文章を音声で読み上げ(TTS・無料)
テキストを貼り付けて自然な AI 音声を選び、WAV や MP3 で保存できます。端末の音声ですぐに読み上げることもできます。
はじめにお読みください 著作権、AI 音声の明記、400 MB のダウンロード(タップして表示)
- 文章の著作権は書いた人にあります。他人の文章を公開する予定がある場合は、許可を得ているか確認してください。
- 「高品質 AI 音声」は、Supertone の Supertonic 3 モデルをこのブラウザで直接動かします。テキストと音声はこの端末にとどまりますが、結果を公開する場合は、AI で生成したことを明記してください。
- AI 音声を、他人へのなりすまし、ディープフェイクの作成、違法行為、嫌がらせ、偽情報の拡散に使わないでください。詳しくは OpenRAIL-M ライセンス をご覧ください。
- AI 音声は、初めて使うときに約 400MB のモデルファイルをダウンロードします(Wi-Fi 推奨)。「端末の音声」タブで「オンライン」と表示された音声は、テキストがブラウザや OS の提供元のサーバーに送られることがあります。
ツールを読み込んでいます...
テキストを読み上げて聞くと、校正、発表の練習、アクセシビリティに役立ちます。このツールには ふたつのモードがあります。「高品質 AI 音声」は Supertone のオープンソースモデル Supertonic 3 をこのブラウザで直接動かし、人の声に近い自然なナレーションを作って WAV や MP3 のファイルとして保存できます。「端末の音声」タブはブラウザに内蔵された音声合成を使うので、何もインストールせず、モデルもダウンロードせずにすぐ使えます。
高品質 AI 音声(Supertonic 3)とは
Supertonic 3 は端末内で動くテキスト読み上げモデルで、韓国語、英語、日本語を含む 31 言語に対応しています。推論は ONNX Runtime Web を使ってすべてこのブラウザ内で行うため、テキストは端末の外に出ません。男性 5 種類と女性 5 種類の声、0.8〜1.5 倍の速度、4・8・16 ステップの品質から選べます。ステップが多いほど自然になりますが、少し時間がかかります。一度に最大 5,000 文字まで貼り付けられ、その範囲内で長い文章は段落ほどの長さに自動で分割され、順番に生成されてひとつの音声ファイルにつながります。モデルファイル(約 400MB)は初回だけダウンロードされ、その後はこのブラウザにキャッシュされます。端末が WebGPU に対応していれば自動的に使われて生成がずっと速くなり、対応していない場合は WebAssembly(WASM)に自動で切り替わります。
こんなときに
- 原稿を聞いて校正したり、話す練習をしたりする
- 画面で読むのがつらいときに、文書を耳で聞く
- ほかの言語のテキストがどう聞こえるか、おおまかにつかむ
- 動画用の仮のナレーションをすばやく作る
- 自分で書いた案内文や学習カードの文章を、日本語で読み上げて確かめる
- 速度やピッチを変えて、雰囲気の違いを試す
使い方(高品質 AI 音声)
- 「高品質 AI 音声」タブを開き、言語(日本語、韓国語、英語、その他)と音声(男性 1-5、女性 1-5)を選びます。このページでは「日本語」が最初から選ばれています。
- 速度(0.8〜1.5 倍)と品質(4・8・16 ステップ)を選び、テキストを貼り付けます(最大 5,000 文字)。
- 「先にダウンロード」を押してモデルを事前に取得するか、そのまま「AI 音声を生成」を押してすぐに始めます。モデル(約 400MB)のダウンロードは一度だけです。
- 結果は自動で再生されます。WAV または MP3 のファイルとして保存してください。
- 使う前に最後まで聞いてください。特に人名、略語、数字の読み方を確認し、必要ならスタジオの発音辞書で直してください。
仕組み
高品質の音声は、Supertone の Supertonic 3 モデルをブラウザ内の ONNX Runtime で動かしています。モデルファイル(約 400 MB)は当サイトのモデル保管庫(models.dagotools.com、予備として Hugging Face)から一度だけダウンロードされます。端末の音声は、システムに内蔵された音声エンジンを使います。AI 音声ではテキストがサーバーに送られることはなく、一回あたり 5,000 文字までです。「端末の音声」タブで「オンライン」と表示された音声は、テキストがブラウザや OS の提供元のサーバーに送られることがあります。
