ガイド

Silero TTS の代替：商用プロジェクト向け

Silero はロシア語圏で定番のオープンな音声合成です。CPUで速く、アクセントを自動で付けるロシア語の声、SSML、カザフ語からヤクート語まで旧ソ連圏の数十の言語のモデルがあります。ただし、モデルの多くは非商用ライセンスの CC BY-NC 4.0 です。

無料の SuperClonica エンジンもふつうのCPUでオフラインに動き、31言語を話し、すぐ使える声のカタログがあり、モデルのライセンスは商用利用を認めています。このガイドでは率直に比較し、Silero のほうが向く場面も紹介します。

音声を見る SuperClonica エンジンをインストール

Silero TTS の概要

カザフ語、タタール語、ウズベク語など地域の言語や、非商用のプロジェクトなら Silero を気軽におすすめできます。

  • 最新のロシア語モデルは v5 系で、話者は aidar, baya, kseniya, xenia, eugene、8・24・48 kHz に対応します。
  • ロシア語モデルはアクセントと同綴異義語を自動で処理し、SSML にも対応します。
  • ほかの v5 モデルは、カザフ語、ウズベク語、タタール語、バシキール語、ベラルーシ語、アルメニア語、ジョージア語など、地域の多くの言語をカバーします。
  • Silero は PyTorch で動き、AVX2 対応のCPUが必要です。モデルの多くは CC BY-NC 4.0、CIS のベースモデルは MIT です。

無料で聞き比べる

どの声のページでも、Silero で作った文を30〜100文字で貼り付け、言語を選んで生成ボタンを押します。数秒で自分の文で聞き比べられます。アカウントは不要です。

SuperClonica の違い

CPUでも速く、当社のテストでは短い文が Ryzen 7 5800X の4スレッドで0.43秒でした。

  • Supertonic 3 モデルは OpenRAIL-M で、禁止用途の範囲外なら商用利用できます。エンジンは Apache 2.0 です。
  • PyTorch 不要：エンジンは ONNX Runtime で動き、コマンド1つ（python -m pip install superclonica-cpu）か、HTTP API 付きの Docker イメージで入ります。
  • ロシア語、ウクライナ語、英語、日本語、韓国語、ヒンディー語、アラビア語、ほとんどのヨーロッパ言語を含む31言語。
  • すぐ使える声：標準ボイス10種と、多くがロシア語で録音されたカタログの声170種以上、さらに学習させた自分の声。

ロシア語のテキスト：アクセント、ё、数字

SuperClonica には SSML がないので、テキストそのもので読み方を導きます。ロシア語では ё を正しく書き、誤って読まれる同綴異義語は言い換えるか書き直し、数字は文字で書きましょう。数字はそのまま数として読まれ、格変化しません。長い文章を音声化する前に、難しい文は無料のオンラインお試しで確認してください。

どれを選ぶか

中央アジア、コーカサス、ヴォルガ地域の言語、SSML での制御、非商用の作業なら Silero。ライセンスが重要な製品、チャンネル、クライアント、キャラクターやナレーターの声、学習させた自分の声、Silero がカバーしないヨーロッパやアジアの言語なら SuperClonica を選びましょう。