feat: Python と JS/WASM ランタイムに phoneme timing 機能を追加 by ayutaz · Pull Request #349 · ayutaz/piper-plus

ayutaz · 2026-04-14T05:45:27Z

Summary

VITS Duration Predictor の出力から音素ごとの開始時刻・終了時刻・継続時間を抽出し JSON/TSV/SRT 形式で出力する phoneme timing 機能 を Python と JavaScript/WASM ランタイムに新規追加。Rust/Go/C++/C# の既存実装と byte-for-byte 互換 ((hop_length / sample_rate) * 1000 計算式統一)。

リップシンク、字幕生成、カラオケアプリケーション向け。

背景

ランタイム	Phoneme Timing	状態
C++	対応	既存
Rust	対応	既存
C# / .NET	対応	既存
Go	対応	既存
Python	未対応 → 対応	本 PR で追加
JavaScript / WASM	未対応 → 対応	本 PR で追加

主な変更

Python ランタイム

新規モジュール src/python_run/piper/timing.py

PhonemeTimingInfo, TimingResult データクラス
durations_to_timing(), timing_to_json/tsv/srt/json_compact()
build_phoneme_id_reverse_map() (PUA 文字対応)
DEFAULT_HOP_LENGTH = 256

PiperVoice 拡張 (src/python_run/piper/voice.py)

synthesize_with_timing(text, ...) -> tuple[bytes, TimingResult | None]
has_duration_output プロパティ (モデル対応判定)
_synthesize_ids_core() 内部メソッド
既存 synthesize() / synthesize_stream_raw() / synthesize_ids_to_raw() API は完全な後方互換性

HTTP エンドポイント (src/python_run/piper/http_server.py)

POST/GET /api/phoneme-timing (format=json|tsv 対応、language/language_id パラメータ対応)

設定 (src/python_run/piper/config.py)

PiperConfig.hop_size フィールド追加 (デフォルト 256、config.json の audio.hop_size から読込)

WASM ランタイム

新規モジュール src/wasm/openjtalk-web/src/timing.js

durationsToTiming, timingToJson/JsonCompact/Tsv/Srt, buildPhonemeIdToTokenMap
メインエクスポート + ./timing サブパスエクスポート

AudioResult 拡張 (src/wasm/openjtalk-web/src/audio-result.js)

timing プロパティ (TimingResult | null、deep frozen で immutable)
hasTimingInfo プロパティ
後方互換: 2 引数コンストラクタも動作

PiperPlus 拡張 (src/wasm/openjtalk-web/src/index.js)

_infer() の戻り値: Float32Array → { audio, durations: Float32Array | null }
synthesize() / synthesizeWithVoiceCloning() で AudioResult に timing を伝搬
synthesizeStreaming() は引き続き Float32Array チャンクを返す (intentional)
_createTiming() / _getPhonemeIdToTokenMap() 内部 helper

TypeScript 型定義 (src/wasm/openjtalk-web/types/index.d.ts)

PhonemeTimingInfo, TimingResult インターフェース
全 timing 関数の JSDoc + @example + @throws 完備

副次的修正

死んだコード src/python_run/piper/espeak_phonemizer.py を削除 (piper-plus は推論時に espeak-ng に依存しない)
WASM test-npm-package.js の Windows 絶対パス互換 (pathToFileURL()) — 既存バグの副次的修正

レビュープロセス

実装後、5観点 (API設計 / 実装品質 / 他ランタイム一貫性 / テスト網羅性 / アーキテクチャ) で複数の Agent によるレビューを実施し、検出された全 P0/P1 問題を解消:

NaN/Infinity バリデーション (TypeError)
エラー型を TypeError/RangeError に分離
TSV 生成 O(n²) → O(n) 最適化
AudioResult.timing を deep freeze で immutable 化
phoneme_id_map 逆引きで ph_0 固定の音素名を実音素に
DRY: _createTiming() helper で重複削除
main エクスポートに timing 関数を re-export
HTTP format パラメータ検証

監査により発見された テストカバレッジギャップ (Python 94.5% → 100%、WASM 85.7% → 100%) も全て補完済み。

ドキュメント更新

CLAUDE.md — Phoneme Timing 出力セクション、ファイルパス、API endpoint
README.md / README_EN.md — Interfaces 表 + Feature Support Matrix
src/python_run/README.md / README_http.md — Python phoneme timing 完全ガイド
src/wasm/openjtalk-web/README.npm.md — Phoneme Timing for Lip-Sync & Subtitles
CHANGELOG.md / src/wasm/openjtalk-web/CHANGELOG.md — Unreleased セクション
新規 docs/features/phoneme-timing.md — クロスランタイム機能ガイド
新規 docs/spec/phoneme-timing-contract.toml — クロスランタイム仕様契約

CI 更新

.github/workflows/python-tests.yml — 新規 3 テストファイル追加
.github/workflows/ci.yml — Python paths フィルタに src/python_run/** 追加
src/wasm/openjtalk-web/package.json — test:npm-package:all に新規 3 テスト追加

テスト追加

ランタイム	テストファイル	テスト数
Python	`test_phoneme_timing.py`	35件
Python	`test_voice_timing.py`	22件
Python	`test_http_timing.py`	14件
Python	`test_config_fallback.py` (hop_size)	+5件
WASM	`test-phoneme-timing.js`	66件
WASM	`test-audio-result-timing.js`	18件
WASM	`test-piper-plus-timing.js`	22件
合計		+182件

検証結果

テストスイート	結果
Python 全体	212 passed, 20 skipped, 0 failed
WASM `npm run test:npm-package:all`	481 passed, 1 skipped, 0 failed
タイミング関連単体	Python 81 + WASM 106 = 187件全 PASS
既存テストへのリグレッション	0件

コミット履歴

545af3b6 docs: phoneme timing 機能の全ドキュメント・CI を最新化
182d9746 test: phoneme timing 監査で発見されたカバレッジギャップを補完
204807ae chore(docs): 完了した phoneme timing チケットを削除
94f6890f refactor(wasm): レビュー指摘事項に基づく phoneme timing 品質向上
bd3ef1e5 feat(wasm): JavaScript/WASM ランタイムに phoneme timing 機能を追加
4416ccf0 chore(python): 死んだ espeak-ng コードを除去
839f6f8d feat(python): Python ランタイムに phoneme timing 機能を追加

Test plan

Python: cd src/python_run && uv run pytest tests/test_phoneme_timing.py tests/test_voice_timing.py tests/test_http_timing.py tests/test_config_fallback.py -v で全件 PASS
Python: cd src/python_run && uv run pytest tests/ フルスイートで 212 passed, 0 failed
WASM: cd src/wasm/openjtalk-web && node --test test/js/test-phoneme-timing.js test/js/test-audio-result-timing.js test/js/test-piper-plus-timing.js で全件 PASS
WASM: cd src/wasm/openjtalk-web && npm run test:npm-package:all で 481 passed, 0 failed
CI ワークフロー (python-tests.yml, ci.yml, package.json) が新規テストファイルを実行することを確認
PR レビュー後、CI が全プラットフォーム (Linux/macOS/Windows) で PASS することを確認

VITS モデルの duration output から音素タイミングを抽出して JSON/TSV/SRT 形式で出力する機能を Python ランタイムに追加。 Rust/Go/C#/C++ の既存実装と API 一貫性を保つ。主な変更: - timing.py: PhonemeTimingInfo/TimingResult + durations_to_timing/ timing_to_json/timing_to_tsv/timing_to_srt/build_phoneme_id_reverse_map - voice.py: _synthesize_ids_core で durations 取得、synthesize_with_timing 追加。duration は出力名で検出、WAV 二重バッファ排除 - config.py: hop_size フィールド追加 (config.json から読み込み) - __init__.py: timing ユーティリティを全てエクスポート - http_server.py: POST /api/phoneme-timing エンドポイント追加 (JSON/TSV、format バリデーション) - .gitignore: test_phoneme*.py のネゲーションで正規テストを除外対象外にテスト追加 (+42件): - test_phoneme_timing.py: 25件 (計算、JSON/TSV/SRT、PUA 逆引き、エッジケース、JSON roundtrip) - test_voice_timing.py: 16件 (has_duration_output、multi-sentence、 sentence_silence、hop_size_from_config) - test_http_timing.py: 10件 (JSON/TSV/エラー/format validation) - test_short_text_mitigation.py: リファクタリング追従で _synthesize_ids_core を直接呼び出すよう修正受け入れ基準: 全テスト PASS (196 passed, 既存環境依存 1 failed は無関係)

piper-plus は推論時に espeak-ng に依存しない (g2p-en Apache-2.0 を使用)。旧 rhasspy/piper の遺物である espeak_phonemizer.py とそのテストクラスを除去。 - src/python_run/piper/espeak_phonemizer.py を削除 (どこからも import されていない dead code) - tests/test_english_phonemization.py から TestEspeakPhonemizerFallback クラスを除去 (+不要になった shutil / patch import も除去) 依存の実態: - requirements.txt: 'no espeak-ng dependency' と明記 - README.md: 'GPL-free G2P、espeak-ng 不要' を謳う - piper/phonemize/english.py: g2p-en (Apache-2.0) で G2P 実装済みテスト結果: 193 passed, 20 skipped, 0 failed (全て緑)

