Add: 母音・子音サブクラス

[tarepan]

内容

要望: 母音・子音サブクラスの追加

VOICEVOX ENGINE では母音と子音を 厳密に 区別する必要がある。
しかし現在の実装は full_context_label.Phoneme や acounstic_feature_extractor.OjtPhoneme においてこの2つを区別していない。
ゆえに Mora.consonant 等でも区別がなく、例えば .consonant に vowel相当の Phoneme が代入されることを型チェックで弾けていない。
このような背景から、母音・子音サブクラスの追加を提案します。

Pros 良くなる点

• 型チェック/静的検証によるバグの防止
• validation/動的検査による異常動作の検出・防止
• Literal型による音素種の明示化・理解度向上

Cons 悪くなる点

• コード量の増加

音素の扱いは TTS pipeline の text processing における最重要項目であるため、コード量を増加させてでも安全性・明確性を確保する価値があると考える。
また継承を活用すればコード増を抑制でき、例えば full_context_label.Phoneme では子音・母音サブクラスを合計+20行ほどで実装できる。

実現方法

音素クラスにサブクラスを用意する。
.consonant 相当のプロパティをこれらサブクラスで型付けすることで、静的に子音・母音を保証する。
OpenJTalk 各サブクラスの入力は text 分析から得られた str であるため、初期化あるいはアクセッサでの validation で母音・子音を保証する。

VOICEVOXのバージョン

0.14.10

OSの種類/ディストリ/バージョン

• Windows
• macOS
• Linux

[Hiroshiba]

音素を区別できるようにするのは賛成です！

ただ子音と母音の他にpauとcl（側音）があって、これらをどう扱うべきなのか迷いそうに思いました。
まあとりあえず子音と子音以外にわければ良さそう…？
（よくよく考えればMora.vowelにpauが入りうるの変ですね…。）

[tarepan]

音素を区別できるようにするのは賛成

👍

とりあえず子音と子音以外にわければ良さそう

👍
同意です。

よくよく考えればMora.vowelにpauが入りうるの変

実装読めば vowel 属性に押し込みたくなる理由がわかりますが、最初は混乱しましたね…🥺
型とクラスを用意すれば見るべき場所がはっきりするので、そこに NOTE なり CAUTION なりで注意事項として「vowel は母音+〇〇です」と書いて茶を濁すのがコスパ良さそうではあります。

[Hiroshiba]

型とクラスを用意すれば見るべき場所がはっきりするので、そこに NOTE なり CAUTION なりで注意事項として「vowel は母音+〇〇です」と書いて茶を濁すのがコスパ良さそうではあります。

賛成です！
もうちょっとPythonの型サポートがしっかりしてジェネリクスとEnumがうまいこと組み合わせられれば綺麗に細分化もできそうですが、まあそこまでしなくてもと思いました！

がっつり細分化するならこうですかね！

• Mora
  • OnePhonemeMora
    • PauseMora
  • TwoPhonemeMora
• Phoneme
  • ConsonantPhoneme
  • 単体でMoraになれるPhoneme（名前が思いつかない）
    • VowelPhoneme
    • PausePhoneme
    • N（ん）Phoneme
    • 促音（っ）Phoneme

[github-actions]

本 Issue は直近 180 日間で活動がありません。今後の方針について VOICEVOX チームによる再検討がおこなわれる予定です。