数十秒の音声サンプルから声色を真似て、その声で文章を読み上げられる。日本語を含む多言語に対応し、手元のPCだけで動く。
#声クローン#研究向け
これは何？本格派向けの部品（プログラムに組み込む）
できること
用意した声のサンプルを元に、入力した文章をその声で読み上げた音声ファイルを作る。ナレーションの試作や、同じ声で言い回しを何度も作り直す用途に向く。
誰に効く？
自分やキャラクターの声で読み上げを作りたい人
用意するもの
3.10〜3.14。があると速いが無くても動く（遅くなるだけ）
時間のめやす
—(本格派向け)
使うとこうなる
- 1黒い画面で pip install coqui-tts と打つ（元の TTS ではなく、引き継がれたこちらを入れる）
- 2真似したい声の音声ファイル（数十秒・雑音の少ないもの）を用意する
- 3読み上げたい文章とその音声ファイルを指定して実行すると、音声ファイルが書き出される
作れるもの・できることの例
自分の声で読み上げるナレーション、同じ声のまま言い回し違いを何度も作り直した音声、日本語以外の言語での読み上げ
使えるようになるまでの手順をひらく
- これは「作る人向けの材料」なので、単体でアプリのようには使えません
- 同じ目的の完成品ツールを「かわりにこちら」から探すのがおすすめです
こんな人には向かないかも
- プログラムを書かない人（これは単体で使う道具ではなく、作る人向けの部品です）
迷ったらこれ：いつも使っているAIチャット（ChatGPT・Claude・Geminiなど）にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
他人の顔や声を扱う前に
本人の許可なく顔や声を使い、その人が言っていない・していないことをしているように 見せる映像や音声を作って公開すると、名誉毀損や肖像権・パブリシティ権の侵害として 損害賠償や刑事責任を問われることがあります。性的な内容にした場合や、 実在の人物になりすまして金銭をだまし取る目的で使った場合は、さらに重い責任を問われます。 使ってよいのは、自分自身の素材か、内容と公開範囲まで説明したうえで許可を得た相手の素材だけだと 考えてください。手元のパソコンだけで処理できることと、作ったものを公開してよいことは別の問題です。
注意点
開発元のCoqui社は解散しており、元のリポジトリは公式には更新されていない。今から使うなら有志が引き継いだ版（下の手順）を入れること。他人の声を使うには本人の同意が必要。
ひとことメモ
声を似せられるため、なりすましに使われうる。自分の声か、許可を得た声だけに使うこと。
Coqui TTSについてよくある質問
- Coqui TTSは無料で使えますか？
- 無料で使えます。自分のパソコンの中で動くタイプなので、使った量に応じた料金もかかりません。
- Coqui TTSを使うのに、インストールや専門知識は必要ですか？
- これはプログラムに組み込んで使う部品です。単体のアプリとしては使えません。
- Coqui TTSはスマホでも使えますか？
- スマホには対応していません。パソコンが必要です。
- Coqui TTSは仕事（商用）で使えますか？
- ライセンスは MPL-2.0 で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
音声生成のほかのツール
Coqui TTSが合わなかったときの、同じ用途の候補です。
Real-Time-Voice-Cloning
数秒の音声から声を写し取り、文章を読み上げさせる
はじめやすい・ターミナル操作あり
ComfyUI-OmniVoice-TTS
声を作って読み上げ
準備がいる・ターミナル操作あり
voice-clone
数秒の音声から声を写し取って読み上げさせるページ
準備がいる・黒い画面いらない
Chatterbox
感情のこもった読み上げを作れるページ（商用利用も可）
準備がいる・黒い画面いらない
fish-s2-pro-zero
声をまねて読み上げ
準備がいる・黒い画面いらない
Whisper
音声を文字に書き起こす
はじめやすい・ターミナル操作あり