# 2026年、ローカルで使える無料の音声合成モデル 更新日 2026-10-23 無料のTTSはすでに実用レベルに達していて、多くのオープンモデルが自分の機材で動きます。ただし「無料」の中身には大きな違いがあります。商用利用を禁じるライセンスもあれば、大容量のGPUが必要なモデルもあり、普通のCPUで快適に動くものは多くありません。 ここでは、当サイトで比較しているオープンモデルを紹介します。SuperClonicaはそのうちの1つ、Supertonic 3向けの音声を販売しているので、その点を踏まえて読んでください。各モデルの公式ドキュメントにある事実だけを使い、ほかのモデルのほうが向いている場面ははっきりそう書きます。 ## 無料のTTSモデルの選び方 4つの問いで候補はすぐに絞れます。 - 言語：そのモデルはあなたの言語を話せるか。たとえば中国語が必要ならSupertonic 3は外れます。 - ライセンス：無料でダウンロードできても、商用で無料とは限りません。コードと重みの両方の条件を確認しましょう。 - ハードウェア：普通のCPUか、十分なメモリを持つGPUか。 - 音声：プリセット音声で足りるか、録音をもとにした特定の声が必要か。 ## CPUで動く小型の無料音声合成モデル SupertoneのSupertonic 3は約9900万パラメータで、ONNX Runtimeで動き、開発元によるとGPUは不要です。日本語を含む31言語に対応していますが中国語は未対応で、ライセンスはOpenRAIL-M（ロイヤリティフリーで、禁止用途のリストあり）です。プリセット音声が付属し、無料・有料の音声がSuperClonicaのカタログにさらにあります。SuperClonicaエンジンはそれらをCPUで平均61%速く動かします。 Kokoro-82Mは8200万パラメータ、Apache 2.0ライセンスで、8言語54種類のプリセット音声があり、日本語の音声は5種類です。最も得意なのは英語で、公式の音声リストでは日本語と中国語の音声の評価が低めです。公式版には声のクローン機能がありません。Pythonでも、kokoro-jsを使えばブラウザでも動きます。 PiperはRaspberry Piのような小型機器向けの高速なローカルエンジンで、Home Assistantの音声として知られています。音声は1言語ごとのONNXモデルで、対応は39言語。中国語は含まれますが、日本語と韓国語は含まれません。現在のエンジンはGPL-3.0で、音声ごとに別のライセンスがあります。 Resemble AIのChatterbox Nanoは、MITライセンスの1億1000万パラメータの英語モデルです。Resemble AIによれば8コアのCPUで実時間の3倍の速さで動き、短い音声から声をクローンし、生成したファイルすべてに聞こえないPerTh透かしを入れます。 ## ボイスクローン向けの大きめのモデル これらは数秒の音声から声をクローンします。当社の推定では、デスクトップのCPUでは実時間より遅いため、本領を発揮するのはGPU上です。 - Qwen3-TTS：Apache 2.0、0.6Bと1.7Bの2サイズ、日本語と中国語を含む10言語、3秒の音声からのクローンと説明文からの音声デザイン。CPUでは実時間の約1〜2倍遅い（0.6B）。 - VoxCPM 2：Apache 2.0、20億パラメータ、30言語と中国語の方言、48kHzの音声、VRAMは約8GB。CPUでは実時間の約2〜4倍遅い。 - Chatterbox Multilingual V3：MIT、5億パラメータ、日本語を含む23言語、短い音声からのクローン。サンプルはGPUで動かします。 - Fish Audio S2 Pro：当社の表で品質の評価が最も高く80以上の言語に対応しますが、CPUでは実時間の4〜10倍遅く、商用利用にはFish Audioの別ライセンスが必要です。 ## 無料でも商用には使えないモデル 人気のモデルの中には、コードはオープンでも重みが非商用というものがあります。実験や個人のプロジェクトには使えますが、有料の製品には向きません。 - OmniVoice：646言語に対応し、3〜10秒の音声からクローン。コードはApache 2.0、学習済みモデルはCC-BY-NCです。 - F5-TTS：中国語と英語のゼロショットクローン。コードはMIT、重みはCC-BY-NCで、当社の表ではCPUでの速度が最も遅いモデルです。 - Coqui XTTS-v2：日本語を含む17言語に対応し、短い音声からクローン。Coqui Public Model Licenseは生成した音声にも及び、元のリポジトリはすでにメンテナンスされていません。 ## どの無料TTSモデルを選ぶか 下のリンクにある比較ページには、それぞれのモデルの出典と当社の速度推定がまとまっています。 - 普通のPCで、31言語のどれかでナレーション、ゲーム、アプリを作るなら：Supertonic 3。カタログの音声か、自分の録音で学習させた音声を使います。 - 最も緩いライセンスで英語のプリセット音声を使うなら：Kokoro。 - Raspberry PiやHome Assistantなら：Piper。 - GPUで即座にクローンし、商用でも使うなら：Qwen3-TTS、VoxCPM 2、Chatterbox。 - 中国語の音声なら：GPUでQwen3-TTSかVoxCPM 2。PiperとKokoroにも中国語の音声があります。 - 研究や個人の実験なら：OmniVoice、F5-TTS、XTTS-v2を含め、どれでも使えます。 ## ほかのガイド - [自分のPCでテキストをオフライン読み上げする方法](https://superclonica.com/ja/guides/offline-text-to-speech) - [ボイスクローン：録音の声に近い音声を手に入れる方法](https://superclonica.com/ja/guides/voice-cloning) - [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](https://superclonica.com/ja/guides/text-to-speech-for-videos) - [Supertonic 3 の音声：カスタム音声の入手先と使い方](https://superclonica.com/ja/guides/supertonic-3-voices) - [Pythonで音声合成：オフライン・無料・自然な声で](https://superclonica.com/ja/guides/python-text-to-speech) - [Dockerで動かすセルフホスト音声合成API](https://superclonica.com/ja/guides/text-to-speech-api-docker) ## 音声合成と比較 - [自分のPCで動く音声合成・テキスト読み上げ](https://superclonica.com/ja/text-to-speech) - [Supertonic と