2026年版 Kokoro TTSアプリ ベスト3：iPhoneのオンデバイス音声を比較

自分の端末で動く本当に自然な合成音声を初めて聞いたきっかけがKokoro-82Mだった、という人は少なくありません。小さく、オープンウェイトで、8,200万パラメータという規模からは想像しにくいほど良い声を出します。ローカルAI環境で他のどの音声モデルよりも速く広まった理由です。問題は、その環境の多くがPythonとターミナルとノートPCを前提にしていること。iPhoneでは、その作業をすでに終わらせてくれたアプリが必要です。

短い結論： PDF、電子書籍、自分で撮ったページを読む本格的なリーダーの中でKokoroの音声を使いたいならLocal TTSが最有力です。ローカルのチャットモデルや音声認識も同じ場所で使いたいならOn-Device AI、英語かイタリア語だけで足りてオフライン音声を安く試したいならKoro Voicesが向いています。

比較範囲と出典： この記事はLocal TTS - Voice Aloud Reader、On-Device AI: Private Suite、Koro Voices: Text to speechを扱います。Local TTSは自社アプリのため、順位より先に選定基準を示し、他のアプリは各自のApp Store掲載情報のみを根拠に2026年8月13日時点で確認して記述しました。モデルに関する事実は公式のKokoro-82MモデルカードとVOICES.mdに基づきます。機能と価格は変わるため、購入前に最新の掲載情報をご確認ください。

Kokoro-82Mとは

Kokoro-82Mはhexgradが公開したオープンウェイトのニューラル読み上げモデルです。バージョン1.0は2025年1月27日に公開され、24 kHzの音声を出力し、重みはApache 2.0ライセンスで提供されています。公式の音声カタログには米国英語20種と英国英語8種が掲載され、その中のaf_heart（Heart）はカタログが最高評価を与えている音声です。約8,200万パラメータのため最近のiPhoneに無理なく収まり、クラウドAPIの向こう側ではなくオンデバイスのアプリで見かける理由もそこにあります。構造と限界はKokoro-82M解説で詳しく扱っています。

Kokoro TTSアプリを選ぶ基準

モデルが小さいことは簡単な部分です。アプリごとに違うのはモデルを包む残りすべてで、日常的に付き合うことになるのもそちらです。

• モデル名を明示しているか。 オフラインのリーダーの中には、Kokoroや類似のモデルを使いながら明示しないものが少なくありません。モデルが重要なら、掲載情報に名前があるか、そしてKokoroを動かすサーバーから取得するのではなく端末内で生成しているかを確認してください。
• どの音声が、どのように届くか。 英語カタログをアプリに同梱するものもあれば、インストール後に音声パックをダウンロードさせるものもあります。アプリ容量と初日に使える範囲が変わります。
• 何を読み込めるか。 音声モデルはリーダーではありません。200ページのPDFやEPUB、Wordファイルを聞くには、アプリがまず取り込んで本文を抽出する必要があります。
• 画像を読めるか。 読み上げてほしい資料の半分は、そもそもファイルではありません。教科書の1ページ、印刷された配布資料、スクリーンショット、写真に撮った契約書。別のスキャンアプリではなく、アプリ内のオンデバイスOCRが要ります。
• 聞いている間に何が起きるか。 単語単位のハイライト、バックグラウンドとロック画面での再生、文書ごとの再開位置、音声の書き出し。デモと毎日の習慣を分けるのはここです。
• 必要な端末と容量。 オンデバイスのモデルは新しめの端末と大きなダウンロードを意味します。約100 MBから2 GB近くまで幅があります。
• 支払い方法。 Kokoroの重みは公開されていますが、アプリはそうではありません。買い切り、サブスクリプション、無料を並べて比べてください。

3つの選択肢を一目で比較

この表は公開されている機能と米国価格をまとめたもので、音質の順位ではありません。ある一文がどう聞こえるかは、アプリよりも選んだ音声と原文の句読点に大きく左右されます。

