Coqui TTS

Coqui TTSは、多言語の音声合成と音声クローニングに対応したオープンソースのテキスト読み上げフレームワークで、自分のマシン上でローカル実行できます。数十種類の言語と多様な音声モデルを収録しており、短い音声サンプルを用意するだけで特定の人物の声質を再現する音声クローニング機能も実装されています。クラウドへのデータ送信が不要なローカル実行モデルであるため、音声データのプライバシーを守りながら高速な音声合成処理が可能で、商業利用に対応したライセンスも選べます。

クラウド依存なしにオンプレミスで動作させられる点と、豊富な事前学習済みモデルがすぐに使える点が有料の音声合成サービスとの差別化です。プライバシーを重視する開発者、音声アシスタントや音声コンテンツ制作ツールを構築するエンジニア、音声研究者に向いています。オープンソースで無料利用でき、商業利用には適用ライセンスの確認が必要です。