format

Update Rust crate anyhow to v1.0.89

.github/ISSUE_TEMPLATE/bug_report.md

@@ -0,0 +1,28 @@
+---
+name: バグの報告
+about: バグを報告する場所です。
+title: ''
+labels: bug
+assignees: ''
+
+---
+
+**バグの説明**
+バグのエラーを張ってください
+
+**再現する方法**
+どのようにバグが発生したか時系列でまとめてください。
+
+**本来の挙動**
+本来動作すべきことについて簡潔にまとめてください。
+
+**スクリーンショット**
+もしもあるならでいいです。
+
+**端末の情報**
+ - OS: [e.g. Linux]
+
+**コード**
+```rs
+ここにコード貼ってください
+```

.github/ISSUE_TEMPLATE/feature_request.md

@@ -0,0 +1,17 @@
+---
+name: 機能追加
+about: 機能追加してほしい場合これで作ってください。
+title: ''
+labels: enhancement
+assignees: ''
+
+---
+
+**機能追加の説明**
+ここで追加される機能の説明してください。
+
+**メリット**
+ここにメリットを書いてください。
+
+**デメリット**
+ここにデメリットを書いてください。

Cargo.lock

@@ -77,9 +77,9 @@ dependencies = [
 
 [[package]]
 name = "anyhow"
-version = "1.0.87"
+version = "1.0.89"
 source = "registry+https://github.com/rust-lang/crates.io-index"
-checksum = "10f00e1f6e58a40e807377c75c6a7f97bf9044fab57816f2414e6f5f4499d7b8"
+checksum = "86fdf8605db99b54d3cd748a44c6d04df638eb5dafb219b135d0149bd0db01f6"
 
 [[package]]
 name = "async-trait"
@@ -1361,9 +1361,9 @@ dependencies = [
 
 [[package]]
 name = "once_cell"
-version = "1.19.0"
+version = "1.20.0"
 source = "registry+https://github.com/rust-lang/crates.io-index"
-checksum = "3fdb12b2476b595f9358c5161aa467c2438859caa136dec86c26fdd2efe17b92"
+checksum = "33ea5043e58958ee56f3e15a90aee535795cd7dfd319846288d93c5b57d85cbe"
 
 [[package]]
 name = "onig"

content.txt

@@ -1,7 +1 @@
-日本語を母国語としない人々にとって、「日本語は非常に難しい言語である」と言われています。
-その理由として、
-・漢字、ひらがな、カタカナ、と表記が何種類もある。
-・同一の漢字でも音読みと訓読みがある
-・地名の読みが難しい
-・主語、述語が省略される
-などが挙げられます。
+10,000年前までコロナが流行っていました

sbv2_api/src/main.rs

@@ -5,7 +5,7 @@ use axum::{
     routing::{get, post},
     Json, Router,
 };
-use sbv2_core::tts::TTSModelHolder;
+use sbv2_core::tts::{SynthesizeOptions, TTSModelHolder};
 use serde::Deserialize;
 use std::env;
 use std::sync::Arc;
@@ -49,17 +49,15 @@ async fn synthesize(
     log::debug!("processing request: text={text}, ident={ident}, sdp_ratio={sdp_ratio}, length_scale={length_scale}");
     let buffer = {
         let tts_model = state.tts_model.lock().await;
-        let (bert_ori, phones, tones, lang_ids) = tts_model.parse_text(&text)?;
-        let style_vector = tts_model.get_style_vector(&ident, 0, 1.0)?;
-        tts_model.synthesize(
-            ident,
-            bert_ori.to_owned(),
-            phones,
-            tones,
-            lang_ids,
-            style_vector,
-            sdp_ratio,
-            length_scale,
+        tts_model.easy_synthesize(
+            &ident,
+            &text,
+            0,
+            SynthesizeOptions {
+                sdp_ratio,
+                length_scale,
+                ..Default::default()
+            },
         )?
     };
     Ok(([(CONTENT_TYPE, "audio/wav")], buffer))

sbv2_core/src/jtalk.rs

@@ -54,6 +54,17 @@ impl JTalk {
         Ok(Self { jpreprocess })
     }
 
+    pub fn num2word(&self, text: &str) -> Result<String> {
+        let mut parsed = self.jpreprocess.text_to_njd(text)?;
+        parsed.preprocess();
+        let texts: Vec<String> = parsed
+            .nodes
+            .iter()
+            .map(|x| x.get_string().to_string())
+            .collect();
+        Ok(texts.join(""))
+    }
+
     pub fn process_text(&self, text: &str) -> Result<JTalkProcess> {
         let parsed = self.jpreprocess.run_frontend(text)?;
         let jtalk_process = JTalkProcess::new(Arc::clone(&self.jpreprocess), parsed);

sbv2_core/src/norm.rs

@@ -120,7 +120,8 @@ pub fn replace_punctuation(mut text: String) -> String {
     for (k, v) in REPLACE_MAP.iter() {
         text = text.replace(k, v);
     }
-    PUNCTUATION_CLEANUP_PATTERN
+    let content = PUNCTUATION_CLEANUP_PATTERN
         .replace_all(&text, "")
-        .to_string()
+        .to_string();
+    content
 }

sbv2_core/src/tts.rs

@@ -123,7 +123,8 @@ impl TTSModelHolder {
         &self,
         text: &str,
     ) -> Result<(Array2<f32>, Array1<i64>, Array1<i64>, Array1<i64>)> {
-        let normalized_text = norm::normalize_text(text);
+        let text = self.jtalk.num2word(text)?;
+        let normalized_text = norm::normalize_text(&text);
 
         let process = self.jtalk.process_text(&normalized_text)?;
         let (phones, tones, mut word2ph) = process.g2p()?;
@@ -301,10 +302,10 @@ impl TTSModelHolder {
 }
 
 pub struct SynthesizeOptions {
-    sdp_ratio: f32,
-    length_scale: f32,
-    style_weight: f32,
-    split_sentences: bool,
+    pub sdp_ratio: f32,
+    pub length_scale: f32,
+    pub style_weight: f32,
+    pub split_sentences: bool,
 }
 
 impl Default for SynthesizeOptions {