Telegram ボットの音声メッセージをAI音声で

音声ボットにできること

短い返事がいちばん。数文の音声メッセージのほうが、長い独白より聞きやすいものです。

• 長文の代わりに音声メッセージで質問に答える。
• ニュース、投稿、毎日のまとめを読み上げる。
• ゲームやファンコミュニティのボットでキャラクターとして話す。
• 語学学習者に31言語で例文を聞かせる。

声を無料で聴く

どの声のページでも、ボットの典型的な返事を30〜100文字で入力し、言語を選んで生成ボタンを押します。数秒でボットがどう聞こえるかわかります。アカウントは不要です。

テキストを音声メッセージに

WAV は中間ファイルにすぎません。Opus ファイルは小さく、どの Telegram アプリでもチャット内で再生されます。

• エンジンを一度インストール：python -m pip install superclonica-cpu。
• 一度だけ作り（tts = Superclonica()）、返事ごとに生成：audio, rate = tts.synthesize("おはようございます！今日のまとめです。", voice="F1", lang="ja"); tts.save("reply.wav", audio)。
• Telegram は Opus コーデックの OGG ファイルを音声メッセージとして表示するので、ffmpeg で変換：ffmpeg -i reply.wav -c:a libopus -b:a 48k reply.ogg。
• ボットライブラリーの音声メッセージ送信メソッド（Telegram Bot API の sendVoice を呼び出します）でファイルを送ります。

ボットを速く保つ

エンジンの読み込みは数秒、その後の返事は1秒未満です。私たちのテストでは短いフレーズが CPU 4スレッドで 0.43 秒でした。aiogram や python-telegram-bot のような非同期ライブラリーでは、合成を別スレッドで実行して、ボットがほかのチャットに返事し続けられるようにしましょう。同じテキスト、声、seed なら常に同じ音声になるので、繰り返す返事はキャッシュします。ボットが Python 製でなければ、Docker イメージ superclonica/superclonica:cpu でエンジンをローカルの HTTP サービスとして動かし、POST /synthesize を呼び出します。

声をフェアに使う

モデル標準の10音声 M1〜M5、F1〜F5 は無料で、どんなボットにも合います。カタログのキャラクターの声はファンが作ったものなので、ファンコミュニティの遊びのボットに使い、誰かになりすましたり公式に見せたりしないでください。声が生成されたものであることを利用者に伝え、ブランドや利用者の多い公開ボットには、同意した話者の録音からオリジナルの声を学習させるか、取引所で注文しましょう。