かっこいい “ローカル LLM” の使い方 (Qwen 3-TTS 編)

./build/qwen3-tts-cli \
    -m /モデルまでのパス/Volko76/Qwen3-TTS-12Hz-0.6B-Base-Qwen3tts.cpp_quants-GGUF/ \
    -t "私のクローン音声を作成しています。" \
    -r ~/Desktop/sample.wav \
    -l ja \
    -j 8 \
    -o ~/Desktop/cloned_final.wav

#include "qwen3tts_c_api.h"
#include <string>
#include <vector>

// エンジン保持用のグローバル変数
static Qwen3Tts* g_tts_engine = nullptr;

#include "qwen3tts_c_api.h"
#include <string>
#include <vector>

// エンジン保持用のグローバル変数
static Qwen3Tts* g_tts_engine = nullptr;

// WAVヘッダ構造体（24000Hz / Float32 / Mono 用）
#pragma pack(push, 1)
struct WavHeader {
	char     chunkID[4];      // "RIFF"
	uint32_t chunkSize;       // 36 + dataSize
	char     format[4];       // "WAVE"
	char     subchunk1ID[4];  // "fmt "
	uint32_t subchunk1Size;   // 16
	uint16_t audioFormat;     // 3 (IEEE Float)
	uint16_t numChannels;     // 1
	uint32_t sampleRate;      // 24000
	uint32_t byteRate;        // 24000 * 4
	uint16_t blockAlign;      // 4
	uint16_t bitsPerSample;   // 32
	char     subchunk2ID[4];  // "data"
	uint32_t subchunk2Size;   // dataSize
};
#pragma pack(pop)

enum {
	kQwen3TTS_GenerateID = 2000 // 他と被らない適当な番号
};

#include <string>
#include <vector>

static std::string Base64Encode(const unsigned char* data, size_t len) {
	static const char* lookup = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
	std::string out;
	out.reserve(((len + 2) / 3) * 4);
	for (size_t i = 0; i < len; i += 3) {
		int val = (data[i] << 16) | ((i + 1 < len ? data[i + 1] : 0) << 8) | (i + 2 < len ? data[i + 2] : 0);
		out.push_back(lookup[(val >> 18) & 0x3F]);
		out.push_back(lookup[(val >> 12) & 0x3F]);
		out.push_back(lookup[i + 1 < len ? (val >> 6) & 0x3F : '=']);
		out.push_back(lookup[i + 2 < len ? (val & 0x3F) : '=']);
	}
	return out;
}

#include "FMWrapper/FMXBinaryData.h" // これを必ず追加
#include <unistd.h> // sync, usleep を使うために必要

static FMX_PROC(fmx::errcode) Do_Qwen3TTS_Generate(short /* funcId */, const fmx::ExprEnv& /* env */, const fmx::DataVect& parms, fmx::Data& results)
{
	// 引数チェック (text, modelDir, referenceWav)
	if (parms.Size() < 3) return 1;

	// --- 1. 文字列の取得 (SDK 22.x 対応) ---
	auto getStr = [](const fmx::Text& fmxText) {
		fmx::uint32 charCount = fmxText.GetSize();
		fmx::uint32 bufferSize = charCount * 4 + 1;
		std::vector<char> buf(bufferSize, 0);
		fmxText.GetBytes(buf.data(), bufferSize, 0, charCount, fmx::Text::kEncoding_UTF8);
		return std::string(buf.data());
	};

	std::string text = getStr(parms.AtAsText(0));
	std::string modelDir = getStr(parms.AtAsText(1));

	// --- 2. オブジェクトフィールドからバイナリを取得 ---
	const fmx::BinaryData& refWavBin = parms.At(2).GetBinaryData();
	int32_t streamCount = refWavBin.GetCount();
	if (streamCount == 0) return 1;

	// 最もデータサイズが大きいストリーム（WAVの実体）を特定
	int32_t targetIndex = 0;
	uint32_t maxSize = 0;
	for (int32_t i = 0; i < streamCount; ++i) {
		uint32_t sSize = refWavBin.GetSize(i);
		if (sSize > maxSize) {
			maxSize = sSize;
			targetIndex = i;
		}
	}

	if (maxSize == 0) return 1;

	// バイナリデータをバッファに吸い出す
	std::vector<char> wavBuffer(maxSize);
	refWavBin.GetData(targetIndex, 0, maxSize, wavBuffer.data());

	// --- 3. 一時ファイルに書き出す (ライブラリのWAV解析機能を利用するため) ---
	std::string tempWavPath = "/tmp/qwen3_ref_direct.wav";
	std::ofstream tempOfs(tempWavPath, std::ios::binary | std::ios::trunc);
	if (tempOfs) {
		tempOfs.write(wavBuffer.data(), maxSize);
		tempOfs.close();
		sync();           // OSのディスクキャッシュを強制フラッシュ
		usleep(100000);   // 0.1秒待機して書き込みを安定させる
	} else {
		return 1;
	}

	// --- 4. エンジンの初期化 & キャッシュ利用 ---
	if (g_tts_engine == nullptr) {
		if (!modelDir.empty() && modelDir.back() != '/') modelDir += "/";
		g_tts_engine = qwen3_tts_create(modelDir.c_str(), 8);
	}
	if (!g_tts_engine) return 1;

	Qwen3TtsParams params;
	qwen3_tts_default_params(¶ms);
	params.language_id = 2058; // 日本語(ja)
	params.n_threads = 8;      // スレッド数はMacの性能に応じて調整可能

