英語でのプレゼンのための発音アクセント&質疑対策アプリを作った話
アプリの概要
今回は，英語でのプレゼン準備のためのアプリを作成しました．
作成したアプリの機能は2つです．
- パワーポイントをuploadすることで，スピーカーメモを音声化してくれる機能
- プレゼン資料のpdfをuploadすることで，GPT-4oによる質疑対策ができる機能
これらの機能で，プレゼンの発音やアクセントを確認することができます．さらに，質疑対策も行うことができ，スムーズな発表に繋げることを目的としています．
ソースコード
デモ
なぜ作ったのか？
文章を音声化してくれるアプリはいくつかあります．しかし，スピーカーメモの文章が多くなると課金が必要であったりと，手軽に発音を確認することが出来なかったので作ってみました．
使用技術
- Python
- Streamlit
- edge-tts (合成音声)
- GPT-4o
作成するにあたって工夫した点
- 機能を分離した設計
- GPTへの入力を画像にしたこと
- Streamlitのconfig.tomlの設定
今回は，特に機能を分離した設計を強く意識して作成しました．
それぞれについて詳しく説明していきます．
機能を分離した設計
こちらの記事を参考にデータ処理とUIの分離と，責務の明確化を考慮したディレクトリ構成・コードの作成を行っています．
具体的には以下のようなディレクトリ構成です．
├ .streamlit/config.toml # Streamlitの設定ファイル
├ pages/ # 各ページのUIのコード
├ services/ # データ処理．音声合成やGPTなど
├ utils/ # 汎用なUIのコード
├ third_party/ # 外部ライブラリ
└ app.py
特にutilsにStreamlitのサイドバーなどのUIをコンポーネント化しておき，各ページで使いまわしています．
GPTへの入力を画像にしたこと
GPT-4oになり，マルチモーダルに処理することが可能になりました．そのため，スライド資料のような画像の多いデータに関しては，テキスト化するのではなく，画像のまま処理した方がいいのではないかと考えました．今回は，ユーザに資料をpdfでuploadしてもらい，pdfを画像化し，base64形式にすることでGPTへの入力としています．
Streamlitのconfig.tomlの設定
Streamlitは，.streamlitディレクトリのなかに，config.tomlを作成することで，themeの色であったり，showSidebarNavigationの設定をすることができます．この設定で，maxUploadSizeを2GBまで引き上げをしています．スライドのような画像などの多いデータでは，容量も多くなりがちです．そのため，この設定を変更するのは必要になると思います．
おわりに
機能を分離して実装したおかげで，どこにどんな機能があるか見通しが良くなったように思います．今後も意識して実装していきたいです．
あとは，スムーズな英語の発表ができますように🙏
Discussion