現実世界を動かす技術をシェアしよう！～身近なものづくりから最先端テクノロジーまで大募集！～

Pythonで音声教材を作る！Google Colab × gTTS × pydub ― gTTSError『200 OK』を攻略する

Posted at 2026-08-04

user:

次のコードのエラーを修正してください。

# ==============================================================================
# 1. 必要なライブラリのインストール
# ==============================================================================
!pip install gTTS pydub
!pip install --upgrade gtts
# ※ pydubで音声結合を行うため、システム側のffmpegをインストールします
!apt-get install -y ffmpeg

import os
from datetime import datetime
from gtts import gTTS
from pydub import AudioSegment

# ==============================================================================
# 2. 文例データ（ここだけ書き換え可能）
# ==============================================================================

# ==============================================================================
# 3. 音声ファイルの生成と結合処理
# ==============================================================================
# 出力用の一時フォルダと最終的な結合音声オブジェクトの初期化
os.makedirs("temp_audio", exist_ok=True)
combined_audio = AudioSegment.empty()

# センテンス間の無音時間を定義（ミリ秒単位）
silence_short = AudioSegment.silent(duration=800)   # 同じ文の中の言語の切り替え時の間（0.8秒）
silence_long = AudioSegment.silent(duration=1500)   # 次の番号の文へ移る時の間（1.5秒）

print("音声の生成と結合を開始します。しばらくお待ちください（約1〜2分かかります）...")

for idx, (zh_text, en_text) in enumerate(sentences_data, 1):
    # ファイル名用のパス定義
    zh_path = f"temp_audio/zh_{idx}.mp3"
    en_path = f"temp_audio/en_{idx}.mp3"

    # 1. 中国語（女性・台湾/繁体字向けの自然なアクセント 'zh-TW'）の生成
    tts_zh = gTTS(text=zh_text, lang='zh-TW', slow=False)
    tts_zh.save(zh_path)

    # 2. 英語（女性・標準英語 'en'）の生成
    tts_en = gTTS(text=en_text, lang='en', slow=False)
    tts_en.save(en_path)

    # pydubで音声として読み込み
    audio_zh = AudioSegment.from_mp3(zh_path)
    audio_en = AudioSegment.from_mp3(en_path)

    # 指示通りの順序で結合: 文X(中) -> 文X(英) -> 文X(中) -> 文X(英)
    sentence_block = (
        audio_zh + silence_short +
        audio_en + silence_short +
        audio_zh + silence_short +
        audio_en
    )

    # 全体の音声オブジェクトに、長めの無音（文の区切り）を挟んで追加
    if idx == 1:
        combined_audio += sentence_block
    else:
        combined_audio += silence_long + sentence_block

    if idx % 10 == 0:
        print(f"進捗: {idx} / 80 文が完了しました...")

# ==============================================================================
# 4. 最終ファイルの保存とダウンロード
# ==============================================================================
date_str = datetime.now().strftime("%Y%m%d")
output_filename = f"{date_str}_中国語・英語リピート学習音声80選.mp3"
print("すべての音声を結合しています。ファイルをエクスポート中...")

# 高音質な128kbpsのmp3として保存
combined_audio.export(output_filename, format="mp3", bitrate="128k")
print(f"保存が完了しました: {output_filename}")

# Google ColabからPCへ自動ダウンロードを走らせる
from google.colab import files
files.download(output_filename)
print("ダウンロードが開始されました。")

エラーメッセージは次の通りです。

音声の生成と結合を開始します。しばらくお待ちください（約1〜2分かかります）...
WARNING:gtts.lang:'zh-TW' has been deprecated, falling back to 'zh-TW'. This fallback will be removed in a future version.
WARNING:gtts.lang:'zh-TW' has been deprecated, falling back to 'zh-TW'. This fallback will be removed in a future version.
---------------------------------------------------------------------------
gTTSError                                 Traceback (most recent call last)
/tmp/ipykernel_441/774351411.py in <cell line: 0>()
     40     # 2. 英語（女性・標準英語 'en'）の生成
     41     tts_en = gTTS(text=en_text, lang='en', slow=False)
---> 42     tts_en.save(en_path)
     43 
     44     # pydubで音声として読み込み

2 frames
/usr/local/lib/python3.12/dist-packages/gtts/tts.py in stream(self)
    298                         # Request successful, good response,
    299                         # no audio stream in response
--> 300                         raise gTTSError(tts=self, response=r)
    301             log.debug("part-%i created", idx)
    302 

gTTSError: 200 (OK) from TTS API. Probable cause: Unknown

ChatGPT:

