テキスト読み上げ

仕組み

多くのテキスト読み上げサイトは、テキストを読み上げるだけで音声を保存させてくれないか、ファイルを受け取るためにテキストをサーバーに送信します。このツールは、お使いのマシン上で実際の音声を生成し、ダウンロードできます。テキストがどこかへ送られることはありません。

時間がかかります。その理由は次のとおりです

初回は約215 MBのモデルをダウンロードします。音声モデルと、その出力を音に変換するボコーダーです。どちらもブラウザにキャッシュされます。生成はお使いのプロセッサ上で実行され、1文で数秒、段落ならもっとかかります。1回の処理が現実的な範囲に収まるよう、入力は約600文字までに制限されています。長いテキストは分割して、ここにある音声結合ツールで結果をつなげてください。

声について

このモデルとともに公開されている標準の研究用セットから、声は1種類です。ナレーション、メモ、アクセシビリティの用途には十分に明瞭で自然ですが、人間と区別がつかないほどではありません。強調やペースを調整することはできず、珍しい名前や略語は誤って発音されることがよくあります。このモデルで公開されている話者埋め込みは1つだけであり、声を選ぶ機能がないのはそのためです。

出力されるもの

WAVファイルで、非圧縮のため大きくなります。送信やアップロードに使うものが必要な場合は、ここにある音声圧縮ツールに通してMP3にしてください。

デバイス上で処理することが重要な理由

テキスト読み上げツールには、台本、手紙、診療メモ、下書きが貼り付けられます。そのようなテキストは、他人のサーバーに置かないでおく価値のあるものであり、ここではページの外に出ることがありません。