PiperPlus.Core 0.1.0

English | 日本語 | 中文 | Français

高速・高品質なニューラルテキスト音声合成 (TTS) システム。VITS アーキテクチャを採用し、日本語・英語・中国語・スペイン語・フランス語・ポルトガル語の6言語マルチスピーカー音声合成に対応。Piper のフォークで、日本語対応・音質向上・学習機能を大幅に強化しています。

Hugging Face デモ | WebAssembly デモ (ブラウザで動作、サーバー不要)

---

目次

• 主要機能
• クイックスタート
• 事前学習済みモデル
• インストール
• 使い方
• 学習
• 日本語 TTS
• プラットフォーム
• 関連リンク

---

主要機能

音声合成

• 6言語対応 — 日本語・英語・中国語・スペイン語・フランス語・ポルトガル語 (ja=0, en=1, zh=2, es=3, fr=4, pt=5)
• 日本語 TTS — OpenJTalk統合、韻律情報 (A1/A2/A3)、疑問詞マーカー (#204)、文脈依存「ん」バリアント (#207)
• 英語 TTS — GPL-free G2P (g2p-en, Apache-2.0)、espeak-ng 不要
• マルチスピーカー — 571話者対応 (学習用ベースモデル)、SpeakerBalancedBatchSampler、言語グループ均等サンプリング
• カスタム辞書 — 200+技術用語の発音辞書内蔵
• 音素入力 — [[ phonemes ]] 記法による直接指定 — ガイド

学習

• WavLM Discriminator — MOS +0.15-0.25 向上 (デフォルト有効、学習時のみ使用)
• FP16 Mixed Precision — 学習速度2-3倍、メモリ約50%削減 (デフォルト有効)
• EMA — Exponential Moving Average による学習安定性向上 (デフォルト有効)
• マルチGPU — DDP対応、自動学習率スケーリング
• Prosody Features — Duration Predictorへの韻律情報注入 (--prosody-dim 16)
• Wandb統合 — リアルタイムメトリクス監視

インターフェース

• WebUI (Gradio) — 推論・学習対応、Docker対応
• C++ CLI — ストリーミング、CUDA推論、音素タイミング出力、カスタム辞書
• WebAssembly — ブラウザ内で完全動作、サーバー不要
• Docker — 推論・学習・WebUI・C++の5イメージ提供
• PyPI — pip install piper-tts-plus で簡単インストール
• C# CLI — .NET 8/9 クロスプラットフォーム、6言語マルチリンガル、ONNX推論
• Rust CLI — piper-plus/piper-plus-cli、ストリーミング、CUDA/CoreML/DirectML対応、辞書自動ダウンロード

プラットフォーム

プラットフォーム	アーキテクチャ	備考
Linux	x86_64 / ARM64	フルサポート
macOS	ARM64 (Apple Silicon) のみ	M1/M2/M3+
Windows	x64	フルサポート
Web	WebAssembly	Chrome/Edge/Firefox/Safari
C# (.NET)	x64 / ARM64	.NET 8/9、Linux/macOS/Windows
Rust	x64 / ARM64	Linux/macOS/Windows、CUDA/CoreML/DirectML

---

クイックスタート

プリビルドバイナリ (ビルド不要)

GitHub Releases からプリビルドバイナリをダウンロードして、すぐに音声合成を開始できます。

1. バイナリをダウンロード

お使いのOSに合わせてダウンロード・展開してください。

Windows (PowerShell):

Invoke-WebRequest -Uri "https://github.com/ayutaz/piper-plus/releases/latest/download/piper-windows-x64.zip" -OutFile piper.zip
Expand-Archive piper.zip -DestinationPath .
cd piper

macOS (Apple Silicon):

curl -L -o piper.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-macos-arm64.tar.gz
tar xzf piper.tar.gz
cd piper
xattr -cr .

