Vois

Voisの紹介

Voisは、完全にローカルで動作するデスクトップ向けテキスト・トゥ・スピーチ（TTS）アプリケーションです。スクリプト作成、音声生成、編集、マスタリング、エクスポートを一元的に行える統合型音声制作スタジオとして設計されています。クラウドサービスへの依存を排除し、高品質かつ表現力豊かな音声をプライバシーを損なうことなく生成できます。主なターゲットユーザーには、ポッドキャスター、オーディオブック著者、YouTubeナレーター、ドキュメンタリー制作者、eラーニング開発者、ゲームデザイナーなど、クリエイティブなコンテンツ制作を行う個人が含まれます。

クラウドベースのTTSプラットフォームとは異なり、Voisはユーザーの端末上で全ての処理を実行します。これにより、文字単位の課金、使用量制限、および機密性の高いスクリプトを第三者サーバーへアップロードする必要がなくなります。パフォーマンスと安全性を重視してRustで開発されており、Apple Silicon搭載Macでは最大6倍のリアルタイム処理速度を実現します。

主なポイント

• 完全ローカル実行：すべてのデータはユーザーの端末上に留まり、音声合成やボイスクローンの処理も完全にオフラインで実行される
• 63種類以上の表現力豊かな音声：15のセマンティックカテゴリ（例：ナレーター、悪役、機械、NPC）および23言語に対応
• ボイスクローン機能：5～60秒の音声サンプルから独自の音声を生成可能。すべての処理はローカルで完結
• 3種類のTTSエンジン：「高速」、「表現力重視」、「多言語対応」の各エンジンが異なる用途および言語要件に最適化
• 統合型マルチトラックタイムラインエディタ：クロスフェード、環境音レイヤー、話者タグ付きダイアログ編集に対応
• 専門的なマスタリングツール：LUFS正規化、デエッサー、EQ、リミッターを搭載。Spotify、YouTube、Apple Podcasts、ACX向けエクスポートプリセットを内蔵
• PDF、EPUB、DOCX、Web記事からのインポートに対応。Markdown対応スクリプトエディタおよび発音辞書を含む
• WAV、MP3、FLAC形式でのエクスポートが可能。ビットレートおよびサンプルレートを自由に設定可能

Voisの仕組み

Voisは、スクリプト作成、キャスティング、生成／編集、マスタリング／エクスポートという4段階の直感的ワークフローを採用しています。ユーザーはまず、アプリ内入力、文書インポート、またはURL指定によるスクリプトの取り込みを行い、複数話者対応の場合は話者タグを付与します。次に、内蔵音声ライブラリまたはクローン済み音声から各話者やセクションに音声を割り当てます。音声生成はローカルで無制限に行われ、生成されたクリップは編集可能なセグメントとしてマルチトラックタイムライン上に配置されます。ここでタイミング調整、トランジション挿入、環境音追加、話者順序管理などが可能です。

最終ステージでは、LUFS正規化、周波数バランス調整、ダイナミックレンジ制御などのマスタリング効果を適用した後、目的プラットフォーム向けにエクスポートします。ACX向けプリセットなどは、業界標準（例：ACXの-18 LUFS要件）に自動的に適合するよう設定されています。プロジェクトファイル、音声アセット、クローン音声はすべてローカルに保存され、サブスクリプション解約後も完全に利用可能です。

主な利点と用途

Voisは、クラウドTTS API、デジタルオーディオワークステーション（DAW）、マスタリングプラグインなど、従来複数のツールで行っていた工程を単一アプリケーションに統合します。ポッドキャスターは、ゲストの声を再現するなど多話者対応のエピソードを一人で制作できます。オーディオブック著者は、原稿を数時間でプラットフォーム対応のマスタリング済み音声に変換できます。YouTubeクリエイターは、顔出し不要やチュートリアル向けのナレーションを一貫した品質で大量に生成できます。ドキュメンタリー制作者は、多言語ナレーションやキャラクター別音声を活用して地域ごとのローカライズを実現します。ゲーム開発者は、スタイルや言語の整合性を保ちつつNPCの台詞を一括生成できます。教育コンテンツ制作者は、トレーニングモジュールや瞑想ガイド向けにトーンやペーシングを調整したナレーションを提供できます。すべての処理はユーザーの端末上で完結し、使用回数に応じた課金やデータの外部流出リスクはありません。