【GigaZine】声を指定して好きなセリフを喋らせられるローカルAI「Irodori-TTS」のV3が出たので使ってみた、音声の長さを指定可能で絵文字感情制御も簡単に

同じセリフでも、笑顔で言うか、涙声で言うかで印象は大きく変わります。「Irodori-TTS v3」は、その話し方を絵文字などで指定できる日本語の音声合成モデルです。

開発者の説明によると、v3では長さの異なる音声を学習し、発話時間を見積もる仕組みが加わりました。長さを手動で指定する機能もあります。参照音声を使って声の特徴を反映する方法と、参照なしで生成する方法が用意されています。

出力が毎回狙いどおりになるわけではなく、難しい漢字の読み間違いもあり得ます。公開前に音声を聞いて確認し、参照音声を使う場合は本人の許可を得ましょう。