どんなテキストも、字幕付きの読み上げMP3に
原稿をニューラル音声のMP3に変換し、ミリ秒単位で合う字幕まで一緒に受け取れます。
原稿は当サイト自身の合成エンドポイントへ送られ、単語ごとの時刻付きMP3として返ってきます。どこにも保存されません。ダウンロードできるのはこのエンジンだけです。
Enterで新しい段落、Shift+Enterで段落内の改行になります。段落ごとに声を変えられるので、対話劇もそのまま収録できます。
使い方
原稿を持ち込む
入力するか貼り付けるか、.txt・.md・.srt・.vtt をドロップします。段落ごとに編集できるブロックになります。読み込んだ時点では何も生成されません。
音声を選ぶ
300を超えるニューラル音声を言語・地域・性別で絞り込み、原稿全体を任せる前にサンプルの一文を聴いて確かめられます。
生成する
段落ごとに個別で生成し、エンジンが各単語の位置を報告します。それが波形と字幕の元になります。
持ち帰る
たった今聴いたとおりの音声をMP3とWAVで、さらに同じ時刻情報から作ったSRT・VTT字幕も一緒に。
人のように聞こえる声
140の地域にわたる300以上のニューラル音声。原稿の言語が変わっても同じ声色を保つ多言語音声も含まれます。
本当に合う字幕
SRTとVTTは、その生成についてエンジンが返した単語と文の時刻から組み立てています。読む速さから推定したものではありません。
段落ごとの声
ブロックごとに声を割り当てれば、対話劇もインタビューも、登場人物の多いオーディオブックも一度で収録できます。
思いどおりの抑揚
速さ・高さ・音量を原稿全体の既定値として決め、その一行だけ調子を変えたいときはブロック単位で上書きできます。
やり直さずに直せる
7段落目の誤字を直しても、生成し直すのは7段落目だけ。すでにできている部分はそのまま残ります。
通信のいらないエンジン
端末エンジンはOSにすでにある音声で原稿を読み上げ、リクエストを一切送りません。聴くだけの用途です。ブラウザが録音を許さないためです。
ひと続きの生成から、ナレーションと字幕を同時に
原稿を書くか貼り付け、300を超えるニューラル音声から選べば、完成した音声と、その同じ生成から作られたSRT・VTT字幕を一緒に持ち帰れます。段落ごとに声も速さも高さも変えられ、一行直せば再生成されるのはその一行だけです。
音声がどこで作られるのか、正直なところ
端末エンジンでは、すべてがこのタブの中で、システムに元からある音声を使って行われます。ニューラルエンジンでは、原稿は当サイト自身のエンドポイントへ送られ、そこで合成されてそのまま返ってきます。第三者の中継はなく、データベースへの書き込みもなく、応答を返したあとに控えを残すこともありません。ローカルでない部分はここだけで、そしてこれこそがダウンロードと字幕を可能にしています。
ナレーション、学習、そして公開のために
動画にナレーションを載せ、対応する字幕をそのままタイムラインへ。長い記事を通勤中に聴ける音声に。講座の本編と例題で声を変えて収録。自分の書いた文章を耳で確かめれば、綴りチェックでは見つからないぎこちない文が見つかります。音声ができたら、字幕は何もダウンロードせずに字幕ツールへ送れます。
原稿も履歴も設定も、このブラウザの中だけにあります。ニューラルエンジンが受け取るのは読み上げるべき段落だけで、応答したあとには何も残しません。アカウントはなく、あなたの文章を解析することもなく、何を読ませたかの記録も残りません。
よくある質問
Q音声はダウンロードできますか。聴いたものと同じですか。+
できます。MP3はエンジンが出力したストリームそのままを、再エンコードせずに段落ごとにつないだものなので、プレーヤーで再生された音と同一です。WAVは同じ音声を非圧縮にしたもので、そちらを好む編集ソフト向けです。
Q字幕は本当に音声と合っていますか。+
合っています。推測していないからです。生成中にエンジンが、どの単語もどの文も始まる正確な時刻と長さを報告します。SRTとVTTはその数値から組み立てるため、読む速さを変えてもずれません。
Qテキストはブラウザの外に出ますか。+
端末の音声なら、決して出ません。ニューラル音声では、読み上げる段落だけが当サイト自身のエンドポイントへ送られ、音声を返したあと何も残しません。これが正直な答えです。ニューラル音声は数百メガバイトのモデルを落とさずにタブの中では動かせません。
Q長さの制限はありますか。+
段落ごとの上限は3,000文字で、だいたい1ページ分です。それより長い読み込みは文の切れ目で自動的に分割されます。原稿全体に上限はありませんが、非常に長い原稿はリクエスト数が増え、その分だけ時間もかかります。
Qひとつの原稿で複数の声を使えますか。+
使えます。段落に分けているのはそのためです。任意のブロックを開いて、その段落だけの声・速さ・高さ・音量を指定してください。上書きしなかった項目は原稿全体の既定値に従い続けます。
Q誤字を直すと全部作り直しになりますか。+
なりません。各段落は生成時のテキストと設定を覚えているので、編集後に送り直されるのは本当に変わった段落だけです。長いナレーションでは、これが数秒と数分の差になります。
Q端末の音声がパソコンごとに違って聞こえるのはなぜですか。+
その音声が私たちのものではなくOSのものだからです。Windows、macOS、Android、iOS、ChromeOSはそれぞれ独自の音声を積んでいます。言語パックを追加すればその一覧も増えます。一方、ニューラル音声はどこで聴いても同じです。