	// --- 5. 音声生成 (ボイスクローン) ---
	Qwen3TtsAudio* audio = qwen3_tts_synthesize_with_voice_file(
		g_tts_engine,
		text.c_str(),
		tempWavPath.c_str(),
		¶ms
	);

	// --- 6. 結果の構築 (WAVヘッダ付与 + Base64エンコード) ---
	if (audio && audio->samples) {
		uint32_t outDataSize = audio->n_samples * sizeof(float);
		
		WavHeader header;
		memcpy(header.chunkID, "RIFF", 4);
		header.chunkSize = 36 + outDataSize;
		memcpy(header.format, "WAVE", 4);
		memcpy(header.subchunk1ID, "fmt ", 4);
		header.subchunk1Size = 16;
		header.audioFormat = 3; // IEEE Float32
		header.numChannels = 1;
		header.sampleRate = 24000;
		header.byteRate = 24000 * 4;
		header.blockAlign = 4;
		header.bitsPerSample = 32;
		memcpy(header.subchunk2ID, "data", 4);
		header.subchunk2Size = outDataSize;

		// 全データを一つのバッファに結合
		std::vector<unsigned char> fullWav(sizeof(WavHeader) + outDataSize);
		memcpy(fullWav.data(), &header, sizeof(WavHeader));
		memcpy(fullWav.data() + sizeof(WavHeader), audio->samples, outDataSize);

		// Base64文字列へ変換
		std::string b64String = Base64Encode(fullWav.data(), fullWav.size());

		// FileMakerへテキストとして返却
		fmx::TextUniquePtr outB64;
		outB64->Assign(b64String.c_str(), fmx::Text::kEncoding_UTF8);
		results.SetAsText(*outB64, results.GetLocale());

		qwen3_tts_free_audio(audio);
		return 0; // 成功
	}
	
	return 1; // 失敗
}

# 1. パス定義（Xcodeの変数を利用）
FW_DIR="${TARGET_BUILD_DIR}/${FRAMEWORKS_FOLDER_PATH}"
TARGET_BIN="${TARGET_BUILD_DIR}/${EXECUTABLE_PATH}"

# 2. 実行ファイルに「自分の隣のFrameworksフォルダを検索パスに入れろ」と命令
# これにより、内部の @rpath/lib...dylib が自動で見つかるようになります
install_name_tool -add_rpath "@loader_path/../Frameworks" "$TARGET_BIN" 2>/dev/null || true

# 3. 署名を更新
codesign --force --sign - "$FW_DIR"/*.dylib
codesign --force --sign - "$TARGET_BIN"

echo "Path fix complete."

sudo xattr -dr com.apple.quarantine "~/Library/Application Support/FileMaker/FileMaker Pro/22.0/Extensions/Qwen3TTS.0.fmplugin"

Qwen3TTS_Generate ( 
　　@Sys::transcript ; 
　　"/モデルまでのパス/models/Volko76/Qwen3-TTS-12Hz-0.6B-Base-Qwen3tts.cpp_quants-GGUF/" ; 
　　@Sys::reference
)

<script>
// FileMaker から呼び出される関数
async function convert(base64M4a) {
    document.getElementById('status').innerText = "変換中...";
    try {
        // 1. Base64 を ArrayBuffer に変換
        const binaryString = window.atob(base64M4a);
        const bytes = new Uint8Array(binaryString.length);
        for (let i = 0; i < binaryString.length; i++) bytes[i] = binaryString.charCodeAt(i);

        // 2. Web Audio API でデコード (24000Hzにリサンプリング)
        const audioCtx = new (window.AudioContext || window.webkitAudioContext)({ sampleRate: 24000 });
        const audioBuffer = await audioCtx.decodeAudioData(bytes.buffer);
        const rawData = audioBuffer.getChannelData(0); // 1ch(Mono)

        // 3. WAV (Float32) の構築
        const wavBuffer = new ArrayBuffer(44 + rawData.length * 4);
        const view = new DataView(wavBuffer);

        // ヘッダ作成
        const writeString = (v, o, s) => { for (let i = 0; i < s.length; i++) v.setUint8(o + i, s.charCodeAt(i)); };
        writeString(view, 0, 'RIFF');
        view.setUint32(4, 36 + rawData.length * 4, true);
        writeString(view, 8, 'WAVE');
        writeString(view, 12, 'fmt ');
        view.setUint32(16, 16, true);
        view.setUint16(20, 3, true); // IEEE Float
        view.setUint16(22, 1, true); // Mono
        view.setUint32(24, 24000, true);
        view.setUint32(28, 24000 * 4, true);
        view.setUint16(32, 4, true);
        view.setUint16(34, 32, true);
        writeString(view, 36, 'data');
        view.setUint32(40, rawData.length * 4, true);

        // 波形データの書き込み
        for (let i = 0; i < rawData.length; i++) {
            view.setFloat32(44 + i * 4, rawData[i], true);
        }

        // 4. 結果を HEX (または Base64) で FileMaker に戻す
        // ここでは HEX 変換を例にします (プラグインが HEX を受ける想定)
        let hex = "";
        const hexBytes = new Uint8Array(wavBuffer);
        for (let b of hexBytes) hex += b.toString(16).padStart(2, '0').toUpperCase();

        document.getElementById('status').innerText = "完了";
        FileMaker.PerformScriptWithOption("return", hex, 5);

    } catch (e) {
        document.getElementById('status').innerText = "エラー: " + e.message;
    }
}
</script>