本ページはプロモーションを含みます（掲載基準）
Style-Bert-VITS2 (日本語音声合成OSS)の定義
Style-Bert-VITS2とは、感情や話し方の強弱を指定して自然な日本語音声を作れる、無料のオープンソース音声合成ソフトのことです。Bert-VITS2をもとに開発者litagin氏が公開し、自分の声のモデルも学習できます。
- 開発・公開
- litagin02（GitHub）。2023年12月に初版1.0を公開
- 元になった技術
- Fish AudioのBert-VITS2 v2.1と日本語特化版JP-Extra
- できること
- 感情・話し方スタイルの強弱指定、自分の声モデルの学習、モデル同士のマージ、APIサーバー、ONNX変換
- 動作環境
- Windows・WSL2・Linux。音声合成だけならGPUなしのCPUでも動作（学習にはNVIDIA GPUが必要）
- ライセンス
- オープンソース（AGPL-3.0）で無料。一部モジュールはLGPL-3.0
- 最新版
- 2.7.0（2025年8月リリース）
Style-Bert-VITS2 (日本語音声合成OSS)とは（詳しく解説）
Style-Bert-VITS2は、文章を読み上げる音声合成ソフトです。中国のFish Audioが公開したBert-VITS2をもとに、日本の開発者litagin氏が感情や話し方の強弱を細かく操れるよう改良しました。楽しそうな文章は楽しそうに、悲しそうな文章は悲しそうに読むのが元々の強みで、そこに「どの感情をどれくらい出すか」の指定が加わっています。 2024年2月のv2.0で、日本語に特化したJP-Extraに対応しました。発音やアクセント、抑揚が自然になりやすい反面、JP-Extraでは英語と中国語は読めません。日本語の読み上げが目的なら、まずJP-Extraを選ぶのが基本です。 使い方は、Windowsならインストール用のbatファイルをダブルクリックするだけ。音声合成エディターで、セリフごとに感情や速さを変えながら原稿を作れます。読み上げだけならGPUがないPCでも動きます。自分やキャラクターの声を学習させるには、NVIDIA製GPUと、2〜14秒程度の音声ファイルを複数用意します。 ソフトはAGPL-3.0のオープンソースで、無料で使えます。注意したいのは声の権利です。生成した音声をどう使えるかは、使う音声モデルの規約で決まります。他人の声を無断で学習させたり、なりすましに使ったりすることは、開発者も「やってほしくないこと」として明記しています。
Style-Bert-VITS2 (日本語音声合成OSS)を調べた人に
声を
ナレーションづくりや、曲からボーカルだけを抜き出す作業をブラウザでできます。
Audible（オーディブル）プロの声優・俳優の朗読を聴き比べられる。30日間無料で試せる
オーディオブック ／ 30日間無料体験・以後プレミアム月1,500円
Style-Bert-VITS2 (日本語音声合成OSS)のよくある質問
Q. Style-Bert-VITS2は商用利用できますか？
ソフト自体はAGPL-3.0なので商用でも使えます。ただし生成した声の扱いは、使う音声モデルの規約に従う必要があります。付属のあみたろモデルはクレジット表記などの規約を守れば商用でも使えます。
Q. JP-Extraとは何ですか？
Bert-VITS2の日本語特化モデルを取り込んだ版で、v2.0（2024年2月）から使えます。日本語の発音やアクセント、抑揚が自然になりやすい一方、英語と中国語の合成はできません。
Q. 学習にはどれくらいの音声が必要ですか？
公式READMEでは、2〜14秒程度の音声ファイル複数と、その書き起こしが必要とされています。学習ツールには書き起こしを自動で作る機能も含まれています。
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Style-Bert-VITS2 (日本語音声合成OSS)とは」 https://aipicks.jp/glossary/style-bert-vits2
Style-Bert-VITS2 (日本語音声合成OSS)の使用例
- キャラクターボイスの学習モデルを使い、動画ナレーションをローカル環境で読み上げ収録する。
- 感情タグ付きテキストを入力し、ゲーム実況の合いの手ボイスをスタイル指定で生成する。
Style-Bert-VITS2 (日本語音声合成OSS)に関連するAIツール
Style-Bert-VITS2 (日本語音声合成OSS)の関連記事
12カテゴリ・1815語以上を体系的に整理しています