SuperClonica：同じモデルで、より速く、よりクリーンに](https://superclonica.com/ja/compare/supertonic) - [Fish Audio・Fish SpeechとSuperClonicaの比較](https://superclonica.com/ja/compare/fish-audio) - [OmniVoiceとSuperClonica：言語の多さか、速度か](https://superclonica.com/ja/compare/omnivoice) - [ローカル音声合成ならQwen3-TTSかSuperClonicaか](https://superclonica.com/ja/compare/qwen3-tts) - [VoxCPM 2とSuperClonica：スタジオ品質か、CPUでの速度か](https://superclonica.com/ja/compare/voxcpm) - [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](https://superclonica.com/ja/compare/f5-tts) - [オフラインで使えるElevenLabsの代替](https://superclonica.com/ja/compare/elevenlabs) - [Kokoro TTSとSuperClonica：ローカル音声合成の小型モデル2つ](https://superclonica.com/ja/compare/kokoro) - [Piper TTSとSuperClonica：小型デバイスか、オリジナル音声か](https://superclonica.com/ja/compare/piper) - [Coqui XTTS-v2とSuperClonica：Coqui TTSの代替として](https://superclonica.com/ja/compare/xtts) - [Chatterbox TTSとSuperClonica：即時クローンか、学習済みの音声ファイルか](https://superclonica.com/ja/compare/chatterbox) ## よくある質問 ### 無料の音声合成モデルでいちばん良いのはどれですか？ 用途によります。CPUで31言語を高速にオフライン合成するならSupertonic 3、Apache 2.0で英語のプリセット音声ならKokoro、小型機器ならPiper、GPUで即座にクローンするならQwen3-TTSかVoxCPM 2です。 ### 商用で使える無料のTTSモデルはどれですか？ ここで挙げたものでは、Supertonic 3（禁止用途リスト付きのOpenRAIL-M）、KokoroとQwen3-TTSとVoxCPM 2（Apache 2.0）、Chatterbox（MIT）です。PiperのエンジンはGPL-3.0で、音声ごとに条件があります。OmniVoice、F5-TTS、XTTS-v2の公式の重みは非商用で、Fish Audio S2 Proには別ライセンスが必要です。 ### GPUなしで動く無料のTTSはありますか？ あります。Supertonic 3、Kokoro、Piper、Chatterbox Nanoは普通のCPUで動きます。大きめのクローンモデルもコミュニティの移植版でCPUで動きますが、実時間より遅くなります。 ### 無料のモデルで声のクローンはできますか？ Qwen3-TTS、OmniVoice、VoxCPM 2、Chatterbox、F5-TTS、XTTS-v2は短い音声からクローンできますが、KokoroとPiperはできません。Supertonic 3では録音から声を学習させてファイルにします。自分のNVIDIA GPUなら無料で、作者に依頼することもできます。 - [Supertonic 3の音声を聴く](https://superclonica.com/ja/explore) - [SuperClonicaをインストール](https://superclonica.com/ja/superclonica) ## 出典 - [Supertonic 3のモデルカード（Hugging Face）](https://huggingface.co/supertone-oss-archive/supertonic-3) - [Kokoro-82Mのモデルカード（Hugging Face）](https://huggingface.co/hexgrad/Kokoro-82M) - [Piperのリポジトリ（OHF-Voice/piper1-gpl）](https://github.com/OHF-Voice/piper1-gpl) - [Chatterboxのリポジトリ（GitHub）](https://github.com/resemble-ai/chatterbox) - [Qwen3-TTSのリポジトリ（GitHub）](https://github.com/QwenLM/Qwen3-TTS) - [VoxCPMのリポジトリ（GitHub）](https://github.com/OpenBMB/VoxCPM) - [OmniVoiceのモデルカード（Hugging Face）](https://huggingface.co/k2-fsa/OmniVoice) - [F5-TTSのリポジトリ（GitHub）](https://github.com/SWivid/F5-TTS) - [XTTS-v2のモデルカード（Hugging Face）](https://huggingface.co/coqui/XTTS-v2) - [Fish Audio S2 Proのモデルカード（Hugging Face）](https://huggingface.co/fishaudio/s2-pro) - [SuperClonica](https://superclonica.com/ja/) - [テキスト読み上げ用AI音声カタログ](https://superclonica.com/ja/explore) - [Supertonic 3 カスタム音声の依頼](https://superclonica.com/ja/requests) - [仕組み：音声、ローカル合成、学習](https://superclonica.com/ja/guide) - [高速な Supertonic 3 エンジンのインストール](https://superclonica.com/ja/superclonica) - [私たちについて：音声合成が好きなチーム](https://superclonica.com/ja/about) - [お問い合わせ・サポート・音声の通報](https://superclonica.com/ja/contacts) - [プライバシーポリシー](https://superclonica.com/ja/privacy) - [利用規約](https://superclonica.com/ja/terms) - [音声合成](https://superclonica.com/ja/text-to-speech)