test(edge): add Microsoft Edge TTS Korean test harness

Pure-Python alternative to melo-test/ when the MeloTTS native build chain (MeCab/Rust/fugashi/mecab-python3/tokenizers) refuses to install. - edge-test/server.py: FastAPI + edge_tts.Communicate.stream() -> mp3, 9 Korean Neural voices, rate/pitch knobs. - edge-test/index.html: voice selector + rate/pitch + presets + audio. - requirements.txt: edge-tts + fastapi + uvicorn. No native deps. - README: comparison table vs MeloTTS, setup, caveat that edge-tts is an unofficial wrapper over the Edge "Read Aloud" endpoint. Default port 7861 so it coexists with melo-test/ (7860). Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
2026-05-26 16:07:27 +09:00
parent c68de5a232
commit d3aeab937b
4 changed files with 349 additions and 0 deletions
--- a/edge-test/README.md
+++ b/edge-test/README.md
@@ -0,0 +1,93 @@
+# Microsoft Edge TTS — 한국어 테스트 환경
+
+MeloTTS 의 빌드 의존성(MeCab, Rust, fugashi, mecab-python3, tokenizers)이
+계속 깨질 때 사용할 수 있는 **즉시 실행 가능한 대안**.
+
+내부적으로 Microsoft Edge 브라우저의 "소리내어 읽기" 가 쓰는 Azure Neural Voice
+엔드포인트를 호출합니다(공식 SDK 가 아닌 커뮤니티 라이브러리 `edge-tts`).
+
+## 왜 이걸 먼저 테스트해보는 게 좋은가
+
+| 항목 | MeloTTS-Korean | Edge TTS |
+| --- | --- | --- |
+| 설치 시간 | 5~15분 + 모델 가중치 수백 MB | 30초, 의존성 4개 |
+| 네이티브 빌드 | MeCab + Rust + PyTorch | 없음 |
+| Python 버전 | 3.10/3.11 강제 | 3.9+ 어디서나 |
+| 자연스러움(한국어) | 좋음 | Azure Neural 그대로, 매우 자연 |
+| 비용 | 무료(MIT) | 무료(비공식 Edge 엔드포인트) |
+| 지연 | 첫 호출 후 ms 단위 | 200~500ms 정도(네트워크) |
+| 보이스 수 | 1 (KR) | 9 (남/여/시니어/다국어) |
+| 안정성 위험 | 자가호스팅 = 본인 책임 | MS 가 정책 바꾸면 끊길 수 있음 |
+
+테스트 우선순위로는 **Edge TTS 를 먼저 들어보고**, 마음에 들면 그대로 채택,
+"오프라인/내부망/완전 자체 호스팅" 요구가 있으면 MeloTTS Docker 로 진행하는 흐름을 권합니다.
+
+## 설치 & 실행
+
+```bash
+# 1. 가상환경
+python -m venv .venv
+source .venv/bin/activate         # Windows: .venv\Scripts\activate
+
+# 2. 의존성 (30초)
+pip install --upgrade pip
+pip install -r requirements.txt
+
+# 3. 서버
+python server.py
+# 포트 변경: PORT=8001 python server.py  (기본 7861)
+```
+
+브라우저: `http://localhost:7861`
+
+> MeloTTS 테스트(`melo-test/`, 포트 7860)와 동시에 띄울 수 있도록 기본 포트가 다릅니다.
+
+## API
+
+```http
+POST /tts
+Content-Type: application/json
+
+{
+  "text": "안녕하세요.",
+  "voice": "ko-KR-SunHiNeural",
+  "rate": "+0%",
+  "pitch": "+0Hz"
+}
+```
+
+응답: `audio/mpeg` (MP3). 헤더 `X-Synth-Ms` 에 합성 ms.
+
+```http
+GET /voices
+```
+
+응답: 한국어 보이스 목록(JSON).
