Festival、MaryTTS、Pico TTS の現代的な代替
Festival、MaryTTS、Flite、SVOX Pico、Mimic 3 は、無料でオフラインの古典的な音声合成エンジンです。小さなマシンで動き、クラウドが不要で、長年 Linux ディストリビューション、Android、趣味のプロジェクトで使われてきました。止まっているものもあります。MaryTTS の最新リリースは2022年5月の5.2.1、Mimic 3 は2022年11月の0.2.4、Flite は2020年の2.2で、Festival はまだメンテナンスされています。
同じオフラインの自由さで、もっと自然で現代的な声が欲しいなら、このガイドで SuperClonica エンジンの使いどころと、古いエンジンがまだ勝る場面を紹介します。
古典的なエンジンとは
Festival はエジンバラ大学の音声合成フレームワークで、多くの声があります。Flite は組み込み向けの小さく速い兄弟分です。MaryTTS は純粋な Java で書かれた多言語エンジンです。SVOX Pico は Android に入っていたコンパクトなエンジンで、Linux の pico2wave コマンドはアメリカ英語、イギリス英語、ドイツ語、スペイン語、フランス語、イタリア語を話します。Mimic 3 は Mycroft のニューラルエンジンで、AGPL-3.0 です。
まだ勝っている場面
小さく速く、とても古いまたは小さなハードウェアで動き、すぐに起動し、多くのディストリビューションでパッケージ化されています。高速のスクリーンリーダーやマイコン級の機器には、古典的なエンジンが今も正解の場合があります。
オフラインのニューラル音声
無料の SuperClonica エンジンは、Supertonic 3 モデルをふつうの CPU でオフラインで動かし、31言語を話します。python -m pip install superclonica-cpu でインストールし、コマンド1つでファイルを読み上げます：superclonica --text-file notes.txt --voice F2 --lang ja --output notes.wav。標準音声10種は合成音ではなく人のように聞こえ、商用利用できます。カタログの約190の声がナレーター、アナウンサー、キャラクターを加えます。
スクリプトでの置き換え
pico2wave、flite、MaryTTS サーバーを呼んでいたスクリプトでは、superclonica コマンドを呼ぶか、Python でエンジンを読み込んだままにします。Raspberry Pi では64ビット OS と仮想環境で動きます。Raspberry Pi のガイドを参照してください。Home Assistant や Node-RED には専用のガイドがあります。
どちらを選ぶか
いちばん小さな機器、極端な読み上げ速度、Python のないディストリビューションのパッケージには古典的なエンジン。動画、オーディオブック、アシスタント、ゲームなど声の品質が大事で、しかもオフラインで動かしたいなら SuperClonica。