が必要なら、文を2つか3つに分けて順に読ませます。

Piperには言語ごとに複数の話者と品質のモデルがあります。同じ韓国語でもモデルが違えば抑揚と速さが変わるので、替える前にサンプルを聞いて比べます。

パイプラインを複数作り、部屋ごとに違う声を使う方法もあります。ただし声を変えると同じ文でも違って聞こえるので、家族が使う部屋は1つに統一すると混乱が少ないです。