+
+## 사용 가능한 한국어 보이스
+
+- `ko-KR-SunHiNeural` — 여, 차분 (디폴트)
+- `ko-KR-InJoonNeural` — 남, 표준
+- `ko-KR-BongJinNeural` — 남, 중후
+- `ko-KR-GookMinNeural` — 남, 친근
+- `ko-KR-HyunsuMultilingualNeural` — 남, 다국어
+- `ko-KR-JiMinNeural` — 여, 밝음
+- `ko-KR-SeoHyeonNeural` — 여, 차분
+- `ko-KR-SoonBokNeural` — 여, 시니어 여성
+- `ko-KR-YuJinNeural` — 여, 표준
+
+## 주의
+
+- `edge-tts` 는 비공식 라이브러리입니다. Microsoft 가 엔드포인트를 바꾸면 끊깁니다(과거 수년간은 안정적이었음).
+- 운영 안정성/SLA 가 필요하면 Azure Cognitive Services(유료)로 같은 보이스를 정식 사용할 수 있습니다 — 코드 거의 동일.
+- 봇에 붙일 때 디스코드 메시지 전체를 다 보내면 텍스트가 외부 서비스에 흘러갑니다. 사내·민감 채널엔 부적합.
+
+## 디스코드 봇 연동 (테스트 성공 후)
+
+`src/utils/tts/Edge.ts` 를 추가하고 `src/classes/TTSClient.ts` 의 import 교체.
+`textToSpeech(text): Promise<Buffer>` 시그니처는 `Chzzk.ts` / `Google.ts` 와 동일하게.
+
+## 참고
+
+- edge-tts (Python): https://github.com/rany2/edge-tts
+- Azure Neural Voices 목록: https://learn.microsoft.com/azure/ai-services/speech-service/language-support
--- a/edge-test/index.html
+++ b/edge-test/index.html
@@ -0,0 +1,151 @@
+<!doctype html>
+<html lang="ko">
+<head>
+<meta charset="utf-8">
+<meta name="viewport" content="width=device-width,initial-scale=1">
+<title>Edge TTS 한국어 테스트</title>
+<style>
+  :root { color-scheme: light dark; }
+  body {
+    font-family: ui-sans-serif, system-ui, -apple-system, "Apple SD Gothic Neo", sans-serif;
+    max-width: 760px; margin: 40px auto; padding: 0 20px; line-height: 1.5;
+  }
+  h1 { margin-bottom: 4px; }
+  p.lead { color: #666; margin-top: 0; }
+  textarea {
+    width: 100%; min-height: 140px; font-size: 16px; padding: 12px;
+    box-sizing: border-box; border-radius: 8px; border: 1px solid #ccc;
+    font-family: inherit;
+  }
+  .row { display: flex; gap: 12px; align-items: center; margin-top: 12px; flex-wrap: wrap; }
+  select, input[type=number] {
+    padding: 6px 8px; font-size: 15px; border-radius: 6px; border: 1px solid #888;
+  }
+  button {
+    padding: 10px 22px; font-size: 16px; cursor: pointer;
+    border-radius: 8px; border: 1px solid #888; background: #f5f5f5;
+  }
+  button.preset { padding: 6px 10px; font-size: 14px; }
+  button:disabled { opacity: 0.5; cursor: not-allowed; }
+  .meta { color: #666; font-size: 14px; }
+  .err { color: #c00; }
+  audio { width: 100%; margin-top: 16px; }
+  hr { margin: 24px 0; border: none; border-top: 1px solid #ddd; }
+  code { background: #f0f0f0; padding: 2px 6px; border-radius: 4px; }
+  label { font-size: 14px; }
+</style>
+</head>
+<body>
+<h1>Microsoft Edge TTS — 한국어 테스트</h1>
+<p class="lead">
+  Microsoft Azure Neural Voice 를 무료로(브라우저 Read Aloud 동일 엔드포인트) 사용.
+  네이티브 빌드 의존성 0, 설치 30초.
