無料の AI テキスト読み上げと 音声クローン

いいえ。バックエンドも API 呼び出しもありません。モデルはこのブラウザのタブ内で動き、あなたのテキストと録音は端末から出ません。

はい。アカウント、試用期間、文字数の上限、ウォーターマークはありません。処理がサーバーではなく自分のマシンで行われるので、そもそも計測するものがないのです。

はい。内蔵の声はすべて CC0 1.0 で公開されているので、生成した音声は商用を含めどんな用途にも使え、クレジット表記も不要です。自分でクローンした声の音声も同様にあなたのものです。

生成の前に一度モデルを取得する必要があるためです。その後はブラウザがキャッシュを保持し、「変換」はすぐ応答します。

1人がはっきり話している6〜12秒で、背景音楽・エコー・他の声がないもの。長いほど良いわけではなく — 15秒を超えるクリップは切り詰められます。

1回の変換で最大500文字、およそ80語、話し言葉で30秒ほどです。変換の回数に制限はないので、長い原稿は段落ごとに分けて進められます。

英語です。モデルは英語の音声で学習されており、内蔵音声はすべて英語の朗読者なので、正しく発音できる言語は英語だけです。フランス語、ドイツ語、スペイン語、ポルトガル語、イタリア語、オランダ語は音にはなりますが、英語の綴り字と発音の規則が当てられます。中国語・日本語・韓国語は動作しません：トークナイザーにこれらの文字体系の語片がないため、テキストはモデルが見たことのない生のバイト列に還元されます。音声に記載されている訛りは英語の訛りであって、別々の言語ではありません。

MP3・AAC・WAV。エンコーダーもあなたの端末上で動くので、完成したファイルが保存前にどこかへ送られることはありません。

Chrome を優先してください。Edge も同じ挙動で、スマートフォンやタブレットの Chrome でも動きます — 初回のダウンロードと毎回の生成はスマートフォンのプロセッサーでは長くかかりますが、ツール自体は動きます。エンジンには WebAssembly スレッドと SharedArrayBuffer（古いブラウザーにはありません）、そして 1.5 GB まで拡張できる WebAssembly ヒープが必要で、この最後の点で Firefox と Safari は上限を低めに設定しています。そのため起動しなかったり途中で止まったりすることがあります。試すのは自由で、うまくいかなければ Chrome に切り替えてください。これはテキスト読み上げだけの話で、ボーカル除去・ノイズ除去・変換は最近のブラウザーならどれでも動きます。

モデルがキャッシュされた後は、音声生成にネットワークはまったく不要です。ページ自体の読み込みは必要なので、セッション内で初めて開くときには接続が必要です。

ページは COOP と COEP ヘッダー付きで、localhost または HTTPS 上から配信される必要があります。設定を変えた直後なら、ブラウザがキャッシュされたコピーを使い回すのをやめるよう、ハードリロードしてください。