VITS モデルの duration output から音素タイミングを抽出して JSON/TSV/SRT 形式で取得可能にする機能を WASM ランタイムに追加。 Rust/Go/Python/C#/C++ の既存実装と計算ロジック・出力形式が一致。主な変更: - src/timing.js (新規): durationsToTiming/timingToJson/timingToTsv/ timingToSrt/timingToJsonCompact/DEFAULT_HOP_LENGTH - src/index.js: _infer() が {audio, durations} を返すよう変更。 synthesize/synthesizeWithVoiceCloning で timing を計算し AudioResult に渡す。synthesizeStreaming は .audio を取り出して後方互換を保持 - src/audio-result.js: timing フィールド追加 (timing/hasTimingInfo getter) - types/index.d.ts: PhonemeTimingInfo/TimingResult インターフェースと関連関数シグネチャ追加 - package.json: ./timing サブパスエクスポート追加テスト追加 (+58件): - test-phoneme-timing.js: 39件 (基本計算、JSON/TSV/SRT、不変量、極値、roundtrip、TSVパース可能性、サンプルレート違い) - test-audio-result-timing.js: 12件 (timing/hasTimingInfo getter、コンストラクタ後方互換、既存getter非影響) - test-piper-plus-timing.js: 7件 (timing.js と audio-result.js の統合、数値精度検証) - test-piper-plus.js: 既存 mock 全 10 箇所に durations テンソル追加コード品質改善: - hasTimingInfo ゲッターを this.#timing != null に簡潔化 - timing.js の console.warn チェックを optional chaining に置換 - test-npm-package.js: 動的 import に pathToFileURL() を使用して Windows 絶対パス互換性を修正 (既存バグの副次的修正) テスト結果: 376 passed, 0 failed, 1 skipped (全既存テスト回帰なし)

@throws

5エージェントによる設計/実装/一貫性/テスト/DX 各観点の徹底レビューを経て検出された全 P0/P1 問題を修正。機能互換性と後方互換性を維持。主な修正 (P0): - timing.js: NaN/Infinity バリデーション追加 (TypeError) - timing.js: エラー型を TypeError/RangeError に分離 - timing.js: TSV 生成を Array.join で O(n) に最適化 (1000音素で~10倍高速) - timing.js: phonemeTokens == null チェックを簡潔化 - timing.js: hasTokens フラグをループ外に pre-compute - timing.js: buildPhonemeIdToTokenMap() helper 追加 (PUA char → U+XXXX フォールバック、Python 実装と同等) - index.js: _createTiming() / _getPhonemeIdToTokenMap() ヘルパー追加で synthesize/synthesizeWithVoiceCloning の重複を解消 - index.js: phoneme_id_map を逆引きして実際の音素名を timing に渡す (以前は全て "ph_0" 固定だった HIGH priority バグ) - index.js: originalPhonemeIds を padding 前に保存し timing に使用 - index.js: timing 関数群を main エントリから re-export (import { durationsToTiming } from 'piper-plus' が可能に) - audio-result.js: deepFreezeTiming() で timing を immutable 化 (呼び出し元による意図しない変更を防止) 修正 (P1): - test-piper-plus.js: mock durations を phoneme 数に応じて動的生成 (固定 [5,8,12,10,7] → feeds.input.data.length ベース) - types/index.d.ts: DEFAULT_HOP_LENGTH / buildPhonemeIdToTokenMap 型追加 - types/index.d.ts: @throws / @example JSDoc 追加 - README.npm.md: Phoneme Timing セクション追加 (基本使用、出力形式、Viseme リップシンク例、API Reference) テスト追加 (+40+件): - test-phoneme-timing.js: NaN/Infinity validation (7), エラー型区別 (4), performance (2), buildPhonemeIdToTokenMap (5) - test-audio-result-timing.js: immutability/deep freeze (6) - test-piper-plus-timing.js: 実音素トークン伝搬、null timing fallback、複数 synthesize 独立性 (7) - test-phoneme-timing.js の既存正規表現を新エラーメッセージに合わせて更新副次的修正: - index.js: 再エクスポートコメントから 'piper-plus' リテラルを除去 (test-importmap の正規表現が import 文として誤マッチする既存バグ回避) テスト結果: 376 passed, 0 failed, 1 skipped (全既存テスト回帰なし)

Python / WASM 両ランタイムの phoneme timing 実装が完了し、 docs/tickets/ 配下の作業指示書としての役割を終えたため削除。実装済みの内容: - Python: 839f6f8 / 4416ccf - WASM: bd3ef1e / 94f6890 実装詳細・設計思想は各コミットメッセージと src コメントに記載済み。

エージェントチームによる徹底監査で、両ランタイムの実装機能のうちカバレッジが部分/未だった項目をすべてテスト追加で補完。チケットの受け入れ基準は元から満たされていたが、追加実装で増えた helper メソッドや edge case ハンドリングのテストが不足していたため対応。 ## Python (+24件) test_config_fallback.py に TestPiperConfigHopSize 追加 (+5): - hop_size がデフォルト 256 / config から読込 - 0 / 小さい値 / 属性アクセス可能性 test_phoneme_timing.py (+8): - build_phoneme_id_reverse_map の複数 ID first-wins - 空 phoneme_id_map / None pua_to_multi_char - TSV の tab/newline escape - JSON roundtrip での tiny/large 値の精度 test_voice_timing.py に TestSynthesizeWithTimingParameters + TestSynthesizeCoreShortText 追加 (+6): - wav_file パラメータが caller に書き込まれる - language_id が ONNX session.run に伝搬 - speaker_id が ONNX session.run に伝搬 - 短文 padding で noise_scale/noise_w が減少 - 長文では default scales が維持 - original_phoneme_ids が padding 後も保持 test_http_timing.py に TestTimingEndpointLanguageResolution 追加 (+4): - language_id 数値パラメータが int で渡される - language コードが language_id_map で解決される - invalid な language_id (非数値) は None フォールバック - 未知の language コードも None フォールバック ## WASM (+17件) test-phoneme-timing.js (+9): - timingToTsv() の tab/newline/組合せ escape - 通常の phoneme 名は変更されない - timingToJson() roundtrip での tiny/large 値の精度 - compact == pretty の一致 - sample_rate の整数保持 - total_duration_ms = sum invariant の roundtrip 後保持 test-piper-plus-timing.js (+8): - _createTiming の length alignment (3パターン: 長/短/同等) - buildPhonemeIdToTokenMap キャッシュ動作と再利用 - streaming path で timing が捨てられる (intentional) - voice cloning path での timing 伝搬 - padding-aware timing (originalPhonemeIds 使用) ## 最終カバレッジ - Python: 94.5% → 100% (55/55 機能カバー) - WASM: 85.7% → 100% (28/28 機能カバー) ## テスト結果 - Python: 212 passed, 20 skipped (元 196 → +16 件追加) - WASM: 375 passed, 1 skipped (元 375 → +9 件追加) - 既存テストへのリグレッション: 0 件

