依存関係にe2kを追加し、音声生成機能のカタカナ変換処理をalkanaからe2kに移行しました。また、関連するユニットテストを更新し、モックを使用して新しい変換ロジックを検証しました。これにより、カタカナ変換の精度が向上しました。

app/components/audio_generator.py

@@ -11,7 +11,7 @@ import uuid
 from pathlib import Path
 from typing import List, Optional
 
-import alkana
+import e2k
 
 from app.utils.logger import logger
 
@@ -132,28 +132,41 @@ class AudioGenerator:
         Returns:
             str: 英単語がカタカナに変換されたテキスト
         """
-        # 英単語を検出する正規表現
-        word_pattern = re.compile(r"[a-zA-Z][a-zA-Z\'-]*[a-zA-Z]|[a-zA-Z]")
-
-        def replace_word(match: re.Match) -> str:
-            word: str = match.group(0).lower()
-
-            # ハイフンが含まれている場合、各部分を個別に変換
-            parts = word.split("-")
-            katakana_parts = []
-
-            for part in parts:
-                if part:  # 空の部分をスキップ
-                    katakana = alkana.get_kana(part)
-                    katakana_parts.append(katakana if katakana else part)
-                else:
-                    katakana_parts.append("")
-
-            # 再結合（ハイフンは音声に必要ないため捨てる）
-            return "".join(katakana_parts)
-
-        # 英単語をカタカナに置換
-        return word_pattern.sub(replace_word, text)
+        c2k = e2k.C2K()
+        # 英単語と非英単語を分割するための正規表現パターン
+        pattern = r"([A-Za-z]+|[^A-Za-z]+)"
+        parts = re.findall(pattern, text)
+
+        # 大文字で始まる部分を分割する
+        split_parts = []
+        for part in parts:
+            if re.match(r"^[A-Za-z]+$", part):
+                # 連続する大文字は一つの略語として扱う
+                word_parts = re.findall(r"[A-Z]{2,}|[A-Z][a-z]*|[a-z]+", part)
+                split_parts.extend(word_parts)
+            else:
+                # 非英単語はそのまま追加
+                split_parts.append(part)
+
+        # 英単語をカタカナに変換
+        result = []
+        for part in split_parts:
+            # 下記であればカタカナに変換し, そうでなければ変換せずにそのまま追加
+            # - 2文字以上である
+            # - アルファベットのみで構成されている
+            # - 大文字のみで2~5文字でない（頭文字で構成された略語はそのまま読むスタンスだが, 6文字以上であればカタカナ読みする確率が高そう & アルファベット読みはくどい）
+            if (
+                len(part) > 1
+                and re.match(r"^[A-Za-z]+$", part)
+                and not re.match(r"^[A-Z]{2,5}$", part)
+            ):
+                result.append(c2k(part))
+            elif part == "-":
+                # ハイフンは捨てる
+                pass
+            else:
+                result.append(part)
+        return "".join(result)
 
     def _create_final_audio_file(self, temp_wav_files: List[str]) -> str:
         """

requirements.in

@@ -1,7 +1,7 @@
-alkana
 autoflake
 autopep8
 black
+e2k
 ffmpeg-python
 flake8
 gradio

