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
ミロンドが自分で確かめたこと
- 2026年7月30日公式の説明を読んで、開発が止まったというサインが無いことを確認しました。
- 2026年8月25日ミロンドが毎日数えている記録では、この17日間で お気に入りが69件増えました（今も使われ続けています）。
ミロンドは掲載しているすべての行き先を定期的に開いて、今も使えるかを確かめています。 利用ルールは名前だけで判断せず、原文を読んで確認しています。
「音声生成」119本の中での位置
- APIキーの用意がいらないこの分野で114本
- 入れた内容を外部に送らないこの分野で30本
- 作ったものを仕事に使ってよいと確認できているこの分野で56本
- 黒い画面（ターミナル）の操作が要りますそうでないものが93本 →
上の条件をすべて満たすものは、119本中24本です。
この数字は、ミロンドが掲載している道具を1本ずつ同じ基準で調べた結果から数えています。
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。
似ている道具との違い
同じ用途の道具と、使う前に効いてくる条件を並べました。
| 道具 | 黒い画面 | APIキー | 外部送信 | スマホ | 仕事に使える | 最終更新 |
|---|---|---|---|---|---|---|
| Coqui TTS（このページ） | 要る | いらない | なし | むずかしい | 可 | 2024年8月 |
| Real-Time-Voice-Cloning | 要る | いらない | あり | むずかしい | 未確認 | 2026年3月 |
| ComfyUI-OmniVoice-TTS | 要る | いらない | あり | むずかしい | 可 | 2026年6月 |
| voice-clone | いらない | いらない | あり | むずかしい | 不可 | 2026年5月 |
「外部送信あり」は、入力した内容がどこかのサーバーに送られることを指します。 社外に出せない資料を扱うときは「なし」を選んでください。
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・黒い画面（ターミナル）が要る
ComfyUI-OmniVoice-TTS
600以上の言語に対応した読み上げを ComfyUI で使う
準備がいる・黒い画面（ターミナル）が要る
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（ターミナル）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（ターミナル）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（ターミナル）いらない
Whisper
音声を文字に書き起こす
はじめやすい・黒い画面（ターミナル）が要る