OpenTtS

Project Overview

ユーザーがテキストチャットに送信したメッセージをリアルタイムで音声合成（TTS）し、ボイスチャンネル内に読み上げるDiscord Botです。マイクを使用できない環境のユーザーや聞き専のユーザーが、他の通話メンバーと円滑にコミュニケーションを取るための補助ツールとして開発しました。

Challenges & Solutions

メッセージ送信から実際にボイスチャットへ音声が再生されるまでのレイテンシを極限まで短縮することが最大の課題でした。Pythonの非同期処理ライブラリ `asyncio` を活用してAPIリクエストと音声データのストリーミングバッファリングをマルチスレッド化し、さらに音声合成データの生成・ダウンロードとFFmpegによるオーディオ変換処理をパイプライン化することで、発言から1秒未満でスムーズに音声が再生される応答速度を実現しました。