概要

現時点で主に英単語周りの読みが壊滅的なので、Kagomeによる形態素解析による読み補正に加え、別途全サーバーにおいて作用するグローバル辞書機能の実装を提案します。

実装案

現時点でグローバル辞書自体は辞書ファイルをサーバー側に登録し、それに準じた変換をテキスト処理の段階で行う

原則としてユーザー辞書を優先し、Kagome側で処理可能な固有名詞はそちらを優先したいため、fix_reading時にグローバル辞書の適用を行うのが無難？

グローバル辞書ファイルの実装

グローバル辞書の定義ファイル格納用ディレクトリを新規に作成し、その中に辞書変換定義ファイルを配置する方式が無難そう。
ファイル形式やフォーマットについては議論の余地あり。

備考

全サーバーに影響する内容であるため、現時点でユーザーサイドからの登録機能については考えないものとする。
(これについては実装する場合、別途issue立てを行ったほうが良さそう)

何故か別の音声ライブラリのやつが出る

マルチエンジン化の過程でページングを覚えたので全部出るようにする

リクエスト。
ユーザーごとに呼び方を変える実装をうまいこと考える

1. ユーザーごとに名前の参照元を切り替える実装を持つ？
2. ユーザーごとに名前の変換システムを持つ？
3. サーバーごとかつユーザーごとに名前の変換システムを持つ？

既存の対策

• サーバーごとの辞書機能がすべての文字列に適用されるのでそれでやってねってスタイルになってる。
• 辞書優先度の実装もこれに近い目的といえばまあってぐらい。

依存が全部単体実行可能なもので、なおかつFFmpegはポータブル版があるので理論上はワンクリックで動くボットが作れる。
ただしWindowsユーザー向けに雑でも使えるようにする必要はある

マルチエンジン化による音量の平均化の結果として、このオプションを実装する場合、再エンコードが必要になるため。

使われてないので消してもいいかなとは思うけど流石に非互換なので次のリリースで切る。

ファイル名にundefinedあるので何かがおかしい。要調査。

マルチエンジン化によりVOICEVOXでもなくなったので名前を変える

dicfindとかで

• ユーザー用
• エンドユーザー用

直感的でもないし説明文も逆の意味書いてる

ライセンスのないソースコードって実は使えないコード。

どこで接続かけてもそのボイスはそのテキストチャンネル！って感じで監視のチャンネルは固定でやる機能。
ボットによっては自動接続あるけどうざいのでつけない。

カテゴリ内のテキストすべてを監視して接続するやつ。最近だとよくあるのかな？

ユーザー指定でコピーできると楽しい

Neologd特有のカスの英語読みがあるのでこれの対策をする。
特に2文字は魔境。

形態素解析による分かち書き自体は優秀なので、読みが怪しい物だけ辞書置換することで高品質な読みのみを利用することができるはず。

流し込むとVOICEVOXが怒るので入れないようにしてたやつを順番調整などして読めるように。

記号がメッセージの先頭に入っていると全文を読み上げてくれないことがあります。
先日、"]-[|/34<#!"という文字列をメッセージの先頭に打ち込んだ方のメッセージの全文が読み上げられていませんでした。
なお、辞書登録したら読み上げてくれました。

事前に変換する機構が安定化や最適化に効果あるのかはわからないけど、いじれる項目ある関係上コンフィグはあったほうがいい

• On/Off
• ビットレート
• スレッド数

ぐらいかな？

||SPOILER||

で隠してるとこは読み上げないか、代替の文字列を読むかが良いと思います

10000番台以降のIDで出るものと思われる

エンジンをコンフィグで追加/削除できるようになったので内部IDが話者に紐づくとは限らなくなった

初めまして。
こちらのBOTをローカルのWindows上で使わせていただきたいと思っております。
ですが、個人的に必須である、VCチャンネルに誰かが参加した時にBOTを自動参加させるという機能の実装に難航しております。
当方プログラミングの知識に乏しいため、もしよろしければ具体的なコード案をご教示頂けませんでしょうか？
お忙しいところ申し訳ありませんが、よろしくお願いいたします。

これ設計的に厳しくない？って気持ちはあるけど気合

そもそもサイレントであるべきだろってやつをサイレントにしたりサイレント化のオプションを作ったりする

Linux版v2出てるので

IDの共通化実装が入ったことによってIDが基本は不変になったので今ならラウドネス値の再利用が効く