AI 音声では、テキストと音声はブラウザ内で処理され、サーバーにはアップロードされません。開発者ツールのネットワーク確認でご自身で確かめることもできます。
使い方(スタジオ: 会話・字幕・BGM)
- 「高品質 AI 音声」の下にある「スタジオ」カードに台本を貼り付けます。会話にするときは、各行を「名前: セリフ」の形で書きます。
- 「文に分ける」を押し、話者ごとの音声と、文ごとの速度、口調、間を設定します。▶ で聞き、必要なら ↻ でその文だけ作り直します。
- 必要なら発音辞書に「語=読み方」の行を追加し、BGM ファイルと、その音量・話している間に下げる量を設定します。
- 「すべて生成」を押すと、すべての文を作ってつなぎます。途中で止めた場合は、もう一度押すと続きから再開します。
- WAV または MP3 と、SRT/VTT の字幕をダウンロードします。公開するときは、AI で生成した音声であることを明記してください。
使い方(端末の音声)
- 「端末の音声」タブで、ボックスにテキストを貼り付けます。
- 音声(端末にインストールされているもの)、速度(0.5〜2.0 倍)、ピッチ(0.5〜2.0 倍)を選びます。
- 「▶ 読み上げる」を押して聞きます。
- 音声をファイルとして保存するには、「タブの音声を録音(試験的)」を押し、共有ウィンドウでタブの音声を共有するオプションをオンにしてください。オフのままだと音が録音されません。
対応形式と制限
- 高品質 AI 音声: 31 言語、男性 5 種類・女性 5 種類の声、速度 0.8〜1.5 倍、品質 4/8/16 ステップ、最大 5,000 文字(自動分割)、WAV または MP3 で保存、サンプルレート 44.1kHz
- 端末の音声: ブラウザ内蔵の音声合成(Web Speech API)を使います。一覧には端末とブラウザが提供する音声(一部は「オンライン」と表示)が並ぶため、端末ごとに異なります。速度 0.5〜2.0 倍、ピッチ 0.5〜2.0 倍
- 端末の音声には、読み上げをファイルとして保存する機能がありません。試験的な「タブの音声を録音」は、画面共有(タブの音声付き)を使って読み上げを webm ファイルに録音します
- AI 音声のモデルファイルは Dagochim ファミリーのモデル保管庫(models.dagotools.com、予備として Hugging Face)から取得し、初回に約 400MB が必要です。その後はブラウザにキャッシュされます
使用しているオープンソース
- Supertonic 3(モデルの重み、OpenRAIL-M ライセンス)— Supertone Inc.
- Supertonic 推論サンプルコード(MIT ライセンス)— Supertone
- ONNX Runtime Web(MIT ライセンス)— Microsoft
ヒント
- 初回は Wi-Fi で「先にダウンロード」をしておくと、あとで AI 音声をすぐに生成できます。
- とにかく速く結果がほしいときは 4 ステップ、自然さを最優先するときは 16 ステップを選びます。既定の 8 ステップは速度と品質のバランスがよい設定です。
- 発表の練習では、AI 音声の速度をふつうの話し方より少し遅め(0.9-1.0 倍)にすると、一語ずつはっきり聞き取れます。
- 必要な言語の音声が端末にない場合は、OS の設定で音声パックをインストールするか、インストール不要の AI 音声タブを使ってください。
- 「タブの音声を録音」を使うときは、共有ウィンドウで必ずタブの音声を共有するオプションをオンにしてください。オフだと無音のファイルになることがあります。
困ったときは
- AI モデルのダウンロードが遅い・失敗する場合は、接続を確認して(または Wi-Fi に切り替えて)、もう一度「先にダウンロード」を押してください。
- AI 音声の生成が遅いと感じたら、4 ステップを試してください。端末が WebGPU に対応していない可能性もあります(その場合は自動で WASM に切り替わり、遅くなります)。
- 音声合成に対応していないというメッセージが出たら、最新の Chrome、Edge、Safari でページを開いてください。
- 「端末の音声」タブで日本語の音声が見つからないと表示された場合は、このブラウザから日本語の音声を利用できない状態です。OS の音声設定を確認するか、別のブラウザをお試しください。
- 録音したファイルが無音の場合は、タブの音声を共有するオプションがオンになっていませんでした。もう一度試すときはオンにしてください。
よくある質問
読み上げを音声ファイルとして保存できますか?
