英語のみ：アメリカ英語とイギリス英語の声。一度に最大5,000文字まで。
無料でAI音声を作る方法
- テキストを入力欄に入力するか貼り付けてください。一度に最大5,000文字まで。
- 声と速度を選んでください。アメリカ英語の声ではHeartが最も自然で、イギリス英語ではEmmaがおすすめです。
- ボタンを押してください。初回は、ページが音声モデル（約115 MB）を一度だけダウンロードし、進行状況を表示します。その後は音声がブラウザに保存され、より早く始まります。
- 聴いてから「WAVをダウンロード」を押すと、ファイルを保存できます。そのファイルはご自由にお使いいただけます。
無料で提供している理由
これは試用版ではなく、クレジットの表示もありません。音声には、パラメータ数8,200万のオープンモデル「Kokoro」を使っています。普通のノートパソコンやスマートフォンでも動くほど小さなモデルです。ブラウザは一度だけ当社からモデルをダウンロードし、お使いの端末上で実行します。そのため、テキストがサーバーに送られることはなく、利用のたびに費用もかかりません。登録なしで無料のままにできるのは、この仕組みがあるからです。
対応している言語
英語のみ、2つのアクセントで提供しています。アメリカ英語の声が12種類（女性7、男性5）、イギリス英語の声が8種類（女性4、男性4）です。Kokoroモデルには他の言語の声もありますが、ここで使っているブラウザ版は英語向けに作られているため、テスト済みのものだけを提供しています。他の言語には、Hermoso AIボイスオーバーツールをお使いください。
向いている用途
- 下書きと長さの確認。撮影前に台本を聴いて、尺を確かめられます。
- 解説とチュートリアル。画面録画を読み上げる、明瞭で落ち着いた声です。
- アクセシビリティ。投稿や記事の音声版として。
- 広告の仮ナレーション。本番を撮る前に、フックを声に出して試せます。
知っておきたい制限
- パラメータ数8,200万のモデルのため、このサイズとしては自然に聞こえますが、最大規模の有料音声ほどの表現力はありません。感情、ささやき、叫びの指定はできません。
- 音声クローンと英語以外の言語には対応していません。
- 初回の読み込みは約115 MBです。通信速度が遅い場合や古い端末では時間がかかり、古い機種では実時間より遅く読み上げられることがあります。
- 数字、略語、ブランド名は、モデルが推測した読み方で読まれます。読み間違えた場合は、正しい発音になるようスペルを変えて入力してください。
これ以上が必要ですか？
多言語の有料音声、クローン音声、音楽や効果音、動画広告にそのまま載せられるナレーションが必要な場合は、Hermoso AIボイスオーバーをお使いください。無料の音声と有料の音声は並べて使えるため、ここで下書きし、そちらで仕上げられます。無料ツールと有料の音声ツールの比較は、無料のAI音声ジェネレーターと有料版の比較をご覧ください。
オープンなモデルとコードで構築されています：ライセンス、クレジット、ソース
よくある質問
登録不要の無料AI音声ジェネレーターはありますか？
はい。このページでは、オープンなテキスト読み上げモデルをブラウザ内で動かします。テキストを入力してボタンを押し、音声をWAVファイルとしてダウンロードできます。アカウントは不要で、利用回数に制限もありません。
本当に無料ですか？
はい。モデルはお使いの端末上で動くため、利用のたびに費用がかかることはありません。クレジットの表示、お試し期間、透かしもありません。
入力したテキストはどこかにアップロードされますか？
いいえ。テキストはブラウザ内で動くモデルが読み上げます。モデルファイルのみ、assets.hermoso.aiから一度だけダウンロードされます。
対応している言語は何ですか？
英語のみで、アメリカ英語とイギリス英語のアクセントに対応しています。アメリカ英語の声が12種類、イギリス英語の声が8種類です。他の言語には、Hermoso AIボイスオーバーツールをお使いください。
初回に約115 MBのダウンロードが発生するのはなぜですか？
これは音声モデルとそれを動かすエンジンです。ブラウザに保存されるため、次回からは再ダウンロードなしで音声を開始できます。
音声を商用利用できますか？
Kokoroモデルは、商用利用を許可するApache 2.0ライセンスで公開されています。読み上げるテキストが、ご自身で使用して問題ないものかご確認ください。
どのようなファイルが得られますか？
24 kHz、モノラル、16ビットのWAVファイルです。どの動画・音声編集ソフトでも再生できます。
有料のAI音声とはどう違いますか？
小規模なオープンモデルのため、表現力は控えめで英語のみです。有料の音声は多言語、感情表現の調整、クローン音声に対応し、お使いの端末ではなく当社のサーバーで動作します。