ガイド

Yandex SpeechKit のオフライン代替

SpeechKit は Yandex のクラウド音声合成です。ロシア語の声が18種あり、多くはニュートラルからささやきまでのロールを持ち、英語、ドイツ語、ヘブライ語、カザフ語、ウズベク語にも対応します。ほかのクラウドAPIと同じく、アカウントが必要で、文字数または250文字単位で課金され、音声化するすべてのテキストを受け取ります。

無料の SuperClonica エンジンは、同じ役割を自分のPCやサーバーで果たします。このガイドでは2つのやり方を率直に比べ、SpeechKit が向く場面と、API 呼び出しの置き換え方を紹介します。

音声を見る SuperClonica エンジンをインストール

SpeechKit の概要

カザフ語、ウズベク語、ヘブライ語、ささやきなどのロール、大規模なマネージドサービスが必要なら、SpeechKit は有力な選択肢です。

  • ロシア語の声は18種で、filipp、ermil、jane、alexander、kirill など。多くは neutral、good、evil、strict、friendly、whisper といったロールを持ちます。
  • 言語：ロシア語、英語、ドイツ語、ヘブライ語、カザフ語、ウズベク語。
  • API v1 は文字数、API v3 は250文字単位で課金されます。最新の料金は Yandex のサイトで確認してください。
  • 独自の声は別サービスの Brand Voice です。

無料で聞き比べる

どの声のページでも、SpeechKit 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

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。ふつうのサーバーでたいていの負荷をこなせます。

  • テキストは手元に残ります。どこにも送られないので、医療、法律、社内の文書にも安心です。
  • 文字数ごとの請求はありません。費用は何時間音声化しても自分のハードウェアだけです。
  • ロシア語、ウクライナ語、ポーランド語、英語、ドイツ語、日本語、韓国語、ヒンディー語、アラビア語を含む31言語。
  • 標準ボイス10種、カタログの声170種以上、そしてクリーンな5〜10秒の録音から一度だけ学習させる自分の声。

API 呼び出しを置き換える

どのCPUでもサーバーを起動：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。GET /health が応答したら、リクエストを送ります：curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Hello from my own server!", "voice": "F1", "lang": "en"}' -o hello.wav。POST /synthesize は text、voice、lang、seed、normalize を受け取り、16ビット・モノラルの WAV を返します。SUPERCLONICA_API_KEY を設定して Authorization ヘッダーを必須にし、サーバーは HTTPS の内側か非公開ネットワークに置きましょう。

どれを選ぶか

カザフ語、ウズベク語、ヘブライ語、声のロール、あるいはサーバーを運用するより文字数で払いたいなら SpeechKit。テキストを外に出せないとき、量が多いか読めないとき、SpeechKit にないヨーロッパやアジアの言語が必要なとき、オフラインで動くキャラクターやブランドの声がほしいときは SuperClonica を選びましょう。