1. Local TTS - Voice Aloud Reader — 文書と印刷物の読み上げに最適

Local TTSは、何かを終わらせたいという前提で作られています。レポート1本、章1つ、論文1編、机に積まれた配布資料。Kokoro-82Mが米国・英国英語の28音声を担当し、本文抽出、言語判定、カメラOCR、音声生成までの一連の流れがすべてiPhoneまたはiPadで動きます。音声サーバーに送るものはなく、アカウントも不要で、AppleのAppプライバシー表示はデータを収集していませんです。

端末内で生成するため、事前に変換したファイルの再生ではなく、機内モードで新しい音声を作ることまでできます。長い文書を聞き直したり書き出し直したりしても、消費するクラウドの単語枠はありません。

ダウンロードしたファイルだけでなく、撮ったものを読みます。 教科書のページ、印刷された契約書、チラシ、図書館で借りた本の1ページにカメラを向けると、オンデバイスOCRが文字を取り出して同じ音声に渡します。アップロードも、間に挟むスキャンアプリも不要で、サブスクリプション限定ではなく無料プランに含まれます。そもそもファイルとして存在しない資料までカバーできるということで、多くのリーダーが行き詰まるのはまさにここです。

その他の違いは、デモの一文ではなく長時間の再生で見えてきます。音声に合わせて単語がハイライトされるので目で追ったり、目を離したあとに位置を見つけたりできます。画面を消してもロック画面とコントロールセンターから再生が続き、ノートごとに音声と速度を変えられ、タグでライブラリを整理でき、ノートは自分のプライベートなiCloudで同期され、ProではどのノートもM4Aファイルとして書き出してポッドキャストアプリで聞けます。

主な情報：

• 音声： Kokoro-82Mの英語音声28種すべてに加え、31言語をオフラインで読むSupertonic 3の多言語音声。この一覧の中で言語カバー範囲は群を抜いています。
• 文書： PDF、EPUB、DOCX、TXT、Markdown、貼り付けたテキスト — iPhoneでPDFをオフラインで読み上げる方法も参照してください。
• 画像： 端末内のカメラ・写真OCRにより、撮ったページがそのまま聞けるノートになります。
• 聞いている間： 単語単位のハイライト、バックグラウンドとロック画面での再生、ノートごとの音声、タグ、iPhoneとiPad間のプライベートなiCloud同期（任意）。
• 無料プラン： ノートあたり500文字、多言語音声1種と英語音声3種、ファイル取り込みとカメラOCRを含みます。
• Pro： 月額4.99ドルまたは買い切り19.99ドルで、文字数無制限、全音声、複数ページPDFの完全取り込み、M4A書き出し。
• 必要環境： iOS/iPadOS 18.6以降、iPhone 12以降または対応する最近のiPad。約630 MB。

正直な限界もあります。モデルが端末内で動くぶん比較的新しいハードウェアが必要で、同じ理由でダウンロードが大きく、Android・Windows・Web版はなく、無料プランの500文字制限のため章まるごとを聞くにはProが要ります。文書を読むより音声を試したいだけなら、以下の2つのほうがストレージへの負担は軽くなります。

App StoreでLocal TTSを無料ダウンロードして、実際に片付けたい文書でKokoroの英語音声を試してみてください。

2. On-Device AI: Private Suite — ローカルAI一式が欲しい人に

開発者Zijie DengのOn-Device AIは最大主義の選択肢です。ローカルの言語モデルと音声を1つのアプリでまとめて動かします。掲載情報にはLlama、Gemma、Phi、Qwen、DeepSeek、Mistral、Nemotronといったローカルモデルへの対応が説明され、「Apple音声、Kokoro、PocketTTS、Qwen 3 TTS、CosyVoice、VibeVoiceで音声を作成できる」と案内されています。最近のアップデートではKokoro TTSモデルが個別に紹介され、安定したメモリ管理と表現力の高い音声がうたわれています。

読み上げもします。掲載情報は「PDF、Markdown、プレーンテキスト、読みやすいWeb記事、スキャンした書籍」の取り込み、オンデバイスOCRの修正、文書や記事を「読む・聞くためのキュー」にする機能、RSS対応を扱っています。

