ツール / 音声合成
Speech Arenaで第1位
音声合成AI 登録なしで無料で試せます
文章を音声に変換する方法
テキストを入力
上のデモに500文字までの文章を入力または貼り付けるか、サンプル原稿から始めます。
声を選ぶ
言語と声を選び、再生を押します。声を切り替えると、同じ文を別の読み方で聴けます。
APIで開発
無料のAPIキーを作成します。バックエンドから文章と声のIDを送ると、APIが音声を返します。
音声合成の例
サポート
AIサポートエージェントが、注文状況やトラブルシューティングの手順を、どの通話でも同じ声で読み上げます。
ゲーム
キャラクターが原稿から生成したセリフを話すため、新しいセリフのたびにスタジオ収録をする必要がありません。
コンテンツ
動画やチュートリアルのナレーションを原稿から直接作れるため、1行を変えても録り直しではなく再生成で済みます。
メディア
記事やニュースレターが、音声版やポッドキャストのコーナーになります。
医療
予約のリマインダーや患者向けの案内を、チームが確認した文章から読み上げます。
営業
製品デモや営業向け解説動画に、セールストークが変わるたびに更新できるナレーションを付けられます。
音声エージェント
AI音声エージェントが、言語モデルの書いた返答をそのそばから話し、自然な会話のテンポを保ちます。
吹き替え
翻訳した原稿が、ローカライズ動画の音声トラックになります。
アバター
デジタルアバターやバーチャルプレゼンターが、文章から生成したセリフを話します。
物流
配送状況や配車の指示を、最新の配達情報を入れて読み上げます。
採用
面接の案内や日程調整のメッセージを承認済みの原稿から読み上げ、どの候補者にも同じ内容で伝えます。
アクセシビリティ
ガイドや講座の教材に、文章を目で追いながら聴ける音声版が付きます。
世界中で、自然に、流暢に
Sonicで世界の市場へ。44言語と多様なアクセントを、ネイティブ話者の品質で提供します。
アメリカ英語、3種類の声
アメリカ英語
音声合成をあなたのアプリに
完成した文章を送ると、WAV、MP3、未加工のPCMファイルが返ります。言語モデルが書くそばから文章をWebSocketでストリーミングすることもでき、最初の音声は90ms未満で届きます。
ブラウザーのSpeechSynthesisか、音声APIを使う?
どちらも文章を読み上げます。
ブラウザーの音声合成
Web Speech APIのSpeechSynthesisインターフェースは、そのブラウザーとOSが提供する声でブラウザー内の文章を読み上げます。そのため、環境ごとに声が変わります。
適した用途:ウェブページでの文章の読み上げ.
ブラウザーTTSガイドを読むCartesiaの音声API
バックエンドから文章と声のIDを送ると音声が返り、どのデバイスでも同じ声になります。通話にストリーミングすることも、ファイルとして保存することもできます。
適した用途:本番アプリと音声エージェント.
音声APIを見る(英語)ほかの音声ツールを見る
音声合成についてのよくある質問
音声合成とは何ですか?
音声合成とは、ソフトウェアで書かれた文章を話し声の音声に変えることです。テキスト読み上げ(TTS)や声の合成とも呼ばれます。現代のシステムは録音された話し声で学習したAIモデルを使うため、昔のソフトウェアのロボットのような声よりはるかに人間に近く聞こえます。
音声合成の例を教えてください。
予約時間を読み上げて確認する電話エージェント、次の曲がり角を知らせるナビアプリ、ウェブページを読み上げるスクリーンリーダーは、どれも音声合成を使っています。このページ上部のデモも同じで、入力した文章を読み上げます。
音声合成は無料ですか?
このページのデモは登録なしで無料です。自分のアプリでAPIを使うにはアカウントを作成してください。Freeプランには毎月20,000クレジットが含まれ、有料プランではさらに増えます。
音声合成と音声認識の違いは何ですか?
音声合成はどのような仕組みですか?
AIモデルが文章を読み、各単語の発音、文のリズム、強調する位置など、どう聞こえるべきかを予測します。そのうえで音声を生成します。Cartesiaのモデルは生成しながら音声をストリーミングするため、文が終わる前に再生が始まります。
CartesiaはブラウザーのSpeechSynthesis APIと同じですか?
いいえ。ブラウザーのwindow.speechSynthesisは、聞き手のブラウザーとOSが提供する声で文章を読み上げるため、デバイスごとに声が変わります。Cartesiaは生成した音声をアプリケーションに返すホスト型APIで、どこでも同じ声になります。APIキーなしでブラウザー内だけで再生したい場合は、JavaScriptテキスト読み上げチュートリアルをご覧ください。
音声合成をアプリケーションに組み込むにはどうすればよいですか?
APIキーを作成してバックエンドで管理し、文章と声のIDを送ると、APIが音声を返します。Pythonテキスト読み上げガイドでは、数行でWAVファイルを生成して保存する方法を紹介しています。電話エージェントや音声エージェントでは、WebSocketで音声をストリーミングするか、Cartesia Managed Agentsにエージェントと通話の運用を任せられます。
Cartesiaはどの言語に対応していますか?
Cartesiaの声は1つのモデルで44言語を話し、アメリカ英語、イギリス英語、オーストラリア英語、カナダのフランス語、メキシコのスペイン語などの地域アクセントにも対応しています。言語ページで各言語のサンプルを聴けます。
生成中の音声をストリーミングできますか?
はい。WebSocketまたはサーバー送信イベントで、Cartesiaは生成した音声を順次チャンクで送ります。そのため、クリップ全体が揃う前にアプリで再生を始められます。応答形式はストリーミングAPIリファレンスで確認できます。
合成音声の速さや感情を調整できますか?
はい。話す速度と音量を設定でき、60以上の感情から選んで話し方を変えられます。各モデルのオプションは音声コントロールガイドに一覧があります。
ボイスクローニングと音声合成は何が違いますか?
ボイスクローニングは、話者の録音から再利用できる声を作ります。音声合成は、その声やライブラリの声を使って新しい文章を読み上げます。録音の要件はボイスクローニングのページで説明しています。
今すぐ始める
専門家に相談する。
音声体験の開発にCartesiaをどう活用できるか、私たちのチームにご相談ください。
開発を始める。
APIでモデルにアクセスし、数分で音声エージェントを本番環境に導入できます。