はい。「高品質 AI 音声」タブで作った音声は、そのまま WAV や MP3 のファイルとして保存できます。「端末の音声」タブには保存機能がないので、画面録画の方法を使ってください。
AI 音声にはどのモデルを使っていますか?
Supertone のオープンソースモデル Supertonic 3 を、このブラウザで直接(ONNX Runtime Web)動かしています。日本語を含む 31 言語に対応し、男性 5 種類・女性 5 種類の声から選べます。
AI 音声にはインターネット接続が必要ですか?
モデルファイル(約 400MB)をダウンロードする初回だけ必要です。その後はこのブラウザにキャッシュされるので、次からはすぐに使えます。
テキストはサーバーに送られますか?
「高品質 AI 音声」では送られません。テキストと生成された音声はすべてこの端末で処理されます。ダウンロードするのはモデルファイルだけで、取得元は Dagochim ファミリーのモデル保管庫(models.dagotools.com、または予備として配布元の Hugging Face)です。「端末の音声」タブで「オンライン」と表示された音声は、テキストがブラウザや OS の提供元のサーバーに送られることがあります。
端末の音声が人によって違うのはなぜですか?
端末の音声の一覧は、それぞれの端末とブラウザにインストールされた音声エンジンから作られるため、端末ごとに異なります。AI 音声は誰が使っても同じ 10 種類の声です。
AI 音声で作った音声を公開できますか?
はい。ただし AI で生成したことを明記する必要があり、他人へのなりすまし、ディープフェイクの作成、違法行為、嫌がらせ、偽情報の拡散には使えません。詳しくは OpenRAIL-M ライセンスをご覧ください。
複数の段落を一度に読めますか?
はい。AI 音声は一回につき最大 5,000 文字まで受け付けます。その範囲内で長いテキストは段落ほどの長さに自動で分割され、順番に読み上げてからつなぎ直します。5,000 文字を超える分は、別の回で作ってください。
複数の話者で会話を作れますか?
はい。スタジオで各行を「名前: セリフ」の形で書くと、名前ごとに違う声で読み上げます。話者の声はすべてのセリフでまとめて、または文ごとに変えられ、名前は字幕にも入ります。
一文だけ作り直せますか?
はい。「文に分ける」のあと、文ごとに音声、速度、口調、間を設定し、↻ ボタンでその文だけを作り直せます。変更していない文は作り直さないので、すぐに終わります。
字幕(SRT/VTT)をダウンロードできますか?
はい。すべて生成したあと、WAV や MP3 と一緒に SRT と VTT の字幕をダウンロードできます。字幕は、完成した音声の中での各文の位置に合わせた時刻で書き出します。動画編集ソフトに読み込んだあとも同期を確認してください。
BGM を追加できますか?
はい。端末の音楽ファイルを選び、音量、話している間に下げる量(dB)、フェードイン・フェードアウト、ループを設定します。話している間は設定した分だけ下がり、0.4 秒より長い間で元に戻ります。音楽の著作権はご自身で確認してください。
人名や英単語の読み方を指定できますか?
はい。発音辞書に「語=読み方」の行(例: GIF=ジフ、Nguyen=グエン)を追加すると、合成の前に置き換えられます。辞書はこの端末にのみ保存されます。数字、日付、単位、金額を自動で読みに変換するのは韓国語のテキストだけです。日本語やほかの言語では、読ませたいとおりに書いてください(例: 2026 を「にせんにじゅうろく」と書く)。
詳しく知る
詳しくはガイド テキスト読み上げの使い方とファイル保存の方法 をご覧ください。
開発者の方へ: Tools That Don't Upload では、データ、テキスト、コード、PDF、Web の処理に使える 無料枠付きの REST API(利用上限あり)を提供しています。音声処理は API の対象外です。