はい。今回のエラーは、pydubやffmpegではなく、gTTS → Google TTS API の通信部分で起きています。

特に、

gTTSError: 200 (OK) from TTS API. Probable cause: Unknown

というのがポイントです。HTTPとしては 200 OK が返っているのに、gTTSが期待した音声データとして解釈できなかった状態です。

また、もう一つ修正した方がいい点があります。

lang='zh-TW'

について、

WARNING:gtts.lang:'zh-TW' has been deprecated

が出ています。現在のgTTSでは台湾中国語の扱いが変わっているため、ここも整理した方が安全です。

おすすめの修正版

以下のように、gTTSのバージョンを固定し、TTS生成をリトライする仕組みを入れるのがおすすめです。

さらに、同じ中国語・英語音声を2回ずつ生成する必要はありません。現在のコードは、

中国語 → 英語 → 同じ中国語 → 同じ英語

なので、最初に生成したMP3をそのまま2回使えばOKです。

# ==============================================================================
# 1. 必要なライブラリのインストール
# ==============================================================================

!pip install -q "gTTS==2.5.4" pydub
!apt-get install -y ffmpeg

import os
import time
import shutil
from datetime import datetime

from gtts import gTTS
from pydub import AudioSegment

# ==============================================================================
# 2. 文例データ
# ==============================================================================
# ここに sentences_data を設定してください
#
# 例:
#
# sentences_data = [
#     ("你好，今天我們來學習經濟學。", "Hello, today we will study economics."),
#     ("什麼是國內生產總值？", "What is gross domestic product?"),
# ]

# ==============================================================================
# 3. TTS音声を安全に生成する関数
# ==============================================================================

def create_tts(text, lang, output_path, max_retries=5):
    """
    gTTSで音声を生成する。
    Google TTS APIの一時的なエラーに備えてリトライする。
    """

    for attempt in range(1, max_retries + 1):

        try:
            print(
                f"  音声生成: {lang} "
                f"(試行 {attempt}/{max_retries})"
            )

            tts = gTTS(
                text=text,
                lang=lang,
                slow=False
            )

            tts.save(output_path)

            # ファイルが正常に生成されたか確認
            if os.path.exists(output_path):
                file_size = os.path.getsize(output_path)

                if file_size > 1000:
                    print(f"  OK: {output_path} ({file_size:,} bytes)")
                    return True

            raise RuntimeError("音声ファイルが正常に生成されませんでした。")

        except Exception as e:

            print(f"  エラー: {e}")

            if os.path.exists(output_path):
                os.remove(output_path)

            if attempt < max_retries:
                wait_time = attempt * 3

                print(
                    f"  {wait_time}秒待ってから再試行します..."
                )

                time.sleep(wait_time)

            else:
                print(
                    f"  【失敗】{lang}: "
                    f"{max_retries}回試行しましたが失敗しました。"
                )

                return False

    return False


# ==============================================================================
# 4. 一時フォルダの準備
# ==============================================================================

temp_dir = "temp_audio"

# 前回の途中生成ファイルを削除
if os.path.exists(temp_dir):
    shutil.rmtree(temp_dir)

os.makedirs(temp_dir, exist_ok=True)

combined_audio = AudioSegment.empty()

# ==============================================================================
# 5. 無音時間
# ==============================================================================

silence_short = AudioSegment.silent(
    duration=800
)

silence_long = AudioSegment.silent(
    duration=1500
)

# ==============================================================================
# 6. 音声生成と結合
# ==============================================================================

print(
    "音声の生成と結合を開始します。"
    "しばらくお待ちください..."
)

total = len(sentences_data)

for idx, (zh_text, en_text) in enumerate(sentences_data, 1):

    print(f"\n===== {idx} / {total} =====")

    zh_path = f"{temp_dir}/zh_{idx}.mp3"
    en_path = f"{temp_dir}/en_{idx}.mp3"

    # --------------------------------------------------------------------------
    # 中国語
    # --------------------------------------------------------------------------
    #
    # 台湾向け中国語。
    # zh-TW の警告が出る場合は、gTTSの仕様変更の影響を受ける可能性があります。
    #
    # まず zh-TW で試します。
    # --------------------------------------------------------------------------

    zh_success = create_tts(
        zh_text,
        "zh-TW",
        zh_path
    )

    if not zh_success:
        raise RuntimeError(
            f"{idx}番目の中国語音声の生成に失敗しました。"
        )

    # --------------------------------------------------------------------------
    # 英語
    # --------------------------------------------------------------------------

    en_success = create_tts(
        en_text,
        "en",
        en_path
    )

    if not en_success:
        raise RuntimeError(
            f"{idx}番目の英語音声の生成に失敗しました。"
        )

    # --------------------------------------------------------------------------
    # MP3を読み込む
    # --------------------------------------------------------------------------

    audio_zh = AudioSegment.from_mp3(zh_path)
    audio_en = AudioSegment.from_mp3(en_path)

