こんにちは、mc-hatです
今回はAI音声合成(TTS)についてあれこれ書いてみたいと思います
〇今回mc-hatが認識しているメジャーなTTSを3つピックアップしてみました
〇それぞれの特徴
・Gemini 3.8 Flash TTSはGoogleが開発するTTSで2026年9月23日にリリースされました。
サンプルを聞くと人間と区別がつかないレベルに達していてます。文章内にタグを記述して話し方を変えたり、人間のサンプル音声から合成音声を作成することができるようです。無料枠以上の利用は有料のようです。
・Irodori TTSは無料で利用可能で、音声の精度も人間レベルです。発話できるのは現在日本語のみです。話し方の変化は絵文字で指定できます。こちらも人間のサンプル音声から合成音声を作成することができるようです。
・VOICEVOXはYoutube等でお馴染みで、無料で利用可能です。3つの中では発話にややロボット感があるTTSです。インストーラー付きアプリケーションとして存在しているので気楽に始めやすいです。
〇3つの比較表
| 項目 | Gemini Flash TTS | Irodori TTS | VOICEVOX |
|---|---|---|---|
| コスト | 無料枠あり／有料 | 無料で利用可能 | 無料で利用可能 |
| 自然さ | 高 | 高 | ややロボット感 |
| 動作場所 | クラウド | ローカル等 | ローカル等 |
〇どんな方面で使えるか
- 動画のナレーション
- 動画マニュアルの音声
- 電話の音声受付
〇自由度
・Gemini 3.8 Flash TTSは無料枠があるとはいえ有料で使うものなので、自由度はIrodori TTSとVOICEVOXが有利かなと思います
〇まとめ
・取り上げた3つの中ではカジュアルにつかえるのはGemini 3.8 Flash TTS、VOICEVOXとなり、アプリインストールに手間がかかっても無料で高品質なTTSを使いたい場合はIrodori TTSとなります。
以上となります、みなさんも用途に合わせて、ぜひ最適なTTSを見つけてみてください。