Linux (x86_64):

curl -L -o piper.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-linux-x64.tar.gz
tar xzf piper.tar.gz
cd piper

2. モデルをダウンロード & 音声を生成

# つくよみちゃんモデルをダウンロード
./bin/piper --download-model tsukuyomi

# 音声を生成 (モデル名だけで OK — ダウンロード済みモデルを自動解決)
./bin/piper --model tsukuyomi --text "こんにちは、今日は良い天気ですね。" --output_file output.wav

Windows cmd のコードページについて: --text オプションは内部で GetCommandLineW() (UTF-16) を使用するため、コードページに依存せずそのまま動作します。パイプ入力（echo ... | piper）を使う場合のみ、事前に chcp 65001 で UTF-8 に切り替えてください。

output.wav の出力先: カレントディレクトリ（cd piper した場所）に生成されます。

Python推論

# インストール
uv pip install ".[inference]"

# 日本語推論
uv run python -m piper_train.infer_onnx \
  --model /path/to/model.onnx \
  --config /path/to/config.json \
  --output-dir ./output \
  --text "こんにちは、今日は良い天気ですね。"

# 英語推論
uv run python -m piper_train.infer_onnx \
  --model /path/to/en_model.onnx \
  --config /path/to/en_model.onnx.json \
  --output-dir ./output \
  --text "Hello, how are you today?" \
  --language en

主なオプション: --speaker-id(話者ID)、--device auto|cpu|gpu、--noise-scale(音声バリエーション)、--length-scale(話速)

WavLMモデルの推奨設定: WavLM Discriminatorで学習されたモデル (つくよみちゃん等) は --noise-scale 0.5 で最適な音質になります (デフォルトは 0.667)。

Python CLI モデル管理

# モデル一覧表示
python -m piper --list-models
python -m piper --list-models ja

# モデルダウンロード
python -m piper --download-model tsukuyomi
python -m piper --download-model ja_JP-tsukuyomi-chan-medium

# ダウンロード後に使用
python -m piper --model ja_JP-tsukuyomi-chan-medium --text "こんにちは" -f output.wav

WebUI

uv pip install -r src/python_run/requirements_webui.txt
cd src/python_run
python -m piper.webui --data-dir /path/to/models
# → http://localhost:7860

Docker

# WebUI
docker build -t piper-webui -f docker/webui/Dockerfile .
docker run -p 7860:7860 -v ./models:/models:ro piper-webui

# Python推論 (CPU)
docker build -t piper-inference -f docker/python-inference/Dockerfile .
docker run --rm \
  -v ./models:/app/models:ro -v ./output:/app/output \
  piper-inference \
  python -m piper_train.infer_onnx \
    --model /app/models/model.onnx --config /app/models/config.json \
    --output-dir /app/output --text "こんにちは" --device cpu

# GPU推論 (--gpus all を追加)
docker run --rm --gpus all \
  -v ./models:/app/models:ro -v ./output:/app/output \
  piper-inference \
  python -m piper_train.infer_onnx \
    --model /app/models/model.onnx --config /app/models/config.json \
    --output-dir /app/output --text "こんにちは" --device gpu

CI/CD ビルド済みイメージ:

docker pull ghcr.io/ayutaz/piper-plus/python-inference:main
docker pull ghcr.io/ayutaz/piper-plus/python-train:main
docker pull ghcr.io/ayutaz/piper-plus/webui:main
docker pull ghcr.io/ayutaz/piper-plus/cpp-inference:main
docker pull ghcr.io/ayutaz/piper-plus/cpp-dev:main

詳細は docker/README.md を参照。

---

インストール

Python

Python 3.11+ が必要。依存管理は uv を推奨。

# CPU推論
uv pip install ".[inference]"

# GPU推論 (CUDA環境が必要)
uv pip install ".[inference-gpu]"

# 学習
uv pip install ".[train]"

# 開発 (テスト・リンター含む)
uv pip install ".[dev]"

PyPI パッケージからもインストール可能:

pip install piper-tts-plus

パッケージからインストール

Python (PyPI):

pip install piper-tts-plus

C# CLI (.NET Global Tool):

dotnet tool install -g PiperPlus.Cli

Rust CLI (crates.io):

cargo install piper-plus-cli

C# ライブラリ (NuGet):

dotnet add package PiperPlus.Core

Rust ライブラリ (crates.io):

