要点（BLUF）： Text to speech は、入力したテキストをブラウザ内で音声に変換します。テキストを入力し、言語と音声を選択し、音声ファイルを取得します。テキストと音声がデバイスから離れることはなく、トークンの請求も、ここでは有料の API もありません。モデルは 600+ の言語を認識し、アップロードされたファイルやマイク録音など、自分の音声から音声を複製できます。結果はプレーヤーで再生され、WAV ファイルとしてダウンロードされます。
それは音声合成です。テキストが入力され、音声が出力されます。これを使用して、自分の声または選択した声でビデオに音声を吹き込んだり、ドラフトのナレーション トラックを作成したり、テキストが別の言語でどのように聞こえるかを確認したり、長い記事を読む代わりに単純に聞いたりすることができます。
配信はテキストの指示によって制御されます: 落ち着いて読む、ささやき声、喜びや悲しみなど。感情はスライダーではなくテキストと一緒に設定されるため、結果はより自然に聞こえます。
このツールには、男性と女性、さまざまな音色の準備完了音声のライブラリが付属しています。言語と音声を選択して、発声を開始します。
自分の声が必要な場合は、短いサンプルからクローンを作成します。オーディオ ファイルをアップロードするか、マイクから 15 ～ 30 秒を録音します。このツールはサンプルを分析し、その音声をリストに追加します。その後は他の音声と同様に選択されます。作成された音声はブラウザーに保持され、ページをリロードしても残ります。
テキストと音声がコンピュータから送信されることはありません。当社のサーバーや他のサーバーに回線が送信されることはありません。モデルはブラウザに一度ロードされ (重みの約 3 GB)、キャッシュから取得されます。その間、計算はグラフィック カード上で WebGPU まで実行されます。グラフィックス カードが利用できない場合、エンジンは正直にプロセッサにフォールバックしてそれについて通知しますが、これは著しく遅くなります。
発言に対してトークンは課金されません。これは、当社のハードウェアではなく、お客様のハードウェア上で実行される無料のツールです。
入力フィールドには最大 20,000 文字を入力できます。長いテキストは文の境界でいくつかの部分に分割され、短い休止を挟んで次々に音声化されます。長さに関係なくペースは一定で、最後には何も失われません。進行状況バーには、どの部分が読み取られているかが表示されます。
どの段階でもキャンセルできます。キャンセル後は、ページをリロードせずに、新しい実行がすぐに開始されます。
このツールは、WebGPU が利用可能なデスクトップでは、Chrome または Edge で最適に動作します。 WebGPU を持たないブラウザでは、音声はプロセッサ (WASM) で生成されます。それでも動作しますが、特に長いテキストの場合は著しく遅くなります。
最初の実行には時間がかかります。ウェイトがダウンロードされ、最初の結果がすでにきれいに聞こえるように音声がウォームアップされます。その後の実行ははるかに高速になります。
はい。モデルとその重みがブラウザにロードされ、デバイス上で計算が実行されます。テキスト、マイク録音、およびその結果得られる音声は決してアップロードされません。このツールには有料の API はまったくありません。
何もない。トークンは課金されません。これはコンピューター上で計算を行う無料のツールです。
はい。入力フィールドには最大 20,000 文字を入力でき、長いテキストは連続した部分で音声化されるため、何も失われることはありません。
音声サンプルを含む音声ファイルをアップロードするか、マイクから 15 ～ 30 秒を録音します。このツールはサンプルを分析し、その音声がリストに表示されます。これを使用して任意のテキストを音声化できます。
これは、ブラウザがグラフィック カード (WebGPU) を使用できず、エンジンがプロセッサに切り替わったことを意味します。速度は遅くなりますが、結果は同じです。ページをリロードして再試行できます。多くの場合、その時点でグラフィック カードは空き状態になっています。
600+ 言語。言語を手動で選択することも、自動検出をオンのままにすることもできます。