{"kind":"compare","slug":"omnivoice","path":"/compare/omnivoice","title":"OmniVoiceの代替：CPUで速いTTS | SuperClonica","description":"OmniVoiceとSuperClonicaを比較。600以上の言語とゼロショットのボイスクローンか、CPUで速い小型のSupertonic 3エンジンか。速度・品質・ライセンスを解説。","h1":"OmniVoiceとSuperClonica：言語の多さか、速度か","intro":"k2-fsaプロジェクトのOmniVoiceは、ゼロショットの音声合成モデルで、対応言語の多さが際立っています。ドキュメントには646言語が並びます。数秒の音声から声をクローンでき、属性を指定して声を作ることもできます。SuperClonicaの対応言語は31とずっと少ないものの、普通のCPUで速く動き、セリフが変わっても声色が安定しています。\n\n両者の違いと選び方をまとめました。","sections":[{"heading":"OmniVoiceの得意なこと","paragraphs":["OmniVoiceは拡散言語モデル型のアーキテクチャを採用し、ベースモデルにはQwen3-0.6Bを使っています。"],"points":["言語：公式リストに646言語、学習データは58万1000時間。","ボイスクローン：3〜10秒の参考音声と書き起こしから、学習なしで声を再現。","ボイスデザイン：性別、年齢、声の高さ、なまり、ささやきなどの属性で声を作成。ただし開発元によると、このモードは中国語と英語のデータだけで学習されており、リソースの少ない言語では不安定になることがあります。","GPUでの速度：開発元はRTF 0.025、つまりリアルタイムの40倍速まで出ると公表しています。","ハードウェア：NVIDIA GPU、Apple Silicon、Intel Arcに対応。"]},{"heading":"CPUでのOmniVoice：当社の速度見積もり","paragraphs":["8コアのデスクトップCPUでは、OmniVoiceはリアルタイムより2〜5倍遅いと当社は見積もっています。10秒の文に20〜50秒かかります。SuperClonicaなら約1.0〜1.6秒、リアルタイムの6.4〜9.7倍速です。","出発点は、OmniVoice用のHTTPサーバーomnivoice-serverの報告で、CPU・32ステップでRTF 4.92です（CPUの機種は書かれていません）。高速なデスクトップCPUなら最大2.5倍速くなると仮定しました。当社の表の速度はすべて同じく見積もりであり、実測値ではありません。"]},{"heading":"品質と声色の安定性","paragraphs":["当社の表では、OmniVoiceとSuperClonicaの品質評価はどちらも5点満点中4.5点です。差が出るのはCPUでの性能（2点対5点）と声色の安定性（4点対5点）です。ゲームやオーディオブックのように、同じキャラクターが何百ものセリフを話す場面では、声色の安定性が効いてきます。","OmniVoiceのドキュメントも同じ方向を示しています。最も安定しているのはクローンのモードで、参考音声が長すぎると生成が遅くなり、結果が悪くなることもあるそうです。"]},{"heading":"ライセンス","paragraphs":["OmniVoiceのコードはApache 2.0ですが、モデルカードには、学習データの都合で学習済みモデルはCC-BY-NCライセンスだと書かれています。標準の条件では、公式の重みを商用利用することはできません。","Supertonic 3のライセンスはOpenRAIL-Mで、非商用条項ではなく禁止用途のリストを定めた無償のライセンスです。SuperClonicaで購入した音声は自分のプロジェクト用で、転売はできません。"]},{"heading":"音声合成にはOmniVoiceとSuperClonicaのどちらか","paragraphs":["まず言語で、次にハードウェアで選んでください。"],"points":["OmniVoice：使いたい言語がSupertonic 3の31言語に入っていない、中国語や即時クローンが必要、GPUがある。","SuperClonica：CPUやブラウザ、アプリの中で、オフラインかつ高速に、何千ものセリフを同じ声で読み上げたい。"]}],"faq":[{"question":"OmniVoiceはCPUで動きますか？","answer":"動きます。omnivoice-serverはCPUを動作モードとして挙げており、RTFは4.92、リアルタイムの約5分の1の速さです。当社の見積もりでは、高速なデスクトップCPUならリアルタイムより2〜5倍遅い程度になります。長文では差が積み重なり、1時間の音声に2〜5時間かかります。"},{"question":"OmniVoiceは無料で商用利用できますか？","answer":"コードはApache 2.0ですが、モデルカードによると学習済みモデルはCC-BY-NCのため、標準ライセンスでは商用利用はカバーされません。"},{"question":"オフラインTTSで、OmniVoiceより速い代替はありますか？","answer":"使いたい言語がSupertonic 3の31言語に入っていれば、Supertonic 3の音声とSuperClonicaエンジンの組み合わせです。CPUだけでオフラインで動き、当社の見積もりでは8コアのデスクトップCPUでリアルタイムの6.4〜9.7倍速です。"},{"question":"OmniVoiceはSuperClonicaより多くの言語に対応していますか？","answer":"はい、大きな差があります。646言語対31言語です。また、Supertonic 3はまだ中国語に対応していません。"}],"cta":{"catalog":"CPUで動く音声を試聴する","install":"SuperClonicaエンジンを導入する"},"sources":[{"label":"OmniVoice リポジトリ（GitHub）","url":"https://github.com/k2-fsa/OmniVoice"},{"label":"OmniVoice 対応言語一覧","url":"https://github.com/k2-fsa/OmniVoice/blob/master/docs/languages.md"},{"label":"OmniVoice モデルカード（Hugging Face）","url":"https://huggingface.co/k2-fsa/OmniVoice"},{"label":"omnivoice-server 0.2.0：CPUでの報告","url":"https://pypi.org/project/omnivoice-server/0.2.0/"},{"label":"Supertonic 3 モデルカード","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"自分のPCで動く音声合成・テキスト読み上げ"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic と SuperClonica：同じモデルで、より速く、よりクリーンに"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio・Fish SpeechとSuperClonicaの比較"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoiceとSuperClonica：言語の多さか、速度か"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"ローカル音声合成ならQwen3-TTSかSuperClonicaか"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2とSuperClonica：スタジオ品質か、CPUでの速度か"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTSとSuperClonica：ゼロショットのクローンか、CPUでの高速読み上げか"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"オフラインで使えるElevenLabsの代替"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTSとSuperClonica：ローカル音声合成の小型モデル2つ"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTSとSuperClonica：小型デバイスか、オリジナル音声か"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2とSuperClonica：Coqui TTSの代替として"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTSとSuperClonica：即時クローンか、学習済みの音声ファイルか"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"自分のPCでテキストをオフライン読み上げする方法"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"ボイスクローン：録音の声に近い音声を手に入れる方法"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026年、ローカルで使える無料の音声合成モデル"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"動画、オーディオブック、ゲーム、アプリのテキスト読み上げ"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 の音声：カスタム音声の入手先と使い方"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Pythonで音声合成：オフライン・無料・自然な声で"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"Dockerで動かすセルフホスト音声合成API"}]}