[dependencies]
piper-plus = "0.1.0"

ソースからビルド (C++)

git clone https://github.com/ayutaz/piper-plus.git
cd piper-plus
mkdir build && cd build
cmake ..
cmake --build . --config Release

前提条件: C++17対応コンパイラ、CMake 3.13+

• Linux: ビルド前に piper-phonemize を lib/Linux-$(uname -m)/piper_phonemize に配置
• Windows: Windows セットアップガイド を参照
• macOS: 依存関係は自動ダウンロード

ソースからビルド (C#)

# C# CLI ビルド
dotnet build src/csharp/PiperPlus.sln -c Release
# テスト
dotnet test src/csharp/PiperPlus.Core.Tests/

前提条件: .NET 8 SDK 以上

C# CLI 使用例

# モデル名で推論 (自動ダウンロード対応、--output-file 省略で output.wav に出力)
piper-plus --model tsukuyomi --text "こんにちは" --language ja

# 英語
piper-plus --model model.onnx --text "Hello world" --language en

# マルチリンガル (自動言語検出)
piper-plus --model model.onnx --text "こんにちはHello你好" --language ja-en-zh

# インライン音素記法 (テキスト中に直接音素を指定)
piper-plus --model model.onnx --text "Hello [[ h ə l oʊ ]] world" --language en

# ストリーミング (文ごとに逐次PCM出力)
piper-plus --model model.onnx --text "最初の文。次の文。" --language ja --streaming | aplay -r 22050 -f S16_LE

# カスタム辞書 (JSON v1/v2 または TSV)
piper-plus --model model.onnx --text "AI技術" --language ja --custom-dict my_dict.json

# モデルダウンロード
piper-plus --download-model tsukuyomi
piper-plus --list-models ja

# テストモード (ONNX推論なしで phoneme IDs を確認)
piper-plus --model model.onnx --test-mode --text "こんにちは" --language ja

Rust CLI 使用例

# モデル名で推論 (自動ダウンロード対応)
piper-plus-cli --model tsukuyomi --text "こんにちは" --language ja

# 英語
piper-plus-cli --model model.onnx --text "Hello world" --language en

# モデルダウンロード・管理
piper-plus-cli --download-model tsukuyomi
piper-plus-cli --list-models ja

# ストリーミング (文ごとに逐次合成)
piper-plus-cli --model model.onnx --text "First sentence. Second sentence." --stream --output-dir chunks/

# カスタム辞書
piper-plus-cli --model model.onnx --text "AI技術" --custom-dict my_dict.json

# GPU推論
piper-plus-cli --model model.onnx --text "Hello" --device cuda

# テストモード・静音モード
piper-plus-cli --model model.onnx --test-mode --text "hello" --language en
piper-plus-cli --model model.onnx --text "hello" --language en --quiet

# raw PCM出力 (WAVヘッダなし)
piper-plus-cli --model model.onnx --text "hello" --language en --output-raw | aplay -r 22050 -f S16_LE

Note: C# CLI は dotnet tool install -g PiperPlus.Cli で、Rust CLI は cargo install piper-plus-cli でインストールできます。両方とも6言語対応・カスタム辞書・ストリーミングをサポートしています。

ソースからビルド (Rust)

# Rust CLI ビルド
cargo build --release -p piper-plus-cli
# テスト
cargo test -p piper-plus

前提条件: Rust 1.70+、cargo

---

使い方

C++ CLI

テキスト直接入力 (推奨)

--text オプションでパイプなしにテキストを直接入力できます:

# テキストから音声生成
./bin/piper --model model.onnx --text "Hello, how are you?" -f output.wav

# 日本語テキスト (Windowsでのエンコーディング問題を回避)
bin\piper.exe --model models\tsukuyomi.onnx --text "こんにちは、今日は良い天気ですね。" -f output.wav

# 話者指定
./bin/piper --model model.onnx --text "Hello" --speaker 3 -f output.wav

パイプ入力

# 基本
echo "こんにちは" | ./bin/piper --model ja_model.onnx --output_file output.wav

# ストリーミング (低レイテンシ)
echo "長いテキスト..." | ./bin/piper --model ja_model.onnx --output_file output.wav --streaming

# GPU推論
echo "Hello" | ./bin/piper --model en_model.onnx --use-cuda --output_file output.wav

# 音素タイミング出力 (リップシンク・字幕同期用)
echo "Hello world" | ./bin/piper --model en_model.onnx -f speech.wav --output-timing timing.json