エージェントチームによる徹底レビューで発見された全ドキュメントおよび CI 設定の不足・不整合を一括修正。実装は変更なし、ドキュメントとテストインフラのみの更新。 ## 主要ドキュメント (P0) ### CLAUDE.md - 「実装済み機能」セクションに「Phoneme Timing 出力」を追加 (Python/WASM 両ランタイム、API、設計、テスト件数) - ファイルパス一覧に timing.py / timing.js を追加 - OpenAI 互換 TTS API 表に /api/phoneme-timing を追加 ### プロジェクト README (README.md / README_EN.md) - Interfaces セクションで Python/Go/C#/Rust/WASM/C++ すべての CLI に「phoneme timing output (JSON/TSV/SRT)」を明記 - 新規「Feature Support by Runtime」マトリックス追加 (6 ランタイム × 7 機能の対応状況) ### Python README (src/python_run/README.md, README_http.md) - 「Phoneme Timing (リップシンク・字幕同期)」セクション新規追加 (API 例、出力サンプル、HTTP エンドポイント、設定) - README_http.md に /api/phoneme-timing エンドポイント詳細追加 ## 機能ドキュメント (P1) ### docs/features/phoneme-timing.md (新規) - ランタイム対応マトリクス - 計算ロジック (frame_time_ms 公式) - 4 出力形式 (JSON pretty/compact, TSV, SRT) のサンプル - Python/JS/Rust/Go/C++/HTTP API 使用例 - リップシンク / カラオケ / 動画字幕のユースケース ### docs/spec/phoneme-timing-contract.toml (新規) - クロスランタイム契約ファイル (short-text-contract.toml と同形式) - 計算式、バリデーション、データ構造、出力形式仕様 - 各ランタイムの実装ファイルパス - 後方互換性ガイドライン ### docs/README.md - Features セクションに phoneme-timing リンク追加 ## CHANGELOG (P1) ### CHANGELOG.md (Python) - [Unreleased] セクションに Phoneme Timing 機能の詳細追加 - 死んだコード espeak_phonemizer.py 削除を Removed セクションに記載 ### src/wasm/openjtalk-web/CHANGELOG.md (npm) - [Unreleased] セクション新規追加 - timing.js 新規モジュール、AudioResult/PiperPlus 拡張、バリデーション、TypeScript 型定義、テスト追加 +90 件を記載 ## ソースコード docstring 改善 (P1) ### src/python_run/piper/timing.py - PhonemeTimingInfo / TimingResult dataclass に Attributes セクション追加 (NumPy スタイル、PUA char フォールバック説明) ### src/python_run/piper/voice.py - synthesize_with_timing() に完全な NumPy スタイル docstring (Parameters / Returns / Notes / Examples) - has_duration_output property に詳細説明追加 - _synthesize_ids_core() に内部実装説明追加 (Strategy A/B、durations 配列の長さセマンティクス) ### src/python_run/piper/http_server.py - /api/phoneme-timing エンドポイント関数に docstring 追加 (Query Parameters、Responses、Examples) ## CI / テストインフラ (P0) ### .github/workflows/python-tests.yml - runtime full tests ステップに新規 3 ファイルを追加 (test_phoneme_timing.py, test_voice_timing.py, test_http_timing.py) ### .github/workflows/ci.yml - python paths フィルタに src/python_run/** を追加 (src/python_run 編集時に python-tests ジョブが起動するように) ### src/wasm/openjtalk-web/package.json - test:npm-package:all スクリプトに新規 3 テストファイル追加 (test-phoneme-timing.js, test-audio-result-timing.js, test-piper-plus-timing.js) - npm publish 時の CI で timing テストが実行されるように ## 検証全テスト実行 (ドキュメント変更後): - Python: 212 passed, 20 skipped, 0 failed - WASM npm-package:all: 481 passed, 1 skipped, 0 failed - 新規 timing テスト: Python 81 + WASM 106 = 187 件すべて PASS - 既存テストへのリグレッション: 0 件

CI の ruff チェックで検出された 3 件の lint エラーを自動修正: - src/python_run/piper/__init__.py: I001 import 順序 (alphabetical) - src/python_run/piper/timing.py: I001 import 順序 (空行整理) - src/python_run/piper/timing.py: B905 zip(..., strict=False) 明示 durations と phoneme_tokens の長さ一致は durations_to_timing() 冒頭で既に検証済みのため strict=False で従来動作を維持

CI の `ruff format --check` ステップで検出されたフォーマット未準拠 2 ファイルを ruff format で自動修正: - src/python_run/piper/http_server.py - src/python_run/piper/voice.py 機能変更なし、空白・インデントのみ。テスト全 57 件 PASS、リグレッションなし。

Copilot

Pull request overview

Python ランタイムと JavaScript/WASM ランタイムに、VITS Duration Predictor の durations 出力から音素単位の timing（start/end/duration）を算出し、JSON/TSV/SRT で出力できる phoneme timing 機能を追加する PR です。既存の Rust/Go/C++/C# 実装と同一の計算式・出力形式での互換性維持を目的に、API/型定義/HTTP/ドキュメント/CI まで一括で拡張しています。

Changes:

WASM: timing.js の新規追加、PiperPlus/AudioResult への timing 伝搬、パッケージ export/型定義の拡張
Python: piper.timing 新規追加、PiperVoice.synthesize_with_timing() と durations 取得の統合、/api/phoneme-timing エンドポイント追加
互換性仕様・ドキュメント・テスト・CI の追加/更新（契約 TOML と単体/統合テスト増強）

Reviewed changes

Copilot reviewed 34 out of 36 changed files in this pull request and generated 3 comments.

Show a summary per file

File	Description
src/wasm/openjtalk-web/types/index.d.ts	timing 型・API を TypeScript 定義に追加
src/wasm/openjtalk-web/src/timing.js	durations→timing 変換と各種 serializer を新規実装
src/wasm/openjtalk-web/src/audio-result.js	`timing`/`hasTimingInfo` と deep freeze を追加
src/wasm/openjtalk-web/src/index.js	`_infer()` で durations を回収し timing を `AudioResult` に伝搬、timing API を re-export
src/wasm/openjtalk-web/package.json	`./timing` サブパス export と timing テストを all に追加
src/wasm/openjtalk-web/README.npm.md	npm 向け phoneme timing ガイド追記
src/wasm/openjtalk-web/CHANGELOG.md	WASM 側 Unreleased に timing 追加を記載
src/wasm/openjtalk-web/test/js/test-piper-plus.js	ONNX mock を durations 出力対応に更新
src/wasm/openjtalk-web/test/js/test-piper-plus-timing.js	PiperPlus timing 統合テストを新規追加
src/wasm/openjtalk-web/test/js/test-phoneme-timing.js	timing.js の単体テストを新規追加
src/wasm/openjtalk-web/test/js/test-audio-result-timing.js	AudioResult timing の単体テストを新規追加
src/wasm/openjtalk-web/test/js/test-npm-package.js	Windows 互換の dynamic import に修正
src/python_run/piper/timing.py	Python timing モジュールを新規追加
src/python_run/piper/voice.py	durations 抽出と `synthesize_with_timing()` を追加、既存 API はラップで維持
src/python_run/piper/http_server.py	`/api/phoneme-timing` エンドポイントを追加
src/python_run/piper/config.py	`PiperConfig.hop_size` を追加し config から読込
src/python_run/piper/init.py	timing API を top-level export に追加
src/python_run/piper/espeak_phonemizer.py	dead code を削除
src/python_run/README.md	Python timing の利用方法を追記
src/python_run/README_http.md	timing HTTP エンドポイントの説明を追記
src/python_run/tests/test_phoneme_timing.py	timing.py の包括テストを新規追加
src/python_run/tests/test_voice_timing.py	PiperVoice timing 統合テストを新規追加
src/python_run/tests/test_http_timing.py	timing HTTP エンドポイントのテストを新規追加
src/python_run/tests/test_config_fallback.py	hop_size フォールバックのテストを追加
src/python_run/tests/test_short_text_mitigation.py	内部コア呼び出しに合わせてテスト更新
src/python_run/tests/test_english_phonemization.py	espeak-ng 依存削除に合わせてテスト調整
docs/spec/phoneme-timing-contract.toml	クロスランタイム契約仕様（計算式/形式）を新規追加
docs/features/phoneme-timing.md	phoneme timing 機能のガイドを新規追加
docs/README.md	features index に phoneme timing を追加
README.md	機能マトリクス/記述を timing 対応に更新
README_EN.md	英語版の機能マトリクス/記述を timing 対応に更新
CLAUDE.md	timing の API/仕様/パスの追記
CHANGELOG.md	Python timing 追加と削除事項を Unreleased に追記
.gitignore	test_phoneme*.py の ignore 例外を追加
.github/workflows/python-tests.yml	timing テストを CI 実行対象に追加
.github/workflows/ci.yml	CI path filter に `src/python_run/**` を追加

💡 Add Copilot custom instructions for smarter, more guided reviews. Learn how to get started.