主な情報：

• Kokoro： Apple音声や他のローカルモデルと並ぶ、複数のTTSエンジンの一つとして提供されます。
• TTSの先： ローカルのチャットモデル一式と音声認識が同じアプリにあります。この一覧でローカルAIの範囲は最も広いです。
• 文書と画像： PDF、Markdown、テキスト、Web記事、スキャンした書籍。聞く前にオンデバイスOCRの結果を修正できます。
• 価格： 無料。アプリ内課金はPro Member Subscriptionが3.99ドルと34.99ドル、Lifetime Pro Memberが49.99ドルと99.99ドルと表示されています。
• 必要環境： iOS 18.0以降、A12 Bionic以降のチップ、ダウンロードは約1.9 GB。MacとApple Vision Proの対応も併記されています。

明確な強みはこうです。オフラインのチャットモデル、音声入力、Kokoroの読み上げをアプリ3つに分けずに使いたいなら、ここが最も遠くまで行きます。代償は範囲の広さです。汎用のAIツール集なのでインターフェースが多くの機能に分散し、読んで聞く流れは製品そのものではなく数十ある機能の一つになります。

3. Koro Voices — オフライン音声を最も安く試す

開発者Emanuele DelirioのKoro Voicesは、この一覧で最も小さく安価です。約113 MB、アンロックは1.99ドル一度きり。掲載情報は「完全に端末内で動く読み上げリーダー。インターネット不要、制限なし、サブスクリプションなし」と説明し、「すべての処理は端末内で行われる。クラウドサービスもデータ通信もなく……テキストが端末から出ることはない」と述べています。

他の2つと比べる前に、はっきりさせておくべき点があります。このアプリのApp Store掲載情報には、KokoroやKokoro-82Mという表現が一切ありません。 アプリ名と音声の言語（米国英語・英国英語・イタリア語。いずれもKokoro v1.0が音声を公開している言語）はその方向を示しますが、開発者はモデルを明示していません。したがって関連は未確認として扱い、アプリが実際に約束している内容で判断するのが妥当です。

その約束は価格に対して異色です。無制限の合成に加え、掲載情報は内蔵音声をブレンドして「自分だけの声を作る」機能や、「完璧な読み上げのために音素レベルで」発音を調整する機能を説明しています。多くのリーダーが開放しない種類の制御です。さらに10以上の言語のWhisper文字起こし、音声・動画ファイルからの発話抽出、ローカル言語モデルによる長文の要約・書き換えも含まれます。

主な情報：

• 音声： ブレンドと音素レベルの発音編集ができる内蔵オフライン音声。読み上げ言語は米国英語、英国英語、イタリア語のみです。
• 文書： テキストファイルとPDF。EPUBやDOCXはなく、画像スキャンの記載もありません。
• 付加機能： 10以上の言語のリアルタイムWhisper文字起こし、音声・動画ファイルの文字起こし、ローカルモデルによる要約。
• 書き出し： 生成した音声を音声ファイルとして保存し共有できます。
• 価格： 無料で試し、1.99ドルの「Koro Unlimited」買い切り1回。無料版では一部機能が制限されると記載されています。
• 必要環境： iOS 16.6以降、iPhone XS以降で、この一覧では最も緩やかです。バージョン2.0.1は2026年3月25日に配信されました。

強みは明快です。古いiPhoneで、コーヒー1杯分の値段で、自分で調整できるオフライン音声が欲しいなら、ここに並ぶものはありません。代償は言語カバー範囲、モデル非開示、そして掲載情報自身が述べる「Koroの速度と全体的な性能は端末のモデルによって変わる」という点です。

あわせて知っておきたいもの

Simple Voice Reader（Walter Claw Software LLC）は無料のミニマル志向で、モデル名を明示しています。3 MBのアプリで「貼り付けたテキストや入力した文章、TXTファイル、RTFファイル、PDFを読み上げ」、「対応するiOS 26端末では、Heartを含む自然な音声20種の米国英語Kokoro音声パックを任意でダウンロードでき、パックは約170 MBでAppleから一度だけダウンロードし、いつでも削除できる」と案内しています。アプリ内課金なしの無料で、読み上げ中に単語をハイライトします。ただし必要環境の行はよく読んでください。アプリ自体はiOS 17で動きますが、Kokoroパックは対応するiOS 26端末に限定され、それより古い環境ではAppleのシステム音声になります。電子書籍対応、OCR、音声の書き出しはありません。