    # --------------------------------------------------------------------------
    # 中国語 → 英語 → 中国語 → 英語
    #
    # 既に生成した音声を再利用するので、
    # 同じ音声を2回生成する必要はありません。
    # --------------------------------------------------------------------------

    sentence_block = (
        audio_zh
        + silence_short
        + audio_en
        + silence_short
        + audio_zh
        + silence_short
        + audio_en
    )

    # --------------------------------------------------------------------------
    # 全体に追加
    # --------------------------------------------------------------------------

    if idx == 1:
        combined_audio += sentence_block
    else:
        combined_audio += (
            silence_long
            + sentence_block
        )

    if idx % 10 == 0 or idx == total:
        print(
            f"\n進捗: {idx} / {total} 文が完了しました。"
        )


# ==============================================================================
# 7. MP3として保存
# ==============================================================================

date_str = datetime.now().strftime("%Y%m%d")

output_filename = (
    f"{date_str}_中国語・英語リピート学習音声"
    f"{total}選.mp3"
)

print("\nすべての音声を結合しています。")
print("MP3ファイルをエクスポート中...")

combined_audio.export(
    output_filename,
    format="mp3",
    bitrate="128k"
)

print(
    f"\n保存が完了しました:\n"
    f"{output_filename}"
)

# ==============================================================================
# 8. Google Colabからダウンロード
# ==============================================================================

from google.colab import files

files.download(output_filename)

print("ダウンロードを開始しました。")

今回のエラーで重要なところ

実は、エラーが出た場所はここです。

tts_en = gTTS(text=en_text, lang='en', slow=False)
tts_en.save(en_path)

つまり、

中国語TTS
    ↓
成功
    ↓
英語TTS
    ↓
Google TTS API
    ↓
200 OK
    ↓
gTTSが音声として認識できない
    ↓
gTTSError

という流れです。

ffmpegは今回のエラー原因ではありません。

pydubがMP3を読み込むところまで到達していません。

もう一つ重要な改善点

元コードでは毎回、

audio_zh
audio_en
audio_zh
audio_en

を作るために、実際には中国語・英語を2回ずつGoogle TTSに送る設計にしているように見えます。

しかし、

audio_zh + silence + audio_en + silence + audio_zh + silence + audio_en

とすれば、1回生成した音声データを再利用できます。

これはかなり重要です。

80文なら、

元の設計：最大 320回 TTS生成
修正版：160回 TTS生成

になります。

Google TTS APIへのアクセス回数を半分にできるので、今回のような一時的なAPIエラーにも遭遇しにくくなります。

さらに安定させるなら

80文を一気に実行する場合、私はもう一段改善して、

「生成済みMP3は残して、途中でColabがエラーになっても途中から再開できる」

方式にするのをおすすめします。

例えば、

temp_audio/
 ├── zh_1.mp3
 ├── en_1.mp3
 ├── zh_2.mp3
 ├── en_2.mp3
 ├── ...
 ├── zh_80.mp3
 └── en_80.mp3

としておけば、35番でGoogle TTSが落ちても、1～34番をもう一度生成する必要がありません。

80文の中国語・英語リピート教材をColabで作る用途なら、この「途中再開可能版」がかなり実用的です。

user:

ありがとうございました。今回の内容をブログに記録したいので、タイトルを考えてください。

ChatGPT:

もちろんです。今回の内容なら、**「Colab × gTTS × pydubで音声教材を自動生成する」**という技術要素と、gTTSのAPIエラーをどう直したかの両方がタイトルに入ると、後から検索もしやすいです。

技術ブログらしいタイトル

Google ColabでgTTSの「200 OKなのにgTTSError」が発生したときの原因と対処法
gTTSで音声教材を自動生成する ― Google TTS APIエラーとリトライ処理への対応
Python・gTTS・pydubで中国語＆英語のリピート学習音声を自動生成する
Google Colab × gTTS × pydubで音声教材を作る ― gTTSErrorの原因と改善方法
gTTSの「200 (OK) from TTS API」でハマった話 ― Google Colabで安定して音声生成する方法

今回のブログ内容に特に合いそうなもの

「Google Colab × gTTS × pydubで音声教材を自動生成する ― gTTSError『200 OK』の原因とリトライ処理」

これが一番おすすめです。

「何を作った記事なのか」→ 音声教材の自動生成
「何を使ったのか」→ Google Colab / gTTS / pydub
「どんな問題を解決したのか」→ gTTSError 200 OK

が全部タイトルから分かります。

少しシリーズ感を出すなら、

「Pythonで音声教材を作る！Google Colab × gTTS × pydub ― gTTSError『200 OK』を攻略する」

もかなりブログ向きです。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up