README.md

---
title: AIGamingVoice Japanese
emoji: 🐠
colorFrom: gray
colorTo: purple
sdk: gradio
sdk_version: 6.2.0
app_file: app.py
pinned: false
license: mit
short_description: TTS voice for AI (Currently Matcha-TTS)
---

# AIGamingVoice - Japanese / 日本語

High-quality, lightweight Japanese Text-to-Speech specifically tuned for AI gaming characters.
Running on ONNX Runtime for fast inference 

AIゲームキャラクター向けに調整された高品質・軽量な日本語音声合成システムです。
ONNX Runtime上で動作します。

## 🌟 Features / 特徴

- **⚡ Fast & Lightweight**: Pure ONNX Runtime implementation 
  - **高速・軽量**: 純粋なONNX Runtime実装です。
- **🖼️ Visual Speaker Selection**: Select speakers intuitively from an image gallery.
  - **視覚的な話者選択**: 画像ギャラリーから直感的にキャラクター（話者）を選択できます。
- **🇯🇵 Japanese Optimization**: Uses `pyopenjtalk` for accurate Japanese phoneme generation.
  - **日本語最適化**: `pyopenjtalk` を使用し、正確な日本語読み上げを実現しています。

## 🛠️ Installation & Local Usage / インストールとローカルでの使用方法

1. **Clone the repository / リポジトリをクローン**
   ```bash
   git clone https://huggingface.co/spaces/YOUR_USERNAME/AIGamingVoice-Japanese
   cd AIGamingVoice-Japanese
   ```

2. **Install dependencies / 依存関係のインストール**
   ```bash
   pip install -r requirements.txt
   ```
   *Note: You need `cmake` installed for pyopenjtalk.*
   *注: pyopenjtalkのインストールには `cmake` が必要です。*

3. **Prepare Models / モデルの準備**
   Place your `.onnx` models in the `models/` directory.
   `models/` ディレクトリに `.onnx` モデルファイルを配置してください。

4. **Prepare Speaker Images (Optional) / 話者画像の準備（オプション）**
   Place images (`0.jpg`, `1.jpg`, ...) in the `imgs/` directory to enable the visual selector.
   `imgs/` ディレクトリに画像ファイル（`0.jpg`, `1.jpg` ...）を配置すると、画像による話者選択機能が有効になります。

5. **Run the application / アプリケーションの実行**
   ```bash
   python app.py
   ```
   Access http://localhost:7860 in your browser.
   ブラウザで http://localhost:7860 にアクセスしてください。

## 🎮 How to Use / 使い方

1. **Select Model**: Choose a voice model from the dropdown.
   - **モデル選択**: ドロップダウンから音声モデルを選択します。
2. **Select Speaker**: Click on a character image or enter the Speaker ID.
   - **話者選択**: キャラクター画像をクリックするか、Speaker IDを入力します。
3. **Input Text**: Enter Japanese text to synthesize.
   - **テキスト入力**: 読み上げたい日本語テキストを入力します。
4. **Adjust Settings**: Tweak Temperature (randomness) and Speaking Rate (speed).
   - **設定調整**: Temperature（ランダム性）やSpeaking Rate（話速）を調整できます。
5. **Synthesize**: Click the button to generate audio.
   - **音声生成**: ボタンをクリックして音声を生成します。

## 🤝 Credits / クレジット

- **Matcha-TTS**: Architecture based on Matcha-TTS.
- **ONNX Runtime**: Inference engine.
- **pyopenjtalk**: Japanese text processing frontend.

---
*Created for AI Gaming Voice Project*