概要

AIアシスタントに音声読み上げ（TTS）機能を追加しようとした際、無料で使えるTTSサービスを徹底比較した結果をまとめる。APIキー不要のEdge TTSから、月500万文字無料のAzure/Google Cloud、完全ローカルのVoicevoxまで、用途別の最適解を提示する。

背景・問題

OpenClaw（AIアシスタント）でDiscordボイスチャンネル参加機能を有効化したが、OpenAI TTSは有料（$15/1M文字）。無料で高品質な日本語TTSを探していた。

前提条件

日本語対応必須
可能な限り無料
APIキー不要 or 簡単な設定
高品質な音声

調査結果

クラウドTTS（無料枠あり）

Google Cloud Text-to-Speech

無料枠: 月400万文字
日本語: ✅ 対応
音声: Gemini-TTS, Chirp 3: HD等の最新モデル利用可能
設定: Google Cloudプロジェクト + APIキー必要

Amazon Polly

無料枠: 月500万文字
日本語: ✅ 対応
音声: 標準音声（Neural音声は別料金の可能性）
設定: AWS アカウント + IAM設定必要

Azure Cognitive Services Speech

無料枠: 月500万文字
日本語: ✅ 対応
音声: Neural音声利用可能
設定: Azure サブスクリプション + リソース作成必要

ElevenLabs

無料枠: 月1万クレジット（約1万文字程度）
日本語: ⚠️ 対応するが品質は英語より劣る
特徴: 業界最高品質だが、日本語はまだ発展途上

OpenAI TTS

無料枠: ❌ なし
料金: $15/1M文字
日本語: ✅ 対応
品質: 非常に高い

完全無料（セルフホスト・APIキー不要）

Edge TTS（推奨）

無料: 完全無料
日本語: ✅ 対応（Neural音声）
音声: ja-JP-NanamiNeural（女性）、ja-JP-KeitaNeural（男性）
設定: APIキー不要
npmパッケージ: edge-tts で利用可能
⚠️ 注意: WebSocket接続で403エラーが発生する場合あり（MS側の制限）

gTTS（Google Translate TTS）

無料: 完全無料
日本語: ✅ 対応
品質: 翻訳用のため低め
設定: pip install gTTS で即利用可能

Voicevox（日本語特化）

無料: 完全無料
日本語: ✅✅ 日本語専用
品質: 非常に高い（キャラクター音声多数）
設定: ローカルサーバー起動必要（Docker or 直接実行）
特徴: ゲーム・アニメ風のキャラクター音声が豊富

Piper TTS

無料: 完全無料
日本語: ⚠️ モデルは存在するが品質低め
特徴: 超高速・軽量（Raspberry Piでも動作）
用途: 組み込み用途

解決策：用途別おすすめ

1. とりあえず試したい → Edge TTS

npm install edge-tts

import { MsEdgeTTS } from 'edge-tts';

const tts = new MsEdgeTTS();
await tts.setVoice('ja-JP-NanamiNeural');
await tts.toFile('output.mp3', 'こんにちは、テストです');

APIキー不要で即開始
Neural音声で高品質
403エラー時はリトライ or 別手段へ

2. 本格利用（月500万文字まで） → Azure TTS

Neural音声で高品質な日本語出力
Azure無料アカウントで12ヶ月間利用可能
安定したAPI品質

3. 完全ローカル・オフライン → Voicevox

ネットワーク不要
キャラクター音声が使える
Docker一行で起動: docker run -p 50021:50021 voicevox/voicevox_engine

4. 軽量組み込み → Piper TTS

RAM使用量極小
推論速度が非常に速い
組み込みデバイス向け

実際のテスト結果

Edge TTS

npmインストール: ✅ 成功
音声リスト取得: ✅ 成功（2種類の日本語Neural音声確認）
音声生成: ❌ WebSocket 403エラー
原因推測: Microsoft側のレート制限 or IP制限
対策: 時間をおいてリトライ、またはAzure Speech Service無料枠へ移行

まとめ

用途	おすすめ	理由
すぐ試す	Edge TTS	APIキー不要、Neural音声
安定運用	Azure TTS	月500万文字無料、Neural品質
オフライン	Voicevox	完全ローカル、キャラクター音声
組み込み	Piper TTS	超軽量、高速推論
最高品質	ElevenLabs	業界最高（日本語は弱め）

結論: まずはEdge TTSで手軽に開始し、安定性が必要ならAzure無料枠、オフラインが必要ならVoicevoxという3段構えが最適解。

タグ

TTS 音声合成 無料 Edge-TTS Azure Voicevox AI 日本語