はじめに

第4話では、ESP32とPythonサーバーにOpenAIの音声合成（TTS）機能を組み込み、赤外線リモコン操作に音声インターフェースを追加します。

これにより、家電の操作内容を喋ったり、Webから送ったメッセージを即座に音声で再生したりすることができるようになります。

---

音声合成の仕組み

今回使用するのは、OpenAIの text-to-speech エンドポイント：

• ? 入力テキストを送信

• ? mp3形式の音声で返却

• ? mp3をサーバーにキャッシュ保存（ハッシュ化）

• ▶️ ブラウザで即再生

---

音声合成に必要なもの

OpenAI API

• アカウント登録（https://platform.openai.com）

• APIキーの取得

• 課金設定の有効化（無料枠あり）

Python用ライブラリ

• requests（HTTPリクエスト用）

• hashlib（キャッシュキー生成）

---

MQTT連携と再生処理

MQTTで受け取った inputcmd/# や outputcmd/# の内容をJSONとして解析し、content が含まれていれば、TTSで音声生成を行います。

path = get_mp3_path(text)
if not os.path.exists(path):
# OpenAI APIで生成
requests.post(...)

ブラウザへは WebSocket 経由で次のようなメッセージを送信：

{
"topic": "inputcmd/風呂/1",
"message": "テレビの電源を入れます",
"mp3": "e9d5bfc9e....3.mp3"
}

ブラウザは sndcache/ 配下のMP3を自動再生します。

---

WebSocketで双方向通信

• ? WebSocketにより、MQTT→Webへの即時反映が可能

• ? Web画面から入力した文字列も、MQTTトピック inputtext/browser にパブリッシュ

• ? Pythonサーバーがそれを受けてTTS再生

---

実装のポイント

キャッシュ戦略

• 同じ文の再送信を避けるため、 md5(text) をファイル名に使用

• 例: テレビの電源を入れます → d41d8cd9.mp3

mp3再生タイミング

• ブラウザ上で Audio.play() はユーザー操作の後のみ許可されるため

• 初回再生のために「? サウンドを有効にする」ボタンを追加

---

表示UIの工夫

• 最新の発言10件を「吹き出し形式」で表示

• 受信したメッセージは全て topic 付きで表示

• 自分で送信したメッセージも同様に表示

<div class="bubble">[inputcmd/風呂/1] テレビの電源を入れます</div>

---

おわりに

音声合成を取り入れることで、IoT家電が「話しかけてくる」ようになります。
スマートホームの臨場感をぐっと引き上げることができます。

次回は、いよいよ「AIと会話して家電を操作する」インターフェースを構築し、
AIエージェント×赤外線×MQTTの連携を実現します！

次回 ▶️ 第5話：ChatGPTで家電を音声制御！自然言語×IoTの未来

---

? このプロジェクトは社内の実験から始まりましたが、
いまや採用活動でもアピールできる「技術の棚卸し」に！
気になる方はぜひ会社情報をご覧ください。

---