phoneme timing PR (#349) で発生した問題 (CI ruff 失敗、ドキュメント更新漏れ、危険コマンドの混入リスク) を再発防止するため、Claude Code の hooks/skills をプロジェクト共有設定として導入。 ## 5 つの Hooks (settings.json で自動定義) | Hook | 動作 | |------|------| | PostToolUse (Edit/Write) | Python ファイル編集後に ruff format + check --fix を自動適用 | | PreToolUse (Bash) | force push、--no-verify、/data/piper 削除等の危険コマンドをブロック | | UserPromptSubmit | "PR 作成"/"コミット"/"学習開始"等のキーワードで CLAUDE.md ルールをリマインド | | Stop | セッション終了時に未コミット変更を 1 回だけ警告 | | SessionStart | NCCL 環境変数 + ブランチ情報 + キールール要約を注入 | ## 4 つの Skills (手動起動) | Skill | 用途 | |-------|------| | /precheck [scope] | lint + format + test 一括実行 (scope: python/rust/cs/go/js/cpp/all) | | /check-pr-ready | PR 作成前の最終チェック (lint/test/docs/CHANGELOG/未コミット) | | /commit | CLAUDE.md 準拠のコミット (--no-verify 禁止、HEREDOC、prefix 強制) | | /run-tests [scope] | 各言語ランタイムテストを CI と同条件でローカル実行 | ## 設計のポイント - **jq オプショナル**: 全 hook で jq を優先使用、不在時は Python フォールバック (Windows + Git Bash の標準環境で jq 未インストールでも確実に動作) - **echo/printf 等の除外**: guard-bash.sh はデモ・テスト用の echo コマンドをチェック対象外にして false-positive を防止 - **無限ループ防止**: stop-warn-uncommitted.sh は stop_hook_active を確認 - **LF 改行強制**: .gitattributes の *.sh text eol=lf でカバー (既存ルール) ## .gitignore 更新 .claude/ 配下を以下の 2 層方針で管理: - ignore: settings.local.json, scheduled_tasks.lock, worktrees/, .coverage 等 - track: settings.json (共有), hooks/, skills/, commands/, README.md ## ドキュメント .claude/README.md に全自動化の説明、依存、デバッグ方法、設計思想を記載。 ## 動作検証 - 全 5 hook の bash -n 構文チェック PASS - guard-bash.sh: force push パターンを正しくブロック (実戦テスト済み) - session-env.sh: Python フォールバックで JSON 出力成功 - settings.json: 5 hook events 定義済み、JSON 妥当性 OK

PR #349 で発生した「ドキュメント更新を一括で後付けする」パターンをコミット単位で防止するため、エージェントチーム並列監査の仕組みを追加。 ## 追加された要素 ### 1. /sync-docs skill (新規) - 6 エージェントを並列起動してドキュメントを一括監査 - Agent 1: CLAUDE.md (実装済み機能・ファイルパス・API 表) - Agent 2: ルート README (Features / Feature Support Matrix) - Agent 3: ランタイム別 README (python_run, openjtalk-web, 他) - Agent 4: CHANGELOG (Unreleased セクション) - Agent 5: docs/features / docs/spec - Agent 6: docstring / JSDoc 整合性 - 5 フェーズ: 変更収集 → 並列監査 → 統合レポート → ユーザー承認 → 自動適用 - 引数: (空) / staged / commit-range / file-path - disable-model-invocation: true (ユーザー明示起動のみ) ### 2. /commit skill の拡張 - 新ステップ 2.5「ドキュメント同期チェック」を追加 - 判定基準: 100 行超 / 新規コアファイル / 公開 API 変更 / コアモジュール変更 / 新規テスト 3 件以上 - 該当時は /sync-docs の実行を強く推奨 (ブロックではなく情報提供) - 成功レポートに docs 同期状態を追加 ### 3. prompt-guard.sh の拡張 - 「コミット」キーワード検出時に /sync-docs 推奨フローを追記 - 新規キーワード対応: 「ドキュメント」「docs」「README」「CLAUDE.md」「CHANGELOG」→ /sync-docs のリマインダー注入 ### 4. .claude/README.md の更新 - /sync-docs の使い方・監査エージェント一覧を記載 - 設計思想セクションに問題 2 の解決方法を追記 ## 推奨フロー ``` 1. 実装 + テスト追加 2. /sync-docs ← ドキュメント監査 (エージェントチーム並列) 3. /commit ← 承認後にコミット 4. /check-pr-ready 5. gh pr create ``` ## 動作検証 - bash -n prompt-guard.sh: syntax OK - /ドキュメント/ キーワード検出: additionalContext JSON 出力確認 - 5 skills 揃ったことを ls で確認 (precheck/check-pr-ready/commit/run-tests/sync-docs)

## 修正内容 (3 件) ### 1. build_phoneme_id_reverse_map() を first-wins に変更 timing.py:236-240 Python 実装が last-write-wins だったため、JS 実装 (first-wins) および phoneme-timing-contract.toml の宣言 (first-wins) と矛盾していた。 `if phoneme_id not in reverse_map:` ガードを追加して first-wins に統一。関連テスト `test_build_reverse_map_conflicting_ids_last_wins_by_iteration` を `..._first_wins` にリネーム + 決定論的アサーションに強化 (`in ("a", "b")` → `== "a"`)。 ### 2. _synthesize_ids_core() で audio 出力を output 名で取得 voice.py:_synthesize_ids_core() durations は名前で取得していたが、audio は `_outputs[0]` 決め打ちだった。モデルが出力順を変えた場合 (durations が先) に誤ったテンソルを audio として decode するリスク。"output" 名で索引してフォールバックで 0。 ### 3. phoneme-timing-contract.toml の collision_resolution を明確化 docs/spec/phoneme-timing-contract.toml:[reverse_map.collision_resolution] "implementation-defined" という曖昧な記述を "first-wins" に変更し、 Python/JS 両方の実装スニペットを併記して cross-runtime 一貫性を明文化。 ## 検証 - ruff check: All checks passed - ruff format --check: 25 files already formatted - test_phoneme_timing.py reverse_map tests: 7/7 passed - test_voice_timing.py: 22/22 passed

PR #349 / #350 のレビュー対応で手動実行していたワークフロー (修正 → 返信 → resolve) を skill 化。 ## 追加された要素 ### 1. /reply-review skill (新規) `.claude/skills/reply-review/SKILL.md` - フェーズ 1: GraphQL で未解決 review thread を取得 - フェーズ 2: 各コメントと修正コミットの紐付け (ユーザー承認) - フェーズ 3: REST API で返信投稿 (in_reply_to + databaseId) - フェーズ 4: GraphQL mutation で thread を resolve - フェーズ 5: 最終レポート生成引数: - $1 (必須): PR 番号 - $2 (任意): コミットハッシュ (省略時は HEAD) 対応: - --dry-run オプションで計画のみ表示 - GraphQL node ID (thread) と REST databaseId (comment) の混同防止を注意書きに明記 - 失敗時は残り threads を続行 or 停止をユーザー確認 ### 2. prompt-guard.sh の拡張「レビュー」「review comment」「レビューコメント」「resolve」「レビューに返信」「PR のコメント」等のキーワード検出時に /reply-review のフローを additionalContext で案内。 ANSI-C quoting ($'...') を使用して実改行で出力。 ### 3. .claude/README.md の更新 - skills/ ツリーに reply-review を追加 (6 skills 目) - Skills セクションに /reply-review の使い方を追記 - 推奨フロー: 修正 → /commit → git push → /reply-review ## 動作検証 - bash -n prompt-guard.sh: 構文 OK - /レビュー/ キーワード検出: 実改行の additionalContext 生成確認 - 6 skills 揃った (precheck / check-pr-ready / commit / run-tests / sync-docs / reply-review) ## 推奨ワークフロー ``` 1. 実装 + テスト 2. /sync-docs ← エージェントチームでドキュメント監査 3. /commit ← CLAUDE.md 準拠コミット 4. /check-pr-ready → gh pr create 5. (レビュー後) 6. 修正 → /commit → git push 7. /reply-review <pr-number> ← レビュー返信 + resolve (新規) ```

