テキスト読み上げ
対応言語のテキストからブラウザ内で音声を生成し、WAVで保存できます。
要点と仕様
主要な処理はこのブラウザ内で実行されます。開始前に対応形式、公開済みの上限、必要なモデル取得量を確認してください。
- 入力
- テキスト
- 出力
- WAV
- 処理場所
- この端末のブラウザ内
- モデルの対応言語
- 31 言語 — 言語選択メニューを参照
- 最終確認
画面の言語とモデルの処理言語は別です。認識や発音の品質は言語によって異なるため、結果を確認してください。
ブラウザでテキストから音声を生成する手順
Aivikoのテキスト読み上げ（TTS）は、日本語・英語・韓国語・スペイン語など31の対応言語のテキストからブラウザ内でAI音声を生成し、WAVファイルとして書き出します。ONNX Runtime Web（WebGPUまたはWASM）上でSupertonicモデルをローカル実行し、10種類の声（男性1〜5、女性1〜5）、読み上げ速度、デノイズ品質ステップを調整できます。
1. 対応言語と声のスタイルを選択
31の対応言語（または自動）から言語を選び、男性1〜5・女性1〜5の10種類の声から好みのスタイルを選択します。
2. 品質・速度を設定してテキストを入力
品質（高速/高品質）と速度（遅い/標準/速い）を選び、読み上げたいテキストを入力または貼り付けます。
3. 生成・試聴してWAVをダウンロード
ブラウザ内で音声を生成して内蔵プレーヤーで確認し、WAVオーディオファイルとして保存します。
主な音声合成機能と仕様
- 日本語・英語・韓国語・スペイン語・フランス語・ドイツ語など31言語に対応する端末内AI音声合成
- 10種類のボイススタイル（男性M1〜M5、女性F1〜F5）と速度・品質ステップの調整
- ONNX Runtime WebによるWebGPU高速処理とWASMフォールバック
- その場で聴けるプレビュー再生とWAV形式での直接ダウンロード
対応言語と合成上の制限
- 現在のSupertonicモデルは31言語に対応しており、中国語（zh）の音声合成には対応していません。
- 初回生成時はモデルホストからONNXモデルとボイススタイルファイルをダウンロードしてキャッシュします。
- 略語、特殊な数値、固有名詞、または入力文と異なる言語選択では発音が不自然になる場合があるため、書き出し前に再生して確認してください。
関連する音声・字幕ツール
テキスト読み上げに関するよくある質問
入力したテキストは外部の読み上げサーバーに送信されますか？
いいえ。音声合成はブラウザ内のONNX Runtime Webで実行され、入力テキストがAivikoサーバーに送信されることはありません（モデルとボイスデータのダウンロード通信のみ行われます）。
どの言語の読み上げに対応していますか？
日本語、英語、韓国語、スペイン語、フランス語、ドイツ語など31言語に対応しています。現在のモデルは中国語の音声合成には非対応です。
品質の「高速」と「高品質」の違いは何ですか？
音声生成時のデノイズ（ノイズ除去）反復ステップ数を切り替えます。「高速」は短時間で生成でき、「高品質」はステップ数を増やしてよりクリアな音声を出力します。
使用前の確認
製品情報の確認: Aiviko Team処理場所
選択した入力はブラウザ内で処理され、Aivikoの処理サーバーにはアップロードされません。
通信する可能性があるもの
コード、フォント、ランタイム、機械学習モデルを取得する場合があります。分析と広告はプライバシー・Cookieポリシーの選択と条件に従ってのみ読み込まれます。
結果と制限
速度、精度、実用的な最大サイズは入力、ブラウザ、端末により異なります。重要な判断に使う前にガイドをご確認ください。