# カスタム辞書
echo "DockerとGitHubを使います" | ./bin/piper --model ja_model.onnx --custom-dict my_dict.json -f output.wav

# インライン音素入力
echo 'Hello [[ h ə l oʊ ]] world' | ./bin/piper --model en_model.onnx -f output.wav

# 生の音素入力
echo 'h ə l oʊ _ w ɜː l d' | ./bin/piper --model en_model.onnx --raw-phonemes -f output.wav

# ストリーミング (raw audio 出力)
echo 'Long text...' | ./bin/piper --model en_model.onnx --output-raw | \
  aplay -r 22050 -f S16_LE -t raw -

主なオプション:

オプション	説明	デフォルト
--model PATH\|NAME	モデルファイルのパス、またはモデル名 (ダウンロード済みモデルを自動解決)	-
--text TEXT	テキスト直接入力 (パイプ不要)	-
--streaming	チャンクベースのストリーミングモード	off
--use-cuda	CUDA GPU推論を有効化	off
--gpu-device-id NUM	GPU デバイスID	0
--length-scale VAL	話速調整 (小さい=速い)	1.0
--noise-scale VAL	音声バリエーション制御	0.667
--noise-w VAL	音素長バリエーション制御	0.8
--sentence-silence SEC	文間の無音 (秒)	0.2
--speaker NUM	マルチスピーカーモデルの話者番号	0
--phoneme-silence PHONEME SEC	特定音素の無音時間設定	-
--raw-phonemes	入力を音素として解釈	off
--output-timing FILE	音素タイミング情報をファイル出力 (JSON/TSV)	-
--custom-dict FILE	カスタム辞書 (カンマ区切りで複数指定可)	-
--json-input	JSON入力モード	off
--list-models [LANG]	利用可能なモデル一覧を表示	-
--download-model NAME	モデルをダウンロード	-
--model-dir DIR	モデルのダウンロード先ディレクトリ	-
--version	バージョン表示	-

piper --help で全オプションを確認できます。

WavLMモデルの推奨設定: WavLM Discriminatorで学習されたモデルは --noise-scale 0.5 を推奨します (デフォルトは 0.667)。

echo "こんにちは" | ./bin/piper --model tsukuyomi.onnx --config config.json --noise-scale 0.5 -f output.wav

JSON入力

--json-input フラグでJSON入力を受け付けます:

{ "text": "First speaker.", "speaker_id": 0, "output_file": "/tmp/speaker_0.wav" }
{ "text": "Second speaker.", "speaker_id": 1, "output_file": "/tmp/speaker_1.wav" }

モデル管理

モデル一覧の表示

# 利用可能なモデル一覧を表示
./bin/piper --list-models

# 言語でフィルタリング
./bin/piper --list-models ja
./bin/piper --list-models en

モデルのダウンロード

# モデル名を指定してダウンロード (エイリアスも使用可能)
./bin/piper --download-model tsukuyomi
./bin/piper --download-model en_US-lessac-medium

# ダウンロード先ディレクトリを指定
./bin/piper --download-model tsukuyomi --model-dir /path/to/models

# ダウンロード後、モデル名で推論 (フルパス不要)
./bin/piper --model tsukuyomi --text "こんにちは"

環境変数 (C++ CLI)

変数名	説明	例
PIPER_DEFAULT_MODEL	--model 未指定時のデフォルトモデルパス	/path/to/model.onnx
PIPER_DEFAULT_CONFIG	--config 未指定時のデフォルト設定ファイルパス	/path/to/config.json
PIPER_MODEL_DIR	ダウンロードモデルの保存先ディレクトリ	~/.local/share/piper/models
PIPER_GPU_DEVICE_ID	CUDA GPUデバイスID	0

