Swift で iOS アプリに自然な音声読み上げを

iOS アプリを話させる3つの方法

多くのアプリは組み合わせます。UI には同梱のセリフ、ユーザーのテキストにはサーバー、予備にシステムの声。

• AVSpeechSynthesizer：システムの声。オフラインで無料ですが、ユーザーの環境しだいです。
• 同梱の音声：決まったセリフを SuperClonica で一度音声化してアプリに入れます。
• 音声サーバー：アプリが SuperClonica サーバーにテキストを送り、返ってきた WAV を再生します。
• SuperClonica は31言語を話します。中国語にはまだ対応していません。

無料でオンラインで声を選ぶ

どの声のページでも、アプリのセリフを30〜100文字で入力し、言語を選んで生成ボタンを押します。数秒で合う声かが分かります。アカウント不要で、iPhone からそのまま使えます。

音声化したセリフを同梱

同梱ファイルはオフラインで遅延もありませんが、変更には新しいアプリのバージョンが必要です。

• Mac でエンジンを使ってセリフを音声化：python -m pip install superclonica-cpu のあと、superclonica --text "おかえりなさい！" --voice F1 --lang ja --output welcome.mp3。
• ファイルを Xcode プロジェクトに追加し、アプリのバンドルにコピーされるようにします。
• AVFoundation で再生：player = try AVAudioPlayer(contentsOf: Bundle.main.url(forResource: "welcome", withExtension: "mp3")!); player.play()
• player はクラスのプロパティで保持しましょう。ローカルの AVAudioPlayer は解放されるとすぐ止まります。

自前の音声サーバーを呼ぶ

自分で管理するマシンでサーバーを動かします：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。iOS は既定で HTTPS を求めるので証明書の内側に置き、SUPERCLONICA_API_KEY を設定して自分のアプリだけが使えるようにします。セリフ1つがリクエスト1回です：var request = URLRequest(url: URL(string: "https://tts.example.com/synthesize")!); request.httpMethod = "POST"; request.setValue("application/json", forHTTPHeaderField: "Content-Type"); request.httpBody = try JSONEncoder().encode(["text": "ご注文の商品を発送しました。", "voice": "F1", "lang": "ja"]); let (data, _) = try await URLSession.shared.data(for: request); player = try AVAudioPlayer(data: data); player.play() キーを Authorization ヘッダーで付け、くり返すセリフのデータはキャッシュしましょう。

AVSpeechSynthesizer で十分なとき

通知の読み上げ、アクセシビリティ補助、プロトタイプ、ネットなしで話す必要のあるアプリなど、声が「伝わればよい」なら AVSpeechSynthesizer で十分です。語学の先生、ゲームキャラクター、ガイド付き瞑想、どのユーザーにも同じ声で聞こえるべきブランドなど、声が製品の一部なら SuperClonica を選びましょう。