* chore(claude): hooks + skills で開発ワークフローを自動化 phoneme timing PR (#349) で発生した問題 (CI ruff 失敗、ドキュメント更新漏れ、危険コマンドの混入リスク) を再発防止するため、Claude Code の hooks/skills をプロジェクト共有設定として導入。 ## 5 つの Hooks (settings.json で自動定義) | Hook | 動作 | |------|------| | PostToolUse (Edit/Write) | Python ファイル編集後に ruff format + check --fix を自動適用 | | PreToolUse (Bash) | force push、--no-verify、/data/piper 削除等の危険コマンドをブロック | | UserPromptSubmit | "PR 作成"/"コミット"/"学習開始"等のキーワードで CLAUDE.md ルールをリマインド | | Stop | セッション終了時に未コミット変更を 1 回だけ警告 | | SessionStart | NCCL 環境変数 + ブランチ情報 + キールール要約を注入 | ## 4 つの Skills (手動起動) | Skill | 用途 | |-------|------| | /precheck [scope] | lint + format + test 一括実行 (scope: python/rust/cs/go/js/cpp/all) | | /check-pr-ready | PR 作成前の最終チェック (lint/test/docs/CHANGELOG/未コミット) | | /commit | CLAUDE.md 準拠のコミット (--no-verify 禁止、HEREDOC、prefix 強制) | | /run-tests [scope] | 各言語ランタイムテストを CI と同条件でローカル実行 | ## 設計のポイント - **jq オプショナル**: 全 hook で jq を優先使用、不在時は Python フォールバック (Windows + Git Bash の標準環境で jq 未インストールでも確実に動作) - **echo/printf 等の除外**: guard-bash.sh はデモ・テスト用の echo コマンドをチェック対象外にして false-positive を防止 - **無限ループ防止**: stop-warn-uncommitted.sh は stop_hook_active を確認 - **LF 改行強制**: .gitattributes の *.sh text eol=lf でカバー (既存ルール) ## .gitignore 更新 .claude/ 配下を以下の 2 層方針で管理: - ignore: settings.local.json, scheduled_tasks.lock, worktrees/, .coverage 等 - track: settings.json (共有), hooks/, skills/, commands/, README.md ## ドキュメント .claude/README.md に全自動化の説明、依存、デバッグ方法、設計思想を記載。 ## 動作検証 - 全 5 hook の bash -n 構文チェック PASS - guard-bash.sh: force push パターンを正しくブロック (実戦テスト済み) - session-env.sh: Python フォールバックで JSON 出力成功 - settings.json: 5 hook events 定義済み、JSON 妥当性 OK * feat(claude): /sync-docs skill でコミット時のドキュメント自動同期を追加 PR #349 で発生した「ドキュメント更新を一括で後付けする」パターンをコミット単位で防止するため、エージェントチーム並列監査の仕組みを追加。 ## 追加された要素 ### 1. /sync-docs skill (新規) - 6 エージェントを並列起動してドキュメントを一括監査 - Agent 1: CLAUDE.md (実装済み機能・ファイルパス・API 表) - Agent 2: ルート README (Features / Feature Support Matrix) - Agent 3: ランタイム別 README (python_run, openjtalk-web, 他) - Agent 4: CHANGELOG (Unreleased セクション) - Agent 5: docs/features / docs/spec - Agent 6: docstring / JSDoc 整合性 - 5 フェーズ: 変更収集 → 並列監査 → 統合レポート → ユーザー承認 → 自動適用 - 引数: (空) / staged / commit-range / file-path - disable-model-invocation: true (ユーザー明示起動のみ) ### 2. /commit skill の拡張 - 新ステップ 2.5「ドキュメント同期チェック」を追加 - 判定基準: 100 行超 / 新規コアファイル / 公開 API 変更 / コアモジュール変更 / 新規テスト 3 件以上 - 該当時は /sync-docs の実行を強く推奨 (ブロックではなく情報提供) - 成功レポートに docs 同期状態を追加 ### 3. prompt-guard.sh の拡張 - 「コミット」キーワード検出時に /sync-docs 推奨フローを追記 - 新規キーワード対応: 「ドキュメント」「docs」「README」「CLAUDE.md」「CHANGELOG」→ /sync-docs のリマインダー注入 ### 4. .claude/README.md の更新 - /sync-docs の使い方・監査エージェント一覧を記載 - 設計思想セクションに問題 2 の解決方法を追記 ## 推奨フロー ``` 1. 実装 + テスト追加 2. /sync-docs ← ドキュメント監査 (エージェントチーム並列) 3. /commit ← 承認後にコミット 4. /check-pr-ready 5. gh pr create ``` ## 動作検証 - bash -n prompt-guard.sh: syntax OK - /ドキュメント/ キーワード検出: additionalContext JSON 出力確認 - 5 skills 揃ったことを ls で確認 (precheck/check-pr-ready/commit/run-tests/sync-docs) * fix(claude): PR #350 Copilot レビュー指摘事項を修正 ## 修正内容 1. **.claude/skills/run-tests/SKILL.md**: `disable-model-invocation: true` を frontmatter に追加 (他の skills と統一、Claude の自動起動を防止) 2. **.claude/hooks/ruff-format.sh**: パスフィルタをリポジトリ相対パスにも対応 (例: `src/python_run/foo.py` と `/repo/src/python_run/foo.py` の両方) 3. **.claude/README.md**: 見出し「線種について」→「改行種について」 (LF/CRLF の説明に対して自然な用語に変更) 4. **.claude/hooks/prompt-guard.sh**: `NOTES+="...\n"` を ANSI-C quoting `NOTES+=$'...\n'` に変更。double quote 内の `\n` はリテラルのまま additionalContext に混入していたため、実改行に修正。併せて backtick エスケープも整理 (single quote 内は不要)。 * feat(claude): /reply-review skill でレビュー対応を自動化 PR #349 / #350 のレビュー対応で手動実行していたワークフロー (修正 → 返信 → resolve) を skill 化。 ## 追加された要素 ### 1. /reply-review skill (新規) `.claude/skills/reply-review/SKILL.md` - フェーズ 1: GraphQL で未解決 review thread を取得 - フェーズ 2: 各コメントと修正コミットの紐付け (ユーザー承認) - フェーズ 3: REST API で返信投稿 (in_reply_to + databaseId) - フェーズ 4: GraphQL mutation で thread を resolve - フェーズ 5: 最終レポート生成引数: - $1 (必須): PR 番号 - $2 (任意): コミットハッシュ (省略時は HEAD) 対応: - --dry-run オプションで計画のみ表示 - GraphQL node ID (thread) と REST databaseId (comment) の混同防止を注意書きに明記 - 失敗時は残り threads を続行 or 停止をユーザー確認 ### 2. prompt-guard.sh の拡張「レビュー」「review comment」「レビューコメント」「resolve」「レビューに返信」「PR のコメント」等のキーワード検出時に /reply-review のフローを additionalContext で案内。 ANSI-C quoting ($'...') を使用して実改行で出力。 ### 3. .claude/README.md の更新 - skills/ ツリーに reply-review を追加 (6 skills 目) - Skills セクションに /reply-review の使い方を追記 - 推奨フロー: 修正 → /commit → git push → /reply-review ## 動作検証 - bash -n prompt-guard.sh: 構文 OK - /レビュー/ キーワード検出: 実改行の additionalContext 生成確認 - 6 skills 揃った (precheck / check-pr-ready / commit / run-tests / sync-docs / reply-review) ## 推奨ワークフロー ``` 1. 実装 + テスト 2. /sync-docs ← エージェントチームでドキュメント監査 3. /commit ← CLAUDE.md 準拠コミット 4. /check-pr-ready → gh pr create 5. (レビュー後) 6. 修正 → /commit → git push 7. /reply-review <pr-number> ← レビュー返信 + resolve (新規) ```

…env pollution Three test bugs surfaced after rebasing onto origin/dev (which brought in PR #349 phoneme timing changes that introduced _synthesize_ids_core indirection and TestVoiceInlineWarmup): 1. test_speaker_embedding.py — _make_voice() used MagicMock(spec=PiperVoice) which auto-mocked _synthesize_ids_core, so synthesize_ids_to_raw() returned a MagicMock instead of (bytes, durations, original_ids). Switch to a real PiperVoice instance with only the ONNX session mocked, mirroring _make_mock_voice() in test_voice_timing.py. Also mock get_outputs() so the real _synthesize_ids_core can introspect output names. 2. test_voice_timing.py::test_speaker_id_parameter_forwarded_to_session — the mock voice was multi-speaker but lacked a 'sid' input descriptor. The zero-shot bugfix in 9ff0694 made voice.py guard sid forwarding on "sid" in input_names (so zero-shot models that expose only 'speaker_embedding' don't get an unexpected sid feed). Update the mock to add a 'sid' input descriptor, mirroring how the language_id sibling test adds an 'lid' descriptor. 3. test_zero_shot_e2e.py set PIPER_DISABLE_WARMUP=1 / PIPER_DISABLE_CACHE=1 at module-import time. These tests use raw onnxruntime.InferenceSession (not PiperVoice), so the env vars had no effect locally — but pytest collects all modules before running, so the env vars leaked into TestVoiceInlineWarmup (added by PR #349) and broke its session.run call_count assertion. Remove the no-op os.environ.setdefault calls and the now-unused os import. Local: src/python_run pytest suite — 201 passed, 7 skipped (gradio / piper_train / flask not installed locally; CI provides them).