+</p>
+
+<textarea id="text" placeholder="안녕하세요. 마이크로소프트 엣지 티티에스 테스트입니다."></textarea>
+
+<div class="row">
+  <button class="preset" data-text="안녕하세요. 마이크로소프트 엣지 티티에스 테스트입니다.">기본 인사</button>
+  <button class="preset" data-text="오늘 디스코드 채팅 봇에 새 보이스 엔진을 붙여 봤습니다. 발음이 어떤가요?">중간 길이</button>
+  <button class="preset" data-text="ㅋㅋㅋ 진짜요? 그건 좀 너무한데. 다시 한 번 확인해 주실 수 있을까요?">구어체</button>
+  <button class="preset" data-text="2026년 5월 26일 화요일, 서울 기온 23도, 습도 60퍼센트입니다.">숫자/날짜</button>
+</div>
+
+<div class="row">
+  <label>보이스
+    <select id="voice"></select>
+  </label>
+  <label>속도
+    <select id="rate">
+      <option value="-30%">느림 -30%</option>
+      <option value="-10%">조금 느림 -10%</option>
+      <option value="+0%" selected>표준</option>
+      <option value="+10%">조금 빠름 +10%</option>
+      <option value="+30%">빠름 +30%</option>
+    </select>
+  </label>
+  <label>피치
+    <select id="pitch">
+      <option value="-50Hz">낮음</option>
+      <option value="+0Hz" selected>표준</option>
+      <option value="+50Hz">높음</option>
+    </select>
+  </label>
+</div>
+
+<div class="row">
+  <button id="go">합성</button>
+  <span class="meta" id="status">대기중</span>
+</div>
+
+<audio id="audio" controls></audio>
+
+<hr>
+<p class="meta">
+  엔드포인트: <code>POST /tts</code>, 응답 <code>audio/mpeg</code>, 헤더 <code>X-Synth-Ms</code>=합성 ms.
+  보이스 목록: <code>GET /voices</code>.
+</p>
+
+<script>
+const $ = id => document.getElementById(id);
+
+document.querySelectorAll(".preset").forEach(b => {
+  b.onclick = () => { $("text").value = b.dataset.text; };
+});
+
+async function loadVoices() {
+  try {
+    const res = await fetch("/voices");
+    const json = await res.json();
+    const sel = $("voice");
+    sel.innerHTML = "";
+    for (const v of json.voices) {
+      const opt = document.createElement("option");
+      opt.value = v.name;
+      opt.textContent = `${v.name}  (${v.label})`;
+      sel.appendChild(opt);
+    }
+  } catch (e) {
+    $("status").innerHTML = `<span class="err">보이스 목록 로딩 실패: ${e.message}</span>`;
+  }
+}
+loadVoices();
+
+$("go").onclick = async () => {
+  const text = $("text").value.trim();
+  const voice = $("voice").value;
+  const rate = $("rate").value;
+  const pitch = $("pitch").value;
+  if (!text) { $("status").textContent = "텍스트 입력 필요"; return; }
+
+  $("go").disabled = true;
+  $("status").textContent = "합성중...";
+  const t0 = performance.now();
+  try {
+    const res = await fetch("/tts", {
+      method: "POST",
+      headers: { "Content-Type": "application/json" },
+      body: JSON.stringify({ text, voice, rate, pitch })
+    });
+    if (!res.ok) {
+      const msg = await res.text().catch(() => "");
+      throw new Error(`${res.status} ${msg}`);
+    }
+    const synthMs = res.headers.get("X-Synth-Ms");
+    const blob = await res.blob();
+    const url = URL.createObjectURL(blob);
+    const audio = $("audio");
+    audio.src = url;
+    audio.play().catch(() => {});
+    const totalMs = Math.round(performance.now() - t0);
+    $("status").innerHTML =
+      `합성 ${synthMs ?? "?"}ms / 총 ${totalMs}ms / 크기 ${(blob.size/1024).toFixed(1)}KB`;
+  } catch (e) {
+    $("status").innerHTML = `<span class="err">에러: ${e.message}</span>`;
+  } finally {
+    $("go").disabled = false;
+  }
+};
+</script>
+</body>
+</html>
--- a/edge-test/requirements.txt
+++ b/edge-test/requirements.txt
@@ -0,0 +1,5 @@
+# 순수 Python 패키지만. 네이티브 빌드 의존성 없음.
