【Python】Google Text to Speech でwavファイルを作らずに音を再生する

Question

前提・実現したいこと

Googleのapiであるtext-to-speechをpythonから呼び出し、
得られた音声データをwavファイルを作成せずにそのまま再生したい。

発生している問題・エラーメッセージ

apiのレスポンスから得られたデータをどのようにすればpyaudioで再生できるのかわかりません。

Traceback (most recent call last):
  File "test.py", line 34, in <module>
    with wave.open(audio, 'rb') as wf:
  File "C:\Users\tisma\Anaconda3\envs\test2\lib\wave.py", line 499, in open
    return Wave_read(f)
  File "C:\Users\tisma\Anaconda3\envs\test2\lib\wave.py", line 163, in __init__
    self.initfp(f)
  File "C:\Users\tisma\Anaconda3\envs\test2\lib\wave.py", line 128, in initfp
    self._file = Chunk(file, bigendian = 0)
  File "C:\Users\tisma\Anaconda3\envs\test2\lib\chunk.py", line 61, in __init__
    self.chunkname = file.read(4)
AttributeError: 'bytes' object has no attribute 'read'

該当のソースコード

import base64
import json
import requests
import pyaudio
import wave
import time

text = 'こんにちは'
str_url = "https://texttospeech.googleapis.com/v1beta1/text:synthesize?key="
str_api_key = "hogehoge"
str_headers = {'Content-Type': 'application/json; charset=utf-8'}
url = str_url + str_api_key
str_json_data = {
        'input': {
            'text': text
        },
        'voice': {
            'languageCode': 'ja-JP',
            'name': 'ja-JP-Wavenet-A',
            'ssmlGender': 'FEMALE'
        },
        'audioConfig': {
            'audioEncoding': 'LINEAR16',
            'speakingRate': 1.1,
            'pitch': 1.0,
        }
    }

jd = json.dumps(str_json_data)
r = requests.post(url, data=jd, headers=str_headers)
if r.status_code == 200:
    parsed = json.loads(r.text)
    audio = base64.b64decode(parsed['audioContent'])
    with wave.open(audio, 'rb') as wf:
        # 以下再生用処理
        p = pyaudio.PyAudio()

        def _callback(in_data, frame_count, time_info, status):
            data = wf.readframes(frame_count)
            return (data, pyaudio.paContinue)

        stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                        channels=wf.getnchannels(),
                        rate=wf.getframerate(),
                        output=True,
                        stream_callback=_callback)

        stream.start_stream()
        while stream.is_active():
            time.sleep(0.1)

        stream.stop_stream()
        stream.close()
        p.terminate()

Comments

[tachikoma]

参考までに、なのですが初めてPyAudioを触るのでしたらcallbackよりもblockingモードで実装するほうが楽ですよ。
https://people.csail.mit.edu/hubert/pyaudio/docs/#example-blocking-mode-audio-i-o

[tkymtmt]

ありがとうございます。なるほど確かにblockingモードの方が実装が簡単なようですね！
説明不足でしたが今回は諸事情により、別のスレッド上で再生処理を行ってほしかったのでこのような処理になってしまいました。

Answer 1

io.Bytesオブジェクト

base64でデコードしたものでio.BytesIOインスタンスを作ることで解決できました。

import base64
import json
import requests
import pyaudio
import wave
import time

text = 'こんにちは'
str_url = "https://texttospeech.googleapis.com/v1beta1/text:synthesize?key="
str_api_key = "hogehoge"
str_headers = {'Content-Type': 'application/json; charset=utf-8'}
url = str_url + str_api_key
str_json_data = {
        'input': {
            'text': text
        },
        'voice': {
            'languageCode': 'ja-JP',
            'name': 'ja-JP-Wavenet-A',
            'ssmlGender': 'FEMALE'
        },
        'audioConfig': {
            'audioEncoding': 'LINEAR16',
            'speakingRate': 1.1,
            'pitch': 1.0,
        }
    }

jd = json.dumps(str_json_data)
r = requests.post(url, data=jd, headers=str_headers)
if r.status_code == 200:
    parsed = json.loads(r.text)
    audio = base64.b64decode(parsed['audioContent'])
    with wave.open(io.BytesIO(audio), 'rb') as wf:  # 変更点
        # 以下再生用処理
        p = pyaudio.PyAudio()

        def _callback(in_data, frame_count, time_info, status):
            data = wf.readframes(frame_count)
            return (data, pyaudio.paContinue)

        stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                        channels=wf.getnchannels(),
                        rate=wf.getframerate(),
                        output=True,
                        stream_callback=_callback)

        stream.start_stream()
        while stream.is_active():
            time.sleep(0.1)

        stream.stop_stream()
        stream.close()
        p.terminate()