送る前に文章がどう聞こえるか確認したい、あるいは何かをしながらページを読み上げてほしいことはありませんか。このテキスト読み上げツールは、入力または貼り付けたテキストをブラウザ内でそのまま音声に変換します。声を選び、速度を調整して、再生を押すだけ。インストールするソフトもアカウントも不要で、アップロードするものもありません。

音声の生成方法は2つあります。ブラウザ自体の音声エンジンを使う即時の方法と、より高品質なニューラル音声を使うオプションの方法です。後者は生成した音声をMP3やWAVとして保存することもできます。

このツールが使われる理由

• 送信前に不自然な言い回しや誤字に気づける。声に出して聞くと、黙読では見逃す間違いがはっきりわかる
• 目を疲れさせずに長い文書や記事を校正できる
• 実際に収録する前に、台本や広告、ナレーションがどう聞こえるかを事前に確認できる
• 読むより聞くほうが好きな人にとって、文章コンテンツをより利用しやすくできる
• 新しい言語を学ぶときに発音の練習ができる
• メモや下書き、長い記事を音声に変えて、何かをしながら聞ける

テキストを音声に変える2つの方法

標準音声タブは、お使いのブラウザとOSにすでに組み込まれている音声エンジンを使います。即時に動作し、ダウンロード不要、待ち時間もなく、完全にオフラインで使えます。利用できる声の品質や数はブラウザとOSによって変わります。WindowsやmacOSのChromeでは多言語で数十種類の声が用意されていることが多く、SafariやFirefoxではやや少なめです。とにかくテキストをすぐ読み上げてほしいときに最も速い方法です。

HD音声タブは、WebAssemblyを使ってブラウザ内でローカルに動作する小さなニューラルテキスト読み上げモデルを使います。初めて有効にすると、一度だけ音声モデル(約90MB)がダウンロードされてキャッシュされるため、以降の生成はすべて即座に行われ、引き続き完全にオフラインです。ただしHD音声は現時点では英語のみ対応で、実際に波形を合成しているぶん、ブラウザの音声エンジンを呼び出すだけの標準音声より生成に数秒かかります。

音を細かく調整する

どちらのモードでも再生速度を調整できます。標準音声では音程と音量の調整に加え、言語フィルターで長い声のリストを読みたいテキストに合ったものだけに絞り込めます。ブラウザに複数言語の声がインストールされていれば、切り替えはワンクリックです。

HD音声はこうした調整項目の一部の代わりに、明瞭さで評価され、機械的にならず自然に聞こえるよう選ばれた11種類の英語の声(アメリカ・イギリス、男性・女性)を用意しています。生成前に速度を調整することはできます。

音声をファイルとして保存する

これが2つのモードの主な違いです。多くのブラウザ内蔵音声エンジンと同様、標準音声は音声をスピーカーで再生することしかできません。ブラウザが再生している内容を捉えてダウンロード可能なファイルに変換する方法はなく、これは元となるAPIがそもそも提供していない機能です。

HD音声にはこの制約がありません。スピーカーに音を送るだけでなく、実際の音声データを生成しているためです。クリップを生成すれば、編集ソフト向けのWAVファイル、または128・192・320kbpsから選べる、より軽量で扱いやすいMP3としてダウンロードできます。ダウンロード可能なファイルが必要なら、HD音声を使うのが正解です。

処理が実際に行われる場所

ここではサーバーに一切触れません。標準音声は、お使いの端末にすでに搭載されているスクリーンリーダーやアクセシビリティツールと同じ技術である、ブラウザ内蔵の音声合成に完全に依存しています。HD音声はモデルを一度だけダウンロードし、その後はオフラインアプリと同じようにWebAssemblyを使ってニューラルネットワークをローカルで実行します。どちらのモードでもテキストが端末の外に出ることはありません。下書きや社内メモなど、第三者のサーバーを経由させたくない内容を扱う場合には重要なポイントです。

音声ファイルができたら、音声カットで必要な部分だけに切り詰められますし、MP3やWAV以外の形式が必要なら音声変換ツールで形式を変換できます。複数のクリップを生成して1つのファイルにまとめたい場合は、音声結合でクロスフェードを付けながら結合できます。合成音声ではなく自分の声を録音したい場合は、ボイスレコーダーでマイクから直接録音できます。