+edge-tts>=6.1.0
+fastapi>=0.110
+uvicorn[standard]>=0.27
+pydantic>=2.0
--- a/edge-test/server.py
+++ b/edge-test/server.py
@@ -0,0 +1,100 @@
+"""
+Microsoft Edge TTS 한국어 테스트 서버.
+
+요청한 텍스트를 Microsoft Edge 의 Read Aloud(Neural) 서비스로 합성.
+네이티브 빌드 의존성 0 — PyTorch / MeCab / Rust / GPU 모두 불필요.
+순수 Python 패키지(edge-tts + fastapi + uvicorn) 만으로 동작.
+
+POST /tts   { "text": "...", "voice": "ko-KR-SunHiNeural", "rate": "+0%", "pitch": "+0Hz" } -> audio/mpeg
+GET  /voices -> 사용 가능한 한국어 보이스 목록
+GET  /       -> index.html
+"""
+import os
+import time
+import logging
+from io import BytesIO
+
+from fastapi import FastAPI, HTTPException
+from fastapi.middleware.cors import CORSMiddleware
+from fastapi.responses import Response
+from fastapi.staticfiles import StaticFiles
+from pydantic import BaseModel
+import edge_tts
+
+logging.basicConfig(level=logging.INFO, format="%(asctime)s %(levelname)s %(message)s")
+log = logging.getLogger("edge-test")
+
+# Microsoft Azure Neural Voices (Korean). 실제 가용 목록은 /voices 가 동적으로 반환.
+KOREAN_VOICES = [
+    ("ko-KR-SunHiNeural", "여 · 차분"),
+    ("ko-KR-InJoonNeural", "남 · 표준"),
+    ("ko-KR-BongJinNeural", "남 · 중후"),
+    ("ko-KR-GookMinNeural", "남 · 친근"),
+    ("ko-KR-HyunsuMultilingualNeural", "남 · 다국어"),
+    ("ko-KR-JiMinNeural", "여 · 밝음"),
+    ("ko-KR-SeoHyeonNeural", "여 · 차분"),
+    ("ko-KR-SoonBokNeural", "여 · 시니어"),
+    ("ko-KR-YuJinNeural", "여 · 표준"),
+]
+
+app = FastAPI()
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+
+class TTSReq(BaseModel):
+    text: str
+    voice: str = "ko-KR-SunHiNeural"
+    rate: str = "+0%"     # 예: "-10%", "+20%"
+    pitch: str = "+0Hz"   # 예: "-50Hz", "+30Hz"
+
+
+@app.get("/voices")
+def voices():
+    return {"voices": [{"name": n, "label": lbl} for n, lbl in KOREAN_VOICES]}
+
+
+@app.post("/tts")
+async def tts(req: TTSReq):
+    text = (req.text or "").strip()
+    if not text:
+        raise HTTPException(400, "empty text")
+    if len(text) > 1000:
+        raise HTTPException(400, "too long (<=1000)")
+    voice = req.voice or "ko-KR-SunHiNeural"
+
+    t0 = time.time()
+    buf = BytesIO()
+    try:
+        communicate = edge_tts.Communicate(text, voice, rate=req.rate, pitch=req.pitch)
+        async for chunk in communicate.stream():
+            if chunk["type"] == "audio":
+                buf.write(chunk["data"])
+    except Exception as e:
+        log.error("edge_tts error: %r", e)
+        raise HTTPException(502, f"edge_tts failed: {e}")
+
+    dt_ms = int((time.time() - t0) * 1000)
+    data = buf.getvalue()
+    if not data:
+        raise HTTPException(502, "empty audio from edge_tts")
+    log.info("tts ok: %dms, %dB, voice=%s, text=%r", dt_ms, len(data), voice, text[:30])
+    return Response(
+        content=data,
+        media_type="audio/mpeg",
+        headers={"X-Synth-Ms": str(dt_ms), "Cache-Control": "no-store"},
+    )
+
+
+HERE = os.path.dirname(os.path.abspath(__file__))
+app.mount("/", StaticFiles(directory=HERE, html=True), name="static")
+
+
+if __name__ == "__main__":
+    import uvicorn
+    port = int(os.environ.get("PORT", "7861"))
+    uvicorn.run(app, host="0.0.0.0", port=port)