ヘルパースクリプト (Windows)

Windows ユーザー向けに scripts/ ディレクトリにヘルパースクリプトを提供しています。

PowerShell:

.\scripts\speak.ps1 "こんにちは、今日は良い天気ですね。"
.\scripts\speak.ps1 -Model "models\tsukuyomi.onnx" -Text "テスト"

コマンドプロンプト:

scripts\speak.bat "こんにちは、今日は良い天気ですね。"
scripts\speak.bat --model models\tsukuyomi.onnx "テスト"

---

学習

詳細は 学習ガイド を参照。

基本

uv pip install ".[train]"

uv run python -m piper_train \
  --dataset-dir /path/to/dataset \
  --accelerator gpu --devices 1 --precision 16-mixed \
  --max_epochs 200 --batch-size 16 \
  --quality medium \
  --prosody-dim 16 \
  --ema-decay 0.9995

マルチスピーカー・マルチGPU

NCCL_DEBUG=WARN NCCL_P2P_DISABLE=1 NCCL_IB_DISABLE=1 \
uv run python -m piper_train \
  --dataset-dir /path/to/dataset \
  --prosody-dim 16 \
  --accelerator gpu --devices 4 --precision 16-mixed \
  --max_epochs 200 --batch-size 12 --samples-per-speaker 2 \
  --checkpoint-epochs 1 --quality medium \
  --base_lr 2e-4 --disable_auto_lr_scaling \
  --ema-decay 0.9995

マルチGPUでは DDP (Distributed Data Parallel) が自動設定されます。NCCL環境変数の設定が必要です。詳細はマルチGPU学習ガイドを参照。

ONNX変換

デフォルトでFP16変換が適用され、モデルサイズが約50%削減されます。--no-fp16 で無効化可能。数値安定性のため LayerNormalization, Sigmoid, Softmax は FP32 のまま保持されます。

# 標準モデル (FP16出力)
CUDA_VISIBLE_DEVICES="" uv run python -m piper_train.export_onnx \
  /path/to/checkpoint.ckpt /path/to/output.onnx

# FP32出力
CUDA_VISIBLE_DEVICES="" uv run python -m piper_train.export_onnx \
  --no-fp16 /path/to/checkpoint.ckpt /path/to/output.onnx

# WavLMモデル (--stochastic 必須)
CUDA_VISIBLE_DEVICES="" uv run python -m piper_train.export_onnx \
  --stochastic /path/to/checkpoint.ckpt /path/to/output.onnx

チェックポイント管理

• --resume_from_checkpoint — チェックポイントからの学習再開
• --resume_from_single_speaker_checkpoint — シングルスピーカーモデルからマルチスピーカーへの変換

音声評価

scripts/evaluation/ に MCD, PESQ, UTMOS の評価ツールがあります。

---

事前学習済みモデル

推論用の音声合成モデルを Hugging Face で公開しています。

推論用モデル (すぐに使えます):

モデル	言語	話者数	説明	ダウンロード
つくよみちゃん 6lang	JA/EN/ZH/ES/FR/PT	1	つくよみちゃん音声、6言語対応、FP16	HuggingFace
CSS10 日本語 6lang	JA/EN/ZH/ES/FR/PT	1	CSS10日本語音声、6言語対応、FP16	HuggingFace

学習用ベースモデル (ファインチューニング用):

モデル	言語	話者数	説明	ダウンロード
6言語ベースモデル	JA/EN/ZH/ES/FR/PT	571	マルチリンガル事前学習済み (508,187発話, VITS + Prosody)	HuggingFace

モデルのダウンロード

つくよみちゃんモデル:

Windows (PowerShell):

mkdir models
Invoke-WebRequest -Uri "https://huggingface.co/ayousanz/piper-plus-tsukuyomi-chan/resolve/main/tsukuyomi-chan-6lang-fp16.onnx" -OutFile models/tsukuyomi.onnx
Invoke-WebRequest -Uri "https://huggingface.co/ayousanz/piper-plus-tsukuyomi-chan/resolve/main/config.json" -OutFile models/config.json

macOS / Linux:

mkdir -p models
curl -L -o models/tsukuyomi.onnx https://huggingface.co/ayousanz/piper-plus-tsukuyomi-chan/resolve/main/tsukuyomi-chan-6lang-fp16.onnx
curl -L -o models/config.json https://huggingface.co/ayousanz/piper-plus-tsukuyomi-chan/resolve/main/config.json

