Audio8 TTS
このツールページは未翻訳です。以下は英語版で動作します。 英語版を使う
Your text
0 / 500About 572 MiB. Your browser caches the model files for faster repeat use.
Your audio
Speech model
Open-source 0.6B DualAR model with 44.1 kHz output. Generation happens locally; your text never leaves this page.
Audio8 follows the written text; it has no hidden language-ID input. This selection sets writing guidance and accessibility metadata.
Lower values sound steadier, higher ones add variation. 0.7 matches the official default.
0
Frames
0.0s
Audio
—
Speed
Desktop needed for this oneThe Audio8 preview needs PC or Mac hardware. For phone and tablet use, the main cloud text-to-speech tool runs the Kokoro voices on any device.
Audio8 TTSは、11の推奨言語と44.1 kHz出力に対応したオープンソースの0.6B音声モデルです。このページは約572 MiBのモデルファイルをキャッシュし、まずネイティブWebGPUを試し、使えない場合はマルチスレッドのCPUに切り替えます。テキストと生成された音声はデバイス内に保持されます。
ブラウザでAudio8 TTSを使う方法
- 01
デスクトップでこのページを開く
ツールはブラウザに直接読み込まれます。アカウント作成、インストール、APIキーは不要です。スマホやタブレットでは動作しないため、PCまたはMacのハードウェアが必要です。
- 02
重みのダウンロードを一度だけ許可する
最初の「生成」クリックで、Hugging Face CDNから約572 MiBのINT4モデルファイルを取得します。ブラウザがこれらをキャッシュするため、次回以降はネットワークダウンロードがスキップされます。
- 03
言語とボイスを選ぶ
推奨される11言語から1つを選択してください。Audio8は言語IDではなくテキストそのものに従って動作するため、聞きたい言語でテキストを貼り付けてください。
- 04
再生してダウンロードする
滑らかな最終結果を待つか、オプションのライブプレビューを有効にして中間チャンクを確認できます。ブラウザ内で、ロスレスの44.1 kHz WAVを保存するか、MP3に変換できます。
Audio8プレビューで良い出力を得るコツ
デモ用のクリップと、公開できるクオリティを分けるのは小さな習慣です。自己回帰モデルでは、以下の6点が特に重要です。
- 01
モデルを学ぶ間は短いリクエストにする
アップストリームのランタイムでは、最高品質を得るために約150文字を推奨しています。1文ずつ生成し、長いスクリプトではWAVを結合してください。
- 02
読み上げたい通りに句読点を打つ
カンマは短い間、ピリオドは長い間、省略記号は保持された間を意味します。DualARモデルはこれらを表現のキューとして読み取ります。平坦に聞こえる場合は、カンマを1つ加えるだけで改善することがあります。
- 03
サンプルがブレたら創造性を下げる
創造性スライダーはサンプリング温度を設定します。0.7が公式のデフォルトバランスです。長い単語が歪んだり、音節が繰り返されたりする場合は、0.5に向けて下げ、再生成してください。
- 04
言語に合わせ、特殊な表記は工夫を
略語は「N.A.S.A.」のように点で区切ると読みやすいです。珍しい名前も、発音通りにスペルアウトしましょう。難しい単語は単体でテストし、表記を直してから全文を再生してください。
- 05
ChromeやEdgeならGPUを活用
最新ChromeとEdgeは、FP16対応のネイティブWebGPUで動作確認済みです。3つのモデルチェックに失敗した場合、スレッド付きWebAssemblyのCPUバックエンドに自動切替します。
- 06
まずはWAVで、後から変換
WAVは44.1 kHzのフル品質を維持し、編集ソフトやDAWでの作業に最適です。ファイルサイズが品質より優先される場合のみ、MP3ボタンを使いましょう。
Audio8 TTSとKokoroの違い
当サイトではKokoroを主力としていますが、正直な内部比較を公開します。それぞれの強みと、両方が必要とされる理由をご覧ください。
動作環境
FreeTextoSpeech
対応Chrome/EdgeでネイティブWebGPU、非対応時はスレッド付きCPU/WebAssemblyにフォールバック。
Kokoro（主力ツール）
ブラウザ内エンジン。ダウンロードサイズは約300 MB軽量。
出力品質
FreeTextoSpeech
44.1 kHzのニューラルコーデック出力。表現力豊かなイントネーション。
Kokoro（主力ツール）
24 kHz出力。そのサイズにしては非常に自然なナレーション。
対応言語
FreeTextoSpeech
韓国語、ドイツ語、オランダ語、ポーランド語、広東語を含む11言語。
Kokoro（主力ツール）
英語、欧州言語、ヒンディー語、日本語、中国語、ポルトガル語など9言語。
一般的なラップトップでの速度
FreeTextoSpeech
やや重い。ARモデルで秒間約21.5フレームの音声生成。
Kokoro（主力ツール）
非常に速い。ほとんどのマシンでリアルタイムに近い速度。
初回ダウンロード容量
FreeTextoSpeech
約572 MiB。オプションのボイスエンコーダーが396 MiB。
Kokoro（主力ツール）
フル精度で数百MB。
成熟度
FreeTextoSpeech
プレビュー版。対応する方言はまだ限定的です。
Kokoro（主力ツール）
サイト全体で提供する安定版 v1.0 モデルです。
両モデルとも Apache 2.0 のオープンソースです。数値は現在の公開リリース（Audio8-TTS-Preview-0.6b と Kokoro-82M-v1.0）に基づいています。
Frequently asked questions
01 Audio8 TTS とは？
02 Audio8-TTS-Preview-0.6b は無料で使えますか？
03 テキストはどこかにアップロードされますか？
04 最初の生成が遅いのはなぜですか？
05 Audio8 TTS はどの言語に対応していますか？
06 Audio8 と Kokoro、どちらを使うべきですか？
07 オフラインでも動作しますか？
Still wondering? Get in touch →
最新のオープンボイスモデルを試す
ブラウザで動作。無料・プライベート。