OpenJTalk 字典打包

HayaKoe 的日語 G2P(發音轉換)依賴 pyopenjtalk。

原版 pyopenjtalk 在首次 import 時從網路下載字典,HayaKoe 使用 將字典打包在 wheel 內的 fork 消除了此延遲。

問題

原版 pyopenjtalk 在 import pyopenjtalk 時如果本地沒有 OpenJTalk 日語字典(open_jtalk_dic_utf_8-1.11,約 23 MB),會 透過 HTTPS 自動下載。

下載後快取在 ~/.local/share/pyopenjtalk/,之後不會再次下載。

但 Docker 容器每次都從空檔案系統開始,因此 每次啟動容器都會重複下載。

在網路被阻斷的環境中 import 本身會失敗。

實作

在自有 fork (lemon-pyopenjtalk-prebuilt) 中修改為 wheel 建置時將字典檔案包含在套件內部。

• 建置工作流下載並擷取 open_jtalk_dic_utf_8-1.11.tar.gz,放置在 pyopenjtalk/ 套件內部
• 在 pyproject.toml 的 package-data、MANIFEST.in 中明確包含字典

HayaKoe 側只需在 pyproject.toml 的依賴中指定 lemon-pyopenjtalk-prebuilt 即可完成套用。

安裝後可以確認字典包含在套件內部。

site-packages/pyopenjtalk/
  ├─ open_jtalk_dic_utf_8-1.11/   ← 打包的字典
  ├─ openjtalk.cpython-310-x86_64-linux-gnu.so
  └─ __init__.py

改善效果

• 首次 import 時完全消除網路呼叫
• 在離線·封閉網路環境中安裝後立即可用
• Docker 映像檔建置結果與網路狀態無關保持一致