ガイド

テキストをMP3に：読み上げ音声をMP3ファイルで保存

最終的にほとんどの人が欲しいのは MP3 です。どのスマホでも再生でき、ポッドキャスト、メッセンジャー、講座にそのまま使えるファイル。無料の SuperClonica エンジンは、テキストを読み上げて直接 MP3 に保存します。自分のPCで、文字数の制限もありません。

このガイドでは、1文から、またはテキストのフォルダーまるごとから MP3 を作る方法、使う声、WAV や FLAC のほうがよい場面を紹介します。

音声を見る SuperClonica エンジンをインストール

1行でテキストをMP3に

変換ソフトもアップロード用のサイトも要りません。テキストがPCの外に出ることはありません。

  • エンジンを一度インストール：python -m pip install superclonica-cpu。
  • あとは1行：superclonica --text "こんにちは。このファイルはテキストから作りました。" --voice F1 --lang ja --output hello.mp3。
  • 形式は拡張子で決まります。.mp3 なら MP3（現行版では 128 kbps、44.1 kHz、モノラル）、.wav なら16ビット WAV、.flac と .ogg も使えます。
  • モデルは初回起動時にダウンロードされ、その後はすべてオフラインで動きます。

まず声を無料で試す

インストールの前に、まず声を聴きましょう。カタログのどの声のページでも、30〜100文字のフレーズを入力し、言語を選んで生成ボタンを押せば、数秒で聴いてダウンロードできます。アカウントは不要です。

長い文章とたくさんのファイル

一般的な8コアのデスクトップCPUで、エンジンは実時間の6〜10倍ほど速いと見積もっています。1時間の音声も数分で作れます。

  • 記事や章まるごと：--text の代わりに --text-file chapter.txt。長い文章は自然な間で分割され、1つのファイルにまとめられます。
  • Linux や macOS でテキストのフォルダーまるごと：for f in texts/*.txt; do superclonica --text-file "$f" --voice F1 --lang ja --normalize --output "${f%.txt}.mp3"; done。
  • --normalize を付けると、全ファイルの音量が −18 LUFS にそろいます。
  • テキストファイルには、MP3 に付けたい名前を付けておきましょう。

声

モデル内蔵の10種類の標準ボイス（M1〜M5、F1〜F5）は無料です。カタログにはナレーター、会話調の声、キャラクターがあり、どれもオンラインで無料で試せます。無料の声はアカウントなしでダウンロードでき、有料の声は一度買えば --voice で指定する JSON ファイルとして手元に残ります。どの声も Supertonic 3 の31言語を話します。中国語はまだ対応していません。

MP3、WAV、FLAC のどれ？

MP3 は軽くてどこでも再生できるので、共有、ポッドキャスト、スマホやプレーヤーに。WAV は非圧縮なので、編集中に使えばカットやミックスで劣化が重なりません。FLAC は WAV と同じく劣化なしで、より小さく、保存用に向いています。実用的なのは、WAV で生成・編集して最後に MP3 で書き出す流れ。編集が不要なら、最初から MP3 で生成すれば十分です。