* docs: 監査結果に基づくドキュメント全面同期 v1.11.0 以降の実装変更 (#321 OpenAI互換API, #331 Voice Cloning/SSML, #337 短文品質, #342 HTS voice除去, #349/#367 phoneme timing/streaming, #361 FastAPI移行, #366 arm64 Docker) が CHANGELOG・多言語 README・docstring に未反映だった部分を一括同期。新規に C# CLI/Core README を追加。 - ルート CHANGELOG: Unreleased に #360-#366 (FastAPI移行/arm64 Docker/短文崩壊修正/Wyoming HA等) を追記 - 多言語 README 9 ファイル (DE/ES/FR/HI/KO/PT/RU/SV/ZH): Voice Cloning/SSML/Phoneme Timing/Strategy A/B/C/FastAPI を反映 - C# CLI/Core README 新規作成 (src/csharp/PiperPlus.Cli/, PiperPlus.Core/) - WASM CHANGELOG: [0.3.1] セクション追加 + [0.4.0] 日付修正 (0.3.0 と同日問題解消) - docstring 補強: http_server.py FastAPI エンドポイント / inference.py OpenAI 互換 API - HTS voice 残存言及を削除 (windows-setup.md) - --language-balanced-sampling help を 6 言語対応に更新 (バイリンガル時代の遺物修正) - Go README: Docker multi-arch (amd64/arm64) + serve サブコマンドのセクション追加 - pretrained-models.md: つくよみちゃん 6lang-v2 / 6lang ベースモデルの詳細追記 - huggingface-space/docker/README: 言語表記/Go arm64 表記の整合修正 * docs: 二次監査で発見した取り残しを追加修正前回コミット (f212aba) では多言語 README 9 ファイルを更新したが、ベースとなる README.md (日本語) と README_EN.md には Voice Cloning / SSML / 短文品質改善の bullets を入れ忘れていた。また Rust piper-core/src/lib.rs のクレートドキュメントが「7 言語 (KO 含むが SV を欠く)」のまま、 8 言語 G2P + 6 言語学習済みモデルという最新の状態を反映していなかった。 - README.md / README_EN.md のインターフェースセクション末尾に Voice Cloning / SSML / 短文品質改善 (Strategy A/B/C) の 3 bullets を追加 (多言語版と同等内容) - src/rust/piper-core/src/lib.rs:4 のクレートドキュメントを「8 言語 G2P (JA/EN/ZH/KO/ES/FR/PT/SV)、学習済みモデルは 6 言語」に修正二次監査で誤指摘と判明した項目はスキップ: - WASM g2p test の "all 7 non-JA languages" は JA を除いた 7 言語の意味で正しい (ALL_NON_JA = en/zh/ko/es/fr/pt/sv) - C# CLI README の --debug/--quiet/--version はすでに L66 に記載済み * docs: 低優先度の取り残し項目をすべて対応二次監査で「低優先度・別 PR 推奨」と棚上げした 5 項目に対応。レガシー API (BILINGUAL/espeak) の意図と廃止予定を明示し、サンプル/パッケージのバージョン管理状況をユーザーが誤解しないようドキュメント化する目的。 - Go (src/go/piperplus/config.go): PhonemeTypeEspeak / PhonemeTypeBilingual に Deprecated コメント追加 (CONTRIBUTING.md "espeak-ng Policy" / PR #218 への参照付き) - Python (src/python_run/piper/voice.py): PhonemeType.BILINGUAL 分岐に Deprecation 注記 + SV/KO が学習済みモデル未対応の理由をコメント化 - C# (src/csharp/PiperPlus.Core/Config/PiperConfig.cs): Espeak フィールドに XML doc 追加 (legacy config.json 互換のみ、新規モデルは null とする旨) - examples/{c-api,dart,godot}/README.md: CI で実行検証されているか否かを各 README 冒頭に明示 (c-api はビルドのみ検証、dart/godot は未検証) - CONTRIBUTING.md: "Package Versioning Policy" セクション新規追加 (8 パッケージそれぞれの独立バージョン管理ポリシーとタグ命名規則を表形式で明文化) 実装ロジックには変更なし (コメント・docstring・README のみ)。 * docs: Copilot レビュー指摘 16 件 + 追加発見をすべて対応 Copilot pull-request reviewer が PR #368 に付けた 16 件のレビューコメントと、それを契機にした再監査で見つかった整合性問題を一括解消。リリース直前の一貫性確認に過ぎないので、いずれもドキュメント・コメントレベルの調整のみ。 Copilot 指摘 (16件): - 多言語 README 11 ファイル (README.md/EN/DE/ES/FR/HI/KO/PT/RU/SV/ZH): bullets が「7 ランタイム」と書きながら列挙は 6 つだったのを「6 ランタイム」に統一。日本語版/英語版は libpiper_plus を C++ にまとめる旨を補足 - docker/python-inference/inference.py: モジュール docstring が定義されていない `POST /api/phoneme-timing` を載せ、`/synthesize` を POST と書いていたのを修正 (該当エンドポイントは src/python_run/piper/http_server.py 側であることも明記) - src/python/piper_train/__main__.py:255-260: `--language-balanced-sampling` が `num_speakers > 1` も必要 (single-speaker は SpeakerBalancedBatchSampler をバイパス) という条件を help に追記 - docker/README.md:19: Go Dockerfile 行の base image を `golang:1.22` から実際の `golang:1.26` に修正 - src/go/README.md:380-: `docker buildx build` の例に `--load` (single-arch) と `--push` (multi-arch) の両パターンを示し、ローカル実行不可だった例を解消 - src/go/README.md:298 / 406: 見出し「## HTTP API / HTTPエンドポイント」を「## HTTP API」に変更してアンカーを `#http-api` に統一、リンク `[HTTP API](#http-api--http-api)` の broken anchor を修正 - src/csharp/PiperPlus.Core/README.md:34: `new DotNetG2PEngine()` は PiperPlus.Cli の `internal sealed class` で外部から呼べないため、 IJapaneseG2PEngine を持ち込む必要がある旨を明記したサンプルに置換

