Microsoft のサーバーレスのサービス Azure Functions (C#) を使って Google Home 対応アプリ「筋肉ボイス」
ちょまどさん (@chomado) のような筋肉を感じる声に変えてもらいましょう！
Google Assistant 系のアプリは Node.js でやってる人が多いのですが、これは C# で書いてます。（私は C# 好き過ぎて Microsoft 入社しました。）
(最初は node.js で書いていたのですが、途中で全部消して C# で書き直しました)
動作デモ動画
公開3日で 3.4万再生されました！
[https://twitter.com/chomado/status/974534165419892736]
↑ ぜひ音アリで見てください！
動作シナリオ
ユーザ「OKグーグル、筋肉ボイス」
「はい、筋肉ボイスに繋ぎます」
ユーザ「私の名前はちょまどです」
(イカツイ声で)「私の名前はちょまどです」
構成図（アーキテクチャ）
Microsoft のクラウドサービスである「Microsoft Azure (アジュール)」などを使ってるよ！
使っているもの：
自然言語解析エンジンのDialogflow(一応挟んでるけど、今回は発した言葉のオウム返しなので、あんまり処理は書いてない。Webhook に飛ばす綱渡しのために入れてる)- Microsoft Azure の
サーバーレスのサービスである Azure Functions (アジュール・ファンクション)。ここで自分の書いたプログラムが動くことになる - 文字列を渡したらそれを任意の声で読み上げてくれる
text to speechのサービス「VoiceText Web API」 - Microsoft Azure の
ファイル置き場の Azure Storage (アジュール・ストレージ)
処理の流れ
- ユーザー「ちょまどだよ！」
- →
Google Assistant「"ちょまどだよ" って言ったわ」 - →
Dialogflow「Webhook に飛ばすわ」 - →
Azure Functionsに書いた私のコード「"ちょまどだよ"って来たわ。音声変換APIに飛ばすわ」 - →
VoiceText Web API「mp3 に変換して返すわ」 - →
Azure Functionsに書いた私のコード「mp3来たからクラウド上のストレージに保存しておいて、その保存先のURL貰うわ」 - →
Azure Storage「保存したよ。アクセスするためのURLはこれだよ https://-----」 - →
Azure Functionsに書いた私のコード「Google Home (の上で動いてる Actions on Google)に mp3 渡して読み上げてもらうわ」 - →
Google Home「（野太い声で）ちょまどだよ」 - → ユーザ「きゃっきゃっ」
コード解説
メインのプログラムは /ChomadoVoice/GoogleHome.cs です。
動かすために自分でやること
「Google Home で動くアプリを C# で開発する」事前知識として、Microsoft 社エンジニアのかずきさんによる、こちらの記事がオススメです。
Google アシスタントアプリを開発する時に Fulfillment の先を C# で開発する方法
ーー
追記
私のこの README が不親切過ぎたようで、有志が続々と「筋肉ボイスを動かすための解説記事」を書いてくれています。ありがとうございます！！
「筋肉ボイス」を動かしてみる｜Qiita ！やすいさんありがとうございます！
追記その２：MS MVP の前村さんが記事を書いてくださいました！ありがとうございます！
ちょまどさんの筋肉ボイスを動かしてみた｜つくるの大好きブログ
追記その３：しょうさんありがとうございます！これかなり詳細な記事で本当に素晴らしい
ちょまどさんの筋肉ボイス動かしてみた｜SHO Tech Lab
ーー
やること
書いたコードは全て上げていますが、
各種使用サービスの APIキーなど、秘密にするべきものはもちろん public に上げていません。
なので、clone 後、以下の手順を踏む必要があります。
（この手順書はまだ途中です！あとで完成させます）
- 声を変える ために使うサービスのAPIキー入手
- VoiceText Web API の APIキー取得。（最初の画面の「はじめる」から先に進んだら、登録したメアドにAPIキーが届きます）
- (注) これから先、処理を動かす場所の確保 & mp3ファイル保存のために、クラウドサービスの Microsoft Azure(アジュール)を使います。まだアカウントをお持ちでない方は こちらからトライアル開始できます
- VoiceText Web API が吐いた mp3の保存場所 の接続文字列など入手
- ラズパイとか用意したり自分でサーバ立てるのが面倒だったので、Microsoft のクラウドサービスを使います。ということで Microsoft Azure の管理ポータルを開きます。
- 画面左上の「＋リソースの作成」から、ストレージアカウント (mp3保存場所)のインスタンス立ち上げる
- ストレージアカウント (mp3保存場所)の APIキー２つ取得（少し分かりにくいと思ったので下にスクショ載せました）
- 環境変数の書き換え
- ストレージへのアクセスするための秘密の文字列（接続文字列）を、Azure Functions の環境変数一覧の中に登録する
- この方法は後で書く！！と思ったんだけど、Microsoft MVP のまえもとさんが素晴らしい記事を書いてたので皆様もこれご参照ください。この記事の中の「Azure Functions の設定」節の「アプリケーション設定」の中に書いてあります
Azure ポータル上での操作
↓ Microsoft Azure で作った「ストレージアカウント」を開くと、最初はこんな画面である。
ちなみに、我々は、この「ストレージアカウント」の中の「Blob (Binary Large OBject) Storage」という機能だけ使うことになる。現段階では mp3 突っ込むだけなので。
↓ この左の「アクセスキー」をクリックして、以下２か所からコピーして メモ帳アプリかどこかに控えておく。
また、Google 側からアプリを呼び出すために、
これで Azure 側に作ったエンドポイントを Google の Dialogflow の Webhook のエンドポイントに入れておくのが大切です
