espeak-ng/espeak-ng

何を解決するか

eSpeak NG は、テキストを音声に変換するコンパクトでオープンソースの音声合成器です。大規模な録音ベースの合成器の軽量な代替品として、Linux、Windows、Androidを含む複数のオペレーティングシステムで100以上の言語とアクセントをサポートしています。

動作方法

多くの現代的なTTSシステムが人間の発話の録音を使用するのに対し、eSpeak NG は「フォルマント合成」という手法を使用しています。この方法により、数メガバイトの非常に小さなサイズで、明瞭な音声と高速再生が可能になります。コマンドラインツール、他のプログラムへの統合用の共有ライブラリ、Windowsスクリーンリーダー用のSAPI5バージョンとして動作できます。

対象ユーザー

リソース制約のあるデバイスで動作するか、他のソフトウェアアプリケーションに統合できる軽量で多言語対応のTTSエンジンが必要な開発者やユーザー。

主な特徴

• 広範な言語対応: 100以上の言語とアクセントをサポート。
• コンパクトなサイズ: プログラムとデータの合計が数メガバイト。
• 柔軟な出力: WAVファイルまたは直接音声出力として音声を生成可能。
• 統合対応: コマンドラインプログラム、共有ライブラリ、SAPI5インターフェースとして利用可能。
• フォネム変換: テキストをフォネムコードに変換でき、MBROLAなどの他の合成エンジンのフロントエンドとして使用可能。