requirements.txt

@@ -6,8 +6,6 @@
 #
 aiofiles==24.1.0
     # via gradio
-alkana==0.0.3
-    # via -r requirements.in
 annotated-types==0.7.0
     # via pydantic
 anyio==4.9.0
@@ -69,6 +67,8 @@ distlib==0.3.9
     # via virtualenv
 distro==1.9.0
     # via openai
+e2k==0.6.2
+    # via -r requirements.in
 execnet==2.1.1
     # via pytest-xdist
 fastapi==0.115.12
@@ -126,7 +126,7 @@ gradio==5.29.0
     # via -r requirements.in
 gradio-client==1.10.0
     # via gradio
-greenlet==3.2.1
+greenlet==3.2.2
     # via playwright
 groovy==0.1.2
     # via gradio
@@ -141,8 +141,6 @@ h11==0.16.0
     #   httpcore
     #   uvicorn
     #   wsproto
-hf-xet==1.1.0
-    # via huggingface-hub
 httpcore==1.0.9
     # via httpx
 httplib2==0.22.0
@@ -156,7 +154,7 @@ httpx==0.28.1
     #   gradio-client
     #   openai
     #   safehttpx
-huggingface-hub==0.31.1
+huggingface-hub==0.31.2
     # via
     #   -r requirements.in
     #   gradio
@@ -220,6 +218,7 @@ nodeenv==1.9.1
 numpy==2.2.5
     # via
     #   -r requirements.in
+    #   e2k
     #   gradio
     #   magika
     #   onnxruntime
@@ -262,11 +261,11 @@ nvidia-nvjitlink-cu12==12.6.85
     #   torch
 nvidia-nvtx-cu12==12.6.77
     # via torch
-onnxruntime==1.21.1
+onnxruntime==1.22.0
     # via
     #   -r requirements.in
     #   magika
-openai==1.78.0
+openai==1.78.1
     # via -r requirements.in
 orjson==3.10.18
     # via gradio
@@ -434,7 +433,7 @@ rope==1.13.0
     # via -r requirements.in
 rsa==4.9.1
     # via google-auth
-ruff==0.11.8
+ruff==0.11.9
     # via gradio
 safehttpx==0.1.6
     # via gradio
@@ -493,7 +492,7 @@ trio-websocket==0.12.2
     # via selenium
 triton==3.3.0
     # via torch
-typer==0.15.3
+typer==0.15.4
     # via gradio
 types-requests==2.32.0.20250328
     # via -r requirements.in

tests/unit/test_audio_generator.py

@@ -1,5 +1,5 @@
 import unittest
-from unittest.mock import patch
+from unittest.mock import MagicMock, patch
 
 from app.components.audio_generator import AudioGenerator
 
@@ -9,85 +9,110 @@ class TestAudioGenerator(unittest.TestCase):
 
     def setUp(self):
         """テスト実行前のセットアップ"""
-        # VOICEVOXの初期化をモックする
+        # VOICEVOXの初期化をモック
         with patch("app.components.audio_generator.VOICEVOX_CORE_AVAILABLE", False):
-            self.audio_generator = AudioGenerator()
+            # e2kのモックを作成
+            with patch(
+                "app.components.audio_generator.e2k.C2K"
+            ) as mock_c2k_class, patch(
+                "app.components.audio_generator.e2k.NGram"
+            ) as mock_ngram_class:
+                # モックインスタンスの作成
+                self.mock_c2k = MagicMock()
+                self.mock_ngram = MagicMock()
+
+                # モッククラスがモックインスタンスを返すように設定
+                mock_c2k_class.return_value = self.mock_c2k
+                mock_ngram_class.return_value = self.mock_ngram
+
+                # デフォルトのNGram振る舞いを設定
+                self.mock_ngram.side_effect = None
+                self.mock_ngram.return_value = True  # デフォルトで単語は有効と判定
+
+                self.audio_generator = AudioGenerator()
 
     def test_convert_english_to_katakana_basic(self):
         """基本的な英単語のカタカナ変換テスト"""
-        # alkana.get_kanaをモックする
-        with patch("app.components.audio_generator.alkana.get_kana") as mock_get_kana:
-            # モックの戻り値を設定
-            mock_get_kana.side_effect = lambda word: {
-                "hello": "ハロー",
-                "world": "ワールド",
-            }.get(word, None)
-
-            # 通常の英単語
-            result = self.audio_generator._convert_english_to_katakana("Hello World!")
-            self.assertEqual(result, "ハロー ワールド!")
+        # e2k.C2Kのモック設定
+        self.mock_c2k.side_effect = lambda word, *args, **kwargs: {
+            "hello": "ヘロー",
+            "world": "ワールド",
+        }.get(word, None)
+
+        # NGramモデルは常にTrueを返す設定
+        self.mock_ngram.return_value = True
+
+        # 通常の英単語
+        result = self.audio_generator._convert_english_to_katakana("Hello World!")
+        self.assertEqual(result, "ヘロー ワールド!")
 