PageEcho - AI Text Readerはオンデバイスの電子書籍リーダーで、掲載情報では読み上げが「Supertonic、Kokoro、Appleのシステム音声で動作する」と説明されています。汎用のリーダーではなくEPUB・MOBI・AZW3・FB2・PDFの書籍向けで、iOS 26以降が必要なため古いiPhoneでは使えません。Supertonicを使うアプリのまとめで取り上げています。

開発者にはアプリ自体が不要です。mlalma/kokoro-ios（MITライセンス、MLX Swift、iOS 18以降）のようなオープンソースのSwiftパッケージは、最近のiPhoneでリアルタイムより速く英語音声を生成し、自分のプロジェクトに組み込めます。App Storeからインストールするものではなく、自分でビルドする方法です。

バックグラウンド再生：画面をロックするとどうなるか

多くの比較記事が飛ばす点ですが、実際には音質よりもここがアプリを大きく分けます。ニューラル音声は聞いている間ずっと生成され続け、iOSはアプリが前面から離れたあとにできる処理を制限します。つまり「読み上げる」と「画面を消しても読み上げ続ける」は別の主張です。

Local TTSはバックグラウンド再生を明記しています。「ロック画面とコントロールセンターの操作を備えたバックグラウンド再生」。別の音声に切り替わるのではなくニューラル音声がそのまま続きます。アプリがバックグラウンド処理向けに最適化されたCore MLの経路で次の音声を先に用意しているためで、音声書き出しに使うものと同じ経路です。実際には再生を押して端末をポケットに入れ、同じKokoroやSupertonic 3の音声が流れ続ける中でロック画面からスキップや一時停止を行うことになります。

Simple Voice Readerはもう一方の設計を珍しく率直に説明しており、制約の働き方が分かるため引用する価値があります。「アプリがバックグラウンドに移るか画面がロックされるとApple音声が継続し、ロック画面とコントロールセンターで一時停止・再開・停止を操作できる。端末により多くのメモリが必要になるか、アプリがバックグラウンドに移ってKokoroを継続できない場合は、選択したApple音声で読み上げが続く。」3 MBのアプリとしては妥当な設計ですが、選んだKokoroの音声が章を最後まで読む音声とは限らない、ということでもあります。

On-Device AIは「持ち歩ける」聞くためのキューと「再開する、次を再生する」機能を説明していますが、アプリがバックグラウンドにある間も再生が続くとは特に述べていません。Koro Voicesはバックグラウンドやロック画面での再生に一切触れていません。アプリを離れて聞く手段は「アプリがなくてもいつでも聞き直せる」音声ファイルの書き出しで、通勤には十分機能しますが、連続再生ではなく別の手順です。

画面を消して聞くことが目的そのものなら——歩きながら、運転しながら、料理しながら、眠りにつく前の一章——購入前に試してください。長い文章を再生し、数分間端末をロックして、音声が続くか、そして最初に選んだ音声のままかを確認します。

どう選ぶか

• 文書・書籍・自分で撮ったページを聞きたい： Local TTS。OCR、ハイライト、ロック画面再生、M4A書き出しへとつながる取り込み・スキャン・再生の流れの中にKokoroの音声があります。
• 散歩や通勤で画面を消して聞く： Local TTS、またはKoro Voicesから音声ファイルを書き出してポッドキャストアプリで再生します。
• ローカルLLM、音声入力、TTSを1つのアプリで： On-Device AI。ただし大きなダウンロードと広いインターフェースは前提です。
• 最も安いオフライン音声、または古いiPhone： Koro Voices。1.99ドル、約113 MB、iOS 16.6のiPhone XSまで動きます。
• Kokoroそのものを無料で聞いてみたい： 端末がiOS 26の音声パックに対応していることを前提に、Simple Voice Readerを試してください。
• 英語以外の言語が必要： Kokoroだけでは届きません。Local TTSはSupertonic 3と組み合わせて31言語をカバーします。Kokoro以外の選択肢はiPhoneのおすすめ読み上げアプリのまとめもご覧ください。