6言語ベースモデルの特徴 (学習用)

• アーキテクチャ: VITS + Prosody Features
• 学習データ: 508,187発話 (571話者, 6言語)
• サンプリングレート: 22,050 Hz
• シンボル数: 173
• Prosody Features: A1/A2/A3 韻律情報 (日本語)
• 言語グループ均等サンプリング: 自動有効化

対応言語:

言語	コード	language_id	話者数	発話数	ソース
日本語	ja	0	20	60,148	MOE-Speech
英語	en	1	310	74,912	LibriTTS-R
中国語	zh	2	142	63,223	AISHELL-3
スペイン語	es	3	63	168,374	CML-TTS
フランス語	fr	4	28	107,464	CML-TTS
ポルトガル語	pt	5	8	34,066	CML-TTS

Note: piper-plus は独自のアーキテクチャ拡張 (多言語埋め込み、Prosody A1/A2/A3、173シンボル) を行っているため、upstream Piper のチェックポイント/ONNXモデルとの互換性はありません。piper-plus 専用のモデルをご利用ください。

---

日本語 TTS

OpenJTalk 統合による高品質な日本語音声合成。辞書・ボイスファイルは初回実行時に自動ダウンロードされます。

環境変数 (オプション):

変数名	説明
OPENJTALK_DICTIONARY_PATH	OpenJTalk辞書パス (未設定時は自動ダウンロード)
PIPER_AUTO_DOWNLOAD_DICT	0 で自動ダウンロード無効化
PIPER_OFFLINE_MODE	1 でオフラインモード

詳細は日本語音声合成ガイドおよび 音素マッピングリファレンス を参照。

---

プラットフォーム

macOS

Apple Silicon (M1/M2/M3+) のみサポート。 Intel Mac は Docker またはソースビルドをご利用ください。

初回実行時のセキュリティ警告:

xattr -cr piper/

Windows

espeak-ng-data ディレクトリが必要です。詳細は Windows セットアップガイド を参照。

set ESPEAK_DATA_PATH=C:\path\to\espeak-ng-data
piper.exe --model en_US-lessac-medium.onnx -f output.wav

WebAssembly

ブラウザで直接動作する日本語 TTS。サーバー不要、オフライン対応。

• オンラインデモ
• 技術詳細・統合ガイド

---

関連リンク

Unity — uPiper

Piper を Unity で使用するプラグイン: github.com/ayutaz/uPiper

• Unity 6000.0.35f1+、Unity.InferenceEngine
• Windows / macOS (Apple Silicon) / Linux / Android 対応
• 日本語・英語対応、非同期API、ストリーミング

音声モデル (Voices)

upstream Piper の音声モデル (30+言語) も利用可能: piper-voices

各音声には .onnx モデルと .onnx.json 設定ファイルが必要です。音声サンプル | ビデオチュートリアル

関連記事

• LJSpeechを使って英語のpiperの事前学習モデルを作成する
• jvs音声データセットを使ったpiper日本語モデルの作成
• piperモデルからつくよみちゃんデータセットを使って追加学習を行う

People using Piper

Home Assistant · Rhasspy 3 · NVDA · Open Voice OS · LocalAI · JetsonGPT · mintPiper · Vim-Piper

---

ドキュメント

カテゴリ	リンク
日本語TTS	日本語音声合成ガイド
学習	学習ガイド · マルチGPU
API	音素マッピング · 環境変数
機能	WebUI · CLI強化 · ストリーミング
セットアップ	クイックスタート (日本語) · Windows · トラブルシューティング
Docker	Docker環境
WebAssembly	技術詳細

Contributing

CONTRIBUTING.md を参照。

Changelog

CHANGELOG.md を参照。