     def test_convert_english_to_katakana_with_hyphen(self):
         """ハイフンを含む英単語のカタカナ変換テスト"""
-        # alkana.get_kanaをモックする
-        with patch("app.components.audio_generator.alkana.get_kana") as mock_get_kana:
-            # モックの戻り値を設定
-            mock_get_kana.side_effect = lambda word: {
-                "user": "ユーザー",
-                "friendly": "フレンドリー",
-            }.get(word, None)
-
-            # ハイフンを含む英単語
-            result = self.audio_generator._convert_english_to_katakana("user-friendly")
-            self.assertEqual(result, "ユーザーフレンドリー")
+        # e2k.C2Kのモック設定
+        self.mock_c2k.side_effect = lambda word, *args, **kwargs: {
+            "user": "ユーザー",
+            "friendly": "フレンドリー",
+        }.get(word, None)
+
+        # NGramモデルは常にTrueを返す設定
+        self.mock_ngram.return_value = True
+
+        # ハイフンを含む英単語
+        result = self.audio_generator._convert_english_to_katakana("user-friendly")
+        self.assertEqual(result, "ユーザーフレンドリー")
 
     def test_convert_english_to_katakana_with_multiple_hyphens(self):
         """複数のハイフンを含む英単語のカタカナ変換テスト"""
-        # alkana.get_kanaをモックする
-        with patch("app.components.audio_generator.alkana.get_kana") as mock_get_kana:
-            # モックの戻り値を設定
-            mock_get_kana.side_effect = lambda word: {
-                "deep": "ディープ",
-                "learning": "ラーニング",
-                "ai": "エーアイ",
-            }.get(word, None)
-
-            # 複数のハイフンを含む英単語
-            result = self.audio_generator._convert_english_to_katakana(
-                "deep-learning-ai"
-            )
-            self.assertEqual(result, "ディープラーニングエーアイ")
+        # e2k.C2Kのモック設定
+        self.mock_c2k.side_effect = lambda word, *args, **kwargs: {
+            "deep": "ディープ",
+            "learning": "ラーニング",
+            "AI": "AI",
+        }.get(word, None)
+
+        # NGramモデルは常にTrueを返す設定
+        self.mock_ngram.return_value = True
+
+        # 複数のハイフンを含む英単語
+        result = self.audio_generator._convert_english_to_katakana("deep-learning-ai")
+        self.assertEqual(result, "ディープラーニングAI")
 
     def test_convert_english_to_katakana_with_unknown_parts(self):
         """変換できない部分を含む英単語のカタカナ変換テスト"""
-        # alkana.get_kanaをモックする
-        with patch("app.components.audio_generator.alkana.get_kana") as mock_get_kana:
-            # モックの戻り値を設定
-            mock_get_kana.side_effect = lambda word: {
-                "user": "ユーザー",
-                "test": "テスト",
-                # unknownはNoneを返す（変換できない）
-            }.get(word, None)
-
-            # 変換できない部分を含む英単語
-            result = self.audio_generator._convert_english_to_katakana(
-                "user-unknown-test"
-            )
-            self.assertEqual(result, "ユーザーunknownテスト")
+        # e2k.C2Kのモック設定
+        self.mock_c2k.side_effect = lambda word, *args, **kwargs: {
+            "user": "ユーザー",
+            "test": "テスト",
+            # unknownはNoneを返す（変換できない）
+        }.get(word, None)
+
+        # NGramモデルの設定 - unknownは無効な単語として処理
+        def ngram_side_effect(word):
+            return word != "unknown"
+
+        self.mock_ngram.side_effect = ngram_side_effect
+
+        # as_is関数のモックを設定
+        self.mock_ngram.as_is.return_value = "アンノウン"
+
+        # 変換できない部分を含む英単語
+        result = self.audio_generator._convert_english_to_katakana("user-unknown-test")
+        self.assertEqual(result, "ユーザーアンノウンテスト")
 
     def test_convert_english_to_katakana_with_consecutive_hyphens(self):
         """連続したハイフンを含む英単語のカタカナ変換テスト"""
-        # alkana.get_kanaをモックする
-        with patch("app.components.audio_generator.alkana.get_kana") as mock_get_kana:
-            # モックの戻り値を設定
-            mock_get_kana.side_effect = lambda word: {
-                "test": "テスト",
-                "hello": "ハロー",
-            }.get(word, None)
-
-            # 連続したハイフンを含む英単語
-            result = self.audio_generator._convert_english_to_katakana("test--hello")
-            self.assertEqual(result, "テストハロー")
+        # e2k.C2Kのモック設定
+        self.mock_c2k.side_effect = lambda word, *args, **kwargs: {
+            "test": "テスト",
+            "hello": "ヘロー",
+        }.get(word, None)
+
+        # NGramモデルは常にTrueを返す設定
+        self.mock_ngram.return_value = True
+
+        # 連続したハイフンを含む英単語
+        result = self.audio_generator._convert_english_to_katakana("test--hello")
+        self.assertEqual(result, "テストヘロー")
 
 
 if __name__ == "__main__":