どれを選ぶにしても、決める前に自分の資料で試してください。人名、数字、専門用語が入った1ページを貼り付け、発音、最初の一文が始まるまでの時間、画面をロックしても再生が続くかを確認します。印刷物を聞くつもりなら、実際のページを1枚撮ってアプリがどう扱うかも見てください。一覧はアプリの順位を示しますが、1時間聞くに値するかどうかは自分のページが教えてくれます。

よくある質問

iPhone向けの公式Kokoro TTSアプリはありますか？

ありません。Kokoro-82MはhexgradがHugging Faceで公開しているオープンウェイトのモデルであり、アプリではありません。iPhoneで使うにはLocal TTSやOn-Device AIのようにモデルを内蔵したサードパーティ製アプリをインストールします。

Kokoro TTSアプリはインターネットなしでも動きますか？

モデルが端末にあれば動きます。約8,200万パラメータとiPhoneで実行できる小ささのため、モデルを内蔵またはダウンロードしたアプリはオフラインで新しい音声を生成します。ただし最初の音声パックのダウンロードや無関係なクラウド機能には接続が必要な場合があります。

Kokoro TTSアプリは写真に撮ったページも読み上げられますか？

OCRを備えたアプリだけです。Local TTSはカメラや保存済み写真の文字を端末内で認識して同じ音声で読み上げ、無料プランに含まれます。On-Device AIもスキャンした書籍の取り込みと修正可能なオンデバイスOCRを案内しています。Koro VoicesはテキストとPDFの取り込みのみで、画像スキャンの記載はありません。

iPhoneの画面をロックしてもKokoroの音声は再生され続けますか？

モデルではなくアプリ次第です。Local TTSはロック画面とコントロールセンターの操作を含むバックグラウンド再生を明記し、ニューラル音声をバックグラウンドでも生成し続けます。Simple Voice Readerは、バックグラウンドでKokoroを継続できない場合は選択したApple音声で読み上げを続けると説明しています。On-Device AIとKoro Voicesは掲載情報にバックグラウンド再生の記載がありません。

Kokoro系のiPhone向けTTSアプリで最も安いのはどれですか？

Koro Voicesは1.99ドルの買い切りでアプリ全体をアンロックします。Local TTSは無料でダウンロードでき、Kokoroの英語音声3種を含めてノートあたり500文字まで読み上げ可能で、Proは月額4.99ドルまたは買い切り19.99ドルで文字数無制限・全音声・M4A書き出しに対応します。On-Device AIは無料で、有料プランは3.99ドルからです。

Kokoro-82Mは英語以外の言語にも対応していますか？

公開されているKokoro v1.0には複数言語の音声が含まれますが、プロジェクト自身の音声資料が、言語ごとの発音ツールや学習データの差により英語以外の対応は薄くなり得ると注意しています。そのためLocal TTSは米国・英国英語の28音声にKokoroを使い、31言語全体はSupertonic 3が担当します。

iPhoneアプリにはKokoroの音声が通常いくつ入っていますか？

Kokoro v1.0は米国英語20種と英国英語8種を公開しています。Local TTSは全カタログに28種すべてを含み、31言語をオフラインで読むSupertonic 3の多言語音声も提供します。

結論：モデルではなく、それを包むアプリを選ぶ

ここに挙げたアプリはいずれもニューラル音声を端末内で動かします。ですから判断の基準は実のところKokoroではなく、そのモデルでアプリが何をするかです。オフライン音声が興味本位なら、1.99ドルと113 MBで驚くほど多くを試せます。ローカルAIの習慣の一部なら、プライベートスイートが全部を1つの大きなアプリにまとめてくれます。そして本当に必要なのが、先延ばしにしてきた読み物——PDF、電子書籍、机に積まれた印刷物——を片付けることなら、文書とカメラを中心に作られたアプリを選んでください。

App StoreでLocal TTSを無料ダウンロードして、実際のPDFや写真に撮ったページを入れてみてください。アカウントもアップロードも単語制限もなく、端末内でKokoroの英語音声が再生されます。