TTSとは？テキスト読み上げ（音声合成）をやさしく解説
TTSはtext to speech（テキスト読み上げ、音声合成）の略で、書かれた文字を話し言葉に変えるソフトです。アプリが記事を読み上げる、カーナビが曲がり角を案内する、TikTokの動画がロボットやアニメ風の声で話す、Discordのメッセージが/ttsで読まれる――どれもTTSです。
このガイドでは、内部で何が起きているか、TTSの声の種類、そして現代の自然な声を無料・登録なしで数秒で聞く方法を説明します。
文字が声になるまで
TTSはまずテキストを整えます。数字や日付、略語を言葉に直し、各単語の読み方を決めます。次にモデルがそれを音に変えます。昔のシステムは録音の断片をつなぎ合わせたり規則で作ったりしていたため、ロボットのような声でした。現代のニューラルTTSは何時間もの録音音声から学び、音を直接予測するので、抑揚や間、リズムが人間の読み手にずっと近くなります。
TTSが使われる場面
Windowsのナレーターのようなスクリーンリーダーは、画面が見えない人のために画面を読み上げます。スマホやブラウザは記事や本を読み上げます。SNSは動画にTTSの声をのせ、配信者はチャットを読み上げさせ、ゲームはキャラクターに声をつけ、音声アシスタントや電話の自動応答は合成音声で答えます。語学学習者は発音を聞くのに使い、話せない人は会話の手段にしています。
TTSの声は3種類
システムの声はWindows、macOS、Android、iOSに付属し、無料でオフラインですが平板なことが多いです。クラウドサービスはインターネット経由でとても自然な声を提供し、たいてい文字数で課金されます。オープンなニューラルモデルは今や普通のパソコンで動き、自然な声をオフラインで制限なく使えます。SuperClonicaはそうしたモデルの一つ、31言語を話すSupertonic 3をもとに、作者がつくったキャラクター、ナレーター、アナウンサーの声のカタログを加えています。
今すぐ自然なTTSの声を聞く
SuperClonicaのカタログで好きな声を開き、文を入力して言語を選び、読み上げボタンを押すと、数秒で無料・登録なしで聞けます。長い文章をオフラインで読み上げるなら、Windows、macOS、Linuxに無料のSuperClonicaエンジンをインストールしてください。アプリやボットには、同じ声を無料キーの音声合成APIで使えます。