OpenAI TTS

できることは、文章を音声に変換することです。用意されている声の種類は限られますが、品質が安定していて、同じ文章に対して結果がばらつきません。生成した音声を少しずつ受け取りながら再生する形にも対応しているため、読み上げが始まるまでの待ち時間を短くできます。他のOpenAIの機能と同じ形式で呼び出せるので、文章の生成と読み上げを組み合わせた仕組みを作りやすいのも利点です。

使い始めるには開発の作業が必要です。無料で使える範囲はなく、変換した文字数に応じた従量課金だけが提供されています。当サイトの評価では初心者向けの使いやすさが5段階中2で、プログラムを書かない人がそのまま使えるサービスではありません。標準の品質と高品質の2種類が用意され、単価が変わります。どちらを使うかは、利用者が集中して聞く場面かどうかで判断すると決めやすくなります。

規約について確認すべき点があります。生成した音声については、AIによるものであることを利用者に開示する義務が定められています。人の声と区別がつかない音声を配布する場合、この開示をどう行うかを設計に含める必要があります。あわせて、入力したデータは既定で一定期間保持されますが、除外の設定とデータを保持させないゼロデータ保持の選択肢が用意されているため、業務で使う場合はこの設定を先に確認してください。

向いているのは、自社のサービスに読み上げ機能を付ける場合です。記事を音声で聞ける機能、案内の自動読み上げ、アプリ内の音声案内といった用途で、品質のばらつきが少ないことと呼び出しが単純なことが効きます。組み込む側から見ると、声の種類が多いことより結果が予測できることのほうが重要になります。毎回違う出来になるサービスでは、利用者に見せる前の確認が必要になり自動化できません。一方で、選べる声の種類が少なく、抑揚や感情を細かく指定することもできません。当サイトの評価では日本語品質が5段階中4ですが、日本語の仕上がりは英語より落ちます。大量に変換すると費用が積み上がるため、想定する文字数から試算しておく必要があります。