ガイド

ブログやニュースサイトの記事を音声に

通勤中、料理中、あるいは目を休めたいとき、読むより聴きたい読者はたくさんいます。記事ごとの音声版があれば、そうした読者に届きます。ただ、毎回収録するのは手間がかかり、クラウドの音声サービスは1文字ごとに課金されます。

SuperClonica には自然な声と、自分のPCやサーバーで記事を MP3 に変える無料エンジンがあります。このガイドでは、テキストの下ごしらえ、新しい記事ごとの音声の自動化、声の選び方を紹介します。

音声を見る SuperClonica エンジンをインストール

必要なもの

音声は記事の版ごとに1回生成して記事と一緒に保存し、本文が変わったときだけ作り直しましょう。

  • プレーンテキストの記事：HTML や Markdown の記号なし。
  • Python 3.10 以降のPCで動く無料の SuperClonica エンジン、またはサーバー上の Docker イメージ。
  • 中立的な声：モデル標準の10音声のどれか、または自分で学習させた声。
  • グラフィックカード不要：ふつうのCPUで十分です。

段落を無料で聴いてみる

自動化の前に、実際の記事から30〜100文字の段落をコピーしてどれかの声のページに貼り付け、言語を選んで生成ボタンを押しましょう。数秒で記事がどう聞こえるかがわかります。アカウントは不要です。

記事テキストの下ごしらえ

テキストがきれいなほど、公開前にすべてのファイルを聴き直す手間が減ります。

  • HTML と Markdown を取り除く：そのままだとリンク、画像キャプション、コードまで読み上げられます。
  • 見出しは句点で終わる短い文にして、声が間を取れるように。
  • 略語、製品名、珍しい数字は読ませたいとおりに書く。
  • 表、長い URL、埋め込みウィジェットは省くか、1文で説明する。

コマンド1つ、またはサーバー上の API

ビルド工程や公開スクリプトで、下ごしらえしたテキストにエンジンを実行します：superclonica --text-file post.txt --voice M3 --lang ja --normalize --output post.mp3。MP3 を直接書き出し、音量を −18 LUFS にそろえ、長い記事は1つのファイルにまとめます。サイトが Python 製でなければ、エンジンをローカルの HTTP サービスとして動かしましょう：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。あとは POST /synthesize にテキスト、言語、声を送り、返ってきた WAV を保存するか MP3 に変換します。どちらの方法でもテキストは自社のインフラから出ず、文字数課金もありません。

声の選び方と、隠さないこと

メディアには、中立的で聞き取りやすい声を選びましょう。モデル標準の10音声 M1〜M5、F1〜F5 は無料エンジンに付属しています。覚えてもらえる専属の声が欲しいなら、同意を得たキャスターのきれいな録音から NVIDIA のグラフィックカードを積んだPCで学習させるか、取引所で注文します。ニュースにキャラクターやパロディの声は使わないでください。音声が生成されたものであることを聴き手に伝え、文章の記事も読みやすいまま残しましょう。音声版は追加であって、置き換えではありません。