* chore(release): v1.12.0 — MB-iSTFT 統一 + Voice Cloning/SSML/短テキスト品質改善 - VERSION を 1.11.0 → 1.12.0 に更新 - CHANGELOG.md に v1.12.0 の全変更点を整理 (34コミット分) ## v1.12.0 ハイライト ### Breaking - Decoder を MB-iSTFT-VITS2 に統一 (HiFi-GAN Generator 削除)、CPU 推論 2.21x 高速化 (#320) ### New Features - 全7ランタイムで短テキスト合成品質改善 Strategy A/B/C (#337) - Voice Cloning (5ランタイム) + SSML (4ランタイム) + Wyoming Docker + iOS/Android CI (#331) - Python ランタイム phoneme timing + ストリーミング文単位分割 (#349, #367) - HTTP server を Flask → FastAPI 移行 + StreamingResponse 対応 (#361) - 汎用 Colab ファインチューニングノートブック (#324) ### Refactor / Removed - HTS voice 依存を完全除去 (#342) - Unity UPM 削除 (#341) ### Chore - .NET 全プロジェクトを net10.0 LTS に移行 (#374) - GitHub Actions runner を ubuntu-24.04、Docker base を Debian trixie (#373) - EOL ランタイム (Node 18, Python 3.8) を更新 (#370) * chore(release): バージョンファイル整合性 + リリースワークフロー動的バージョン化 - src/python/piper_train/VERSION: 1.11.0 → 1.12.0 - src/python/pyproject.toml (piper-train): version 1.11.0 → 1.12.0 - uv.lock 再生成 (piper-train v1.12.0 反映) - CHANGELOG L94: Flask → FastAPI (HTTP server 移行と整合) - dev-create-release.yml: C#/Rust/npm のリリースノート install コマンドを各 manifest から動的取得に変更 (従来 0.1.0 ハードコード) * chore(packages): C#/Rust/npm パッケージのバージョンを v1.12.0 機能反映に合わせて bump v1.12.0 の Voice Cloning / SSML / 短テキスト品質改善 / Phoneme Timing は全ランタイムに影響するため、独立管理パッケージも MINOR を上げる。 - C# `PiperPlus.Core` / `PiperPlus.Cli`: 0.2.0 → 0.3.0 - Rust workspace (`piper-plus`, `piper-plus-cli`, `piper-plus-g2p` 等): 0.3.0 → 0.4.0 - 内部 path+version 依存も 0.3.0 → 0.4.0 に同期 - Cargo.lock 再生成 - npm `piper-plus` (openjtalk-web): 0.5.0 → 0.6.0 - npm `@piper-plus/g2p`: 0.3.0 → 0.4.0 - npm `piper-plus` の `@piper-plus/g2p` 依存も `^0.4.0` に更新 * fix(catalog): モデルカタログ size_bytes と説明を最新 HuggingFace アセットに同期各言語実装 (cpp / C# / Go / Python / Rust) のモデルカタログで size_bytes と description が異なる値を持っていた問題を解消。HuggingFace Tree API で実ファイルサイズを取得して全実装で統一。 - tsukuyomi-chan-6lang-fp16.onnx: 39,652,717 B (HF 実サイズ) - css10-ja-6lang-fp16.onnx: 39,652,717 B (HF 実サイズ) - C# VoiceCatalog: tsukuyomi の size_bytes 77594624 (誤値、WavLM 旧モデル) → 39652717 に修正、描述 "WavLM discriminator (300 epochs)" → MB-iSTFT 版に更新 - Go voice_catalog: tsukuyomi の placeholder filename を実ファイル名 `tsukuyomi-chan-6lang-fp16.onnx` に修正、css10 の RepoID 誤り (piper-plus-base 指定) を `piper-plus-css10-ja-6lang` に修正 - config.json サイズも HF 実サイズ (6279 B / 5912 B) に統一 - md5_digest は空のまま (verification はスキップ動作で対応済み) * docs: 多言語 README と各種ドキュメントを v1.12.0 内容に追従ユーザー向け文書から廃止/古い情報を一掃。 ### 多言語 README (11ファイル) - 9言語版 (DE/ES/FR/HI/KO/PT/RU/SV/ZH) で `--mb-istft` フラグ言及を除去 (v1.12.0 で常時有効) - 8言語版で Windows セットアップから espeak-ng / ESPEAK_DATA_PATH を削除し OpenJTalk 自動 DL 説明に統一 (espeak-ng は元から不使用) - 11言語全 README の .NET TFM `net8.0/net9.0` → `net10.0` (PR #374 反映) - 11言語全 README の Rust crate 例 `piper-plus = "0.2.0"` → `"0.3"` ### docs/ - docs/README.md, binary-selection.md, building-from-source.md, troubleshooting.md, windows-setup.md の `.NET 8/9` → `.NET 10` - docs/guides/training.md: `--stochastic` フラグ例を削除 (デフォルト有効のため) ### その他 - CLAUDE.md: npm version 表記 0.3.1 → 0.5.0、v1.12.0 Breaking changes 注意書き追加 - CONTRIBUTING.md: 例示バージョン v1.11.0 → v1.12.0、npm-v0.3.1 → npm-v0.5.0 - README.npm.md: importmap `piper-plus@0.4.0` → `piper-plus@0.5.0` - docker/README.md: C++ Dockerfile から espeak-ng 言及を削除 (HTS voice 依存除去 #342) - src/csharp/PiperPlus.Cli/README.md, src/python_run/README.md: .NET 10 同期 - src/python_run/README_http.md: 「Flask 版からの移行」→「v1.11 以前 (Flask) からの互換性」 - src/python_run/piper/http_server.py: docstring の "Flask-compatible" → "FastAPI compatible" * docs(readme): Rust crate version 例を 0.3 → 0.4 に修正 11 言語 README で workspace 実バージョン (`0.4.0`) と整合させる。前コミット (2686d43) で `0.2.0 → 0.3` に置換したが、bump コミット (9516bb5) で workspace は `0.4.0` まで上げているため不整合。 * docs(changelog): phonemize() Breaking 格上げ + マイグレーションガイド新設 ### CHANGELOG - `PiperVoice.phonemize()` の戻り値**意味論**変更を Added → Changed (Breaking) セクションに移動。 - 戻り値型 `list[list[str]]` は v1.11 と同じだが、v1.11 は 1 要素 (whole text) を返していたのに対し v1.12 は文ごとに N 要素返す。 - `phonemize(text)[0]` で固定アクセスしている呼び出し側は壊れるため Breaking 扱いが妥当。 ### docs/migration/v1.11-to-v1.12.md (新規) ユーザー種別ごとの移行手順を集約: - 推論のみ利用 (Breaking なし) - HiFi-GAN ckpt から学習継続中 (再 FT 必要) - Flask `[http]` extras 利用 (FastAPI 自動切替) - Unity UPM 利用 (`ayutaz/uPiper` 別 repo) - `PiperVoice.phonemize()` 直接利用 (戻り値要素数変更) - バージョン対応表 + トラブルシューティング * feat(train): HiFi-GAN ckpt resume 検出 + CONTRIBUTING に npm リリース順序追記 ### __main__.py: HiFi-GAN ckpt 検出 v1.11.0 以前の HiFi-GAN ckpt を `--resume_from_checkpoint` または `--resume-from-multispeaker-checkpoint` に渡された際、強制的に RuntimeError で migration ガイドへ案内する。検出ロジックは: - state_dict に `model_g.dec.*` がある (= decoder 入りモデル) - かつ `model_g.dec.subband_conv_post` / `model_g.dec.pqmf` の MB-iSTFT マーカーが**ない** これに合致する ckpt は HiFi-GAN ベースとみなしてエラー。従来の strict=False フォールバック (info ログだけ吐いて静かに学習継続) では構造不一致のまま学習が進み、ユーザーが原因に気づきにくかった。 ### CONTRIBUTING.md: npm リリース順序 `@piper-plus/g2p` のリリースを先に行ってから `piper-plus` を上げる必要があることを Release order セクションに明記。Manual Release ワークフローは PyPI/NuGet/crates.io のみ自動化されており、npm は `npm-v*` / `g2p-v*` タグ別経路で動くため、順序を間違うと `No matching version found for @piper-plus/g2p@^0.4.0` で install 失敗する。 * chore(deps): ONNX Runtime 1.14.x → 1.17.0 統一 (C++ / Android PR CI / Docker) CVE 残存リスク (GHSA-fp9j-rgxr-w83q 他) のあった C++ ローカルビルドと Android PR CI を release 配布 (release-shared-lib.yml) と同じ 1.17.0 に揃える。 - cmake/OnnxRuntime.cmake: Linux/macOS download URL を 1.14.1 → 1.17.0 - cmake/find_onnxruntime_windows.cmake: Windows download URL を 1.14.1 → 1.17.0 - docker/cpp-dev/Dockerfile: Linux x64 prebuilt 1.14.1 → 1.17.0 - _build-test-cpp.yml: Linux x64 / macOS arm64 / macOS x86_64 / Windows x64 各ダウンロード URL を 1.14.1 → 1.17.0 - android-build.yml (PR CI): ONNXRUNTIME_VERSION 1.14.0 → 1.17.0 - ort-versions.md: Android (PR CI) 行を 1.14.0 → 1.17.0 に表更新これで release / iOS / Android (release+PR) / C++ build / Docker dev 全てが 1.17.0 に揃う。Issue #372 の Rust ort 2.0.0-rc.12 や Python `>=1.17` (open range)、C# 1.24.3、Go 1.27.0 はそのまま (別途検討)。 * ci(security): pip-audit / cargo-audit / npm audit + Dependency Review を追加 Dependabot は週次の reactive な検出に依存していたが、PR 時点で proactive に脆弱性を捕捉するため CVE スキャナを CI に統合。 - dependency-review-action (PR のみ): 新規追加依存の HIGH 以上で fail - pip-audit: pyproject.toml + src/python_run の OSV データソース照合 - cargo-audit: src/rust ワークスペース、warnings も deny - npm audit: src/wasm/{openjtalk-web,g2p} の production 依存 HIGH 以上で fail トリガー: - pull_request (依存ファイル変更時のみ paths フィルタ) - push to dev/main - schedule (weekly Mon 03:00 UTC = 12:00 JST) - workflow_dispatch (手動) * ci(release): WebUI Docker 自動配信 + shared-lib Windows ビルド修正 ### docker-build.yml: build-webui ジョブ追加 build-wyoming と同じパターンで build-webui ジョブを追加。タグ push 時に - ghcr.io/<owner>/<repo>/webui (常時) - DockerHub <USER>/piper-plus-webui (DOCKERHUB_USERNAME/TOKEN 設定時のみ) の両方に publish される。これで python-inference / python-train / cpp-dev / cpp-inference / wyoming / webui の 6 イメージが揃って自動更新される。 ### release-shared-lib.yml: Windows ビルドの CMake パスエスケープ修正 v1.11.0 で Windows ビルドが「`D:apiper-pluspiper-plus/install/...`」と化けて失敗していた問題を修正。原因は bash on windows-2022 が `${{ github.workspace }}` (= `D:\a\piper-plus\piper-plus`) を展開する際、バックスラッシュをエスケープシーケンスとして消費していたこと。対応: - Configure CMake / Build / Verify install layout / Create archive を Unix と Windows で別ステップに分離 - Windows 側は `pwsh` + `${env:GITHUB_WORKSPACE}` + 手動で `\` → `/` 置換 - Install ステップは引数でパスを使わないので bash 共通のままこれで iOS / Android / Linux / macOS / Windows 全 5 ターゲットの shared lib が release タグで揃って配布される。 * docs(changelog): Copilot レビュー指摘を反映 — Colab notebook と HTS voice の記述を正確化 PR #375 の Copilot Reviewer インラインコメント 2 件への対応。 - L62 Colab notebook: 「任意のカスタムデータセット」→「LJSpeech 形式 (wavs/ + metadata.csv) のカスタムデータセット」 notebook の実装は LJSpeech レイアウト前提。任意形式が使える誤解を防ぐ。 - L127 HTS voice 削除: 「ピュアな pyopenjtalk-plus パスのみ使用」→ 「Python ランタイムから HTS voice 依存を完全除去 — Python は pyopenjtalk-plus パスのみ。C++/Go/Rust/WASM の OpenJTalk バックエンドは引き続き利用」 PR #342 は Python ランタイム限定の変更で、他言語の OpenJTalk バックエンドはそのまま残っている。「ピュアな…パスのみ」表記は他ランタイムユーザーを誤解させる。 * fix(lint): except 内の raise に from None を付与 (ruff B904) HiFi-GAN ckpt 検出ロジック (c873fd4) で追加した raise RuntimeError が except ブロック内にあったため B904 違反。元の Lightning の RuntimeError は strict=False フォールバックの起点であり、HiFi-GAN 検出エラーとは無関係なので from None で抑制する。 * docs(claude): CLAUDE.md を最適化 (966 → 323 行、67% 削減) v1.12.0 リリース直前の状態に同期しつつ、構造を整理して可読性向上。 ### 削減ポイント - **学習コマンドの重複削除**: 6lang 事前学習コマンドとつくよみちゃん FT コマンドを Template A/B に統合 (3重複 → 1) - **実装済み機能セクションの圧縮**: 22 機能をカテゴリ別 (Decoder/学習補助/ONNX/Voice Cloning/G2P/ランタイム/サーバー) にグルーピング、各機能を 1-2 行に - **ファイルパス索引の集約**: 7 言語別の重複表を「Python 学習側 / ランタイム側 / 横断仕様 / 各言語ランタイム」の 4 表に統合 - **アーカイブ圧縮**: バイリンガル v2/v3/v4 詳細をバージョン比較表 + Key learnings に圧縮 - **HuggingFace モデル一覧の更新**: css10-ja-6lang を追加 ### 新規/更新内容 - v1.12.0 Breaking changes 注記をヘッダーに昇格、マイグレーションガイドへリンク - 学習済みモデル一覧を MB-iSTFT 版含めて整理 - ランタイム別パッケージ表で各言語の最新バージョン (1.12.0 / 0.3.0 / 0.4.0 / 0.6.0) を明示 - HiFi-GAN ckpt resume 不可のトラブルシューティング項目追加 - 横断仕様 (`docs/spec/*.toml`) の参照を主要ファイル索引に集約機能の網羅性は維持。詳細な実装ファイルパスは各機能行に保持し、別途索引と二重管理しない方針に変更。 * fix(ci): CI 失敗 3 件を修正 (build-piper ORT 同期 + audit 設定調整) PR #375 で発生していた CI 失敗 3 件を解消。 ### macOS TTS test (Test Japanese TTS / Test Multilingual TTS on macos-latest) 原因: build-piper.yml は 1.14.1 を /usr/local/lib に置くが、CMake は 1.17.0 を ExternalProject 経由で取得。piper バイナリが rpath @rpath/libonnxruntime.1.17.0.dylib を期待するが、dist/piper/lib にコピーされたのは 1.14.1 dylib。結果「unloadable mach-o file type 10」(dSYM 扱い) で fail。対応: build-piper.yml の ONNX Runtime 全参照を 1.17.0 に同期 (Linux x64 + macOS arm64、キャッシュキー suffix を v3 に更新)。これで先の C++ ORT 同期コミット (33c203b) と整合する。 ### cargo-audit (Rust) 原因: --deny warnings 指定で unmaintained 警告 (RUSTSEC-2025-0141 bincode、 RUSTSEC-2021-0153 encoding) も fail 扱いに。これらは vulnerabilities ではなく "unmaintained" 警告なのでリリースをブロックすべきではない。対応: --deny warnings を削除。cargo audit デフォルト挙動 (実 CVE で exit 1、 unmaintained は warn のみ) に戻す。 ### npm audit (src/wasm/g2p) 原因: src/wasm/g2p は package-lock.json をコミットしていないため "This command requires an existing lockfile" で fail。対応: audit ステップ前に lockfile を生成 (npm install --package-lock-only --no-audit --no-fund)。openjtalk-web 側はコミット済 lockfile を利用。 * fix(ci/windows): build-piper の Windows ビルドで実エラーを可視化 + piper.exe 不在を fail 扱い PR #375 の Windows multilingual ビルドが「Build succeeded」と表示されつつ piper.exe が生成されず、後続の dist 作成ステップで「piper.exe not found, creating minimal package」となり、テストが「lib/onnx not loadable」で fail していた。原因 (推定): - `$buildResult = cmake --build ...` で stdout を変数にキャプチャしていたため実際の build ログ (linker エラー等) が一切表示されない - LASTEXITCODE = 0 なのに piper.exe が生成されない場合 (CMake target 不一致や link 失敗の隠蔽) を検知する仕組みが無く、`Warning: piper.exe not found, creating minimal package` で握り潰されていた対応: - cmake --build の出力をキャプチャせず、`--verbose` と `--target piper` を付与して直接 stdout/stderr を表示 - build 後に piper.exe の存在を Test-Path で検証し、無ければ Get-ChildItem で実際に生成された exe/dll を一覧表示してから exit 1 これで次の CI 実行で根本原因 (linker エラー等) が log に表示される。

