Android TTS、Piper、Kokoro：書籍の読み上げ音声を比較

短い答え：通知や短い一節を聴くなら、システム TTS は今も最速で最も軽い方法です。本を一冊聴くなら、Piper が実用的なアップグレード、Kokoro がより自然な選択です。違いは形容詞を並べるより、下の音声を聴く方がよく分かります。

違いは並べて聴くとよく分かります。Piper と Kokoro は常に端末上で本文を処理します。Android のシステム音声がオフラインで動くかどうかは、インストールされている音声によります。

Android TTS：実用的だが、文学向きではない

システム音声は短い実用文に適しています。すでに導入されていて、すぐに起動し、多くのアプリで使えます。本になると代償が見えてきます。問いと答えが同じリズムになり、登場人物の名前が出るたびに読み間違えられ、従属節が二つある長い文では最も不自然な場所に間が入ることがあります。

それで一段落が理解不能になるわけではありません。ただ、章を重ねるごとに平板な抑揚を頭の中で小さく補修することになります。誰が話しているのか、どの句がつながっているのか、文はまだ続くのか終わったのか。聴き疲れはそこから生まれます。疲れる音声は、ひどく不自然である必要はありません。文章の形を少しずつ、何度も取り違えるだけで十分です。

Piper：実用性の高いアップグレード

Piper はローカル音声の利点を保ちながら、機械的な印象を抑えます。音声パックは比較的小さく、多くの言語をカバーし、多言語のライブラリや性能の低い端末にも向いています。

Kokoro：物語に浸るための選択

Kokoro はより多くの端末資源を使いますが、滑らかで表現力のある読み上げが得られます。小説や長いエッセイでは、ツールの読み上げよりナレーションに近く感じられます。

アップグレードで変わること

ここで比べているのは、端末に最初からある音声からニューラル音声へ移ると何が変わるかです。すでにアップグレードを決め、二つのエンジンで迷っているなら、別の Piper と Kokoro の比較でその選択を詳しく扱っています。

率直に言えば、欠点もあります

• 音声モデルは容量を使います。Piper は 1 音声あたり約 13〜115 MB。Kokoro は 53 音声すべてを含む 132 または 349 MB のモデルを一つダウンロードします。64 GB の端末では無視できません。
• Kokoro は古い端末により多くを求めます。最近の端末では十分に追いつきますが、古い端末や低価格端末では Piper の方が安全で、長時間の再生にも軽い選択です。
• システム TTS は短い実用文なら今も十分です。すぐに起動し、追加費用がなく、必要な言語にすでに対応しているかもしれません。一度だけ聴く一段落のためにニューラルモデルを読み込む理由はほとんどありません。

聴くことが補助ではなく読書の方法になったとき、アップグレードはその容量に見合います。

Lectern が加えるもの

音声は体験の半分にすぎません。Lectern は読書位置を保存し、読み上げ中の文を強調し、画面を消しても再生を続け、Bluetooth 操作に対応します。読むと聴くを切り替えても同じ位置から再開できます。

よくある質問