ayutaz added 7 commits April 14, 2026 11:57

Copilot AI review requested due to automatic review settings April 14, 2026 05:45

ayutaz self-assigned this Apr 14, 2026

Copilot started reviewing on behalf of ayutaz April 14, 2026 05:46 View session

ayutaz added 2 commits April 14, 2026 14:47

Copilot AI reviewed Apr 14, 2026

View reviewed changes

Comment thread src/python_run/piper/timing.py

Comment thread docs/spec/phoneme-timing-contract.toml Outdated

Comment thread src/python_run/piper/voice.py Outdated

ayutaz mentioned this pull request Apr 14, 2026

chore(claude): hooks + skills で開発ワークフローを自動化 #350

Merged

6 tasks

ayutaz merged commit 63be2df into dev Apr 14, 2026
52 checks passed

ayutaz deleted the feat/phoneme-timing-python-wasm branch April 14, 2026 07:24

ayutaz mentioned this pull request May 2, 2026

docs: 監査結果に基づくドキュメント全面同期 (v1.11.0 以降の差分を一括反映) #368

Merged

5 tasks

ayutaz mentioned this pull request May 4, 2026

Release v1.12.0 #375

Merged

2 tasks

Navigation Menu

Uh oh!

feat: Python と JS/WASM ランタイムに phoneme timing 機能を追加 - #349

feat: Python と JS/WASM ランタイムに phoneme timing 機能を追加#349
ayutaz merged 10 commits into
devfrom
feat/phoneme-timing-python-wasm

ayutaz commented Apr 14, 2026

Uh oh!

Copilot AI left a comment

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Reviewers

Assignees

Labels

Projects

Milestone

Development

Uh oh!

2 participants

Uh oh!

Conversation

ayutaz commented Apr 14, 2026

Summary

背景

主な変更

Python ランタイム

WASM ランタイム

副次的修正

レビュープロセス

ドキュメント更新

CI 更新

テスト追加

検証結果

コミット履歴

Test plan

Uh oh!

Copilot AI left a comment

Choose a reason for hiding this comment

Pull request overview

Reviewed changes

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Reviewers

Assignees

Labels

Projects

Milestone

Development

Uh oh!

2 participants