App Storeのほぼすべての音声読み上げアプリが「PDFを読み上げます」と書いています。ところが再生ボタンを押したあと画面がどうなるかを見せているアプリはほとんどありません。そして両者を分けるのは声ではありません。画面が声についていけるかどうかです。
PDFはただの文字の塊ではありません。ページがあり、段組みがあり、図版とキャプションとページの切れ目があります。音声しか出さないアプリを使うと、数分おきに選択を迫られます。聴くのをやめて位置を探すか、聴き続けて位置を見失うか。
短い答え: 読み上げ追従とは、話している間その位置を画面に示す再生方式です。Local TTSはこれを2層で処理します。表示中のPDFページには読み上げ中の文を枠で示し、その下の大きな文字パネルでは単語を1つずつハイライトします。 そして音声がページの末尾に達するとページは自動で次に進みます。 3つの動作はすべて端末内で生成されるため、機内モードでもそのまま動きます。
App StoreからLocal TTSを無料で入手して、手元のPDFで追従を試してみてください。
この記事の根拠: 下に埋め込んだ動画はLocal TTS公式デモです。自由に配布されているパブリックドメイン版『ピーターラビットのおはなし』を挿絵入りPDFとして読み上げる未編集の画面収録で、文書は82文、音声は7分40秒あります。製品仕様・プラン上限・対応機種は2026年8月23日時点のApp Storeの掲載内容とLocal TTS 2.1.5を基準に確認しました。自社アプリなので、未編集の映像をそのまま公開しているのは、以下の主張を鵜呑みにせず映像と照合していただくためです。
再生画面の1フレームに入っているもの
どの瞬間で止めても、画面は4つの異なる問いに同時に答えています。
| 画面に見えるもの | 答えている問い | 画面にある理由 |
|---|---|---|
| 表示ページの3行を囲む枠 | いまどの文を読んでいるか | 図版と組版が生きた実際の文書の中で位置を掴ませます |
| 下に大きな文字で再表示された同じ文 | その文の中身は何か | PDF本来の文字は聴く距離で追うには小さいことが多いためです |
| その文の中で濃く塗られた1語 | 音声がいまどこにいるか | 文の途中で目を離しても巻き戻さずに戻れます |
11 / 82 · 10% と 0:50 / 7:40 のバー | どこまで進んだか | 82文中11文目、7分40秒のうち50秒地点 |
どれも飾りではありません。長い文書を耳で聴くときに生じる特有の混乱があり、各要素はそのうち1つずつを取り除いています。
ハイライトが1層ではなく2層である理由
いちばん素直な設計は、PDFページ上にハイライトを1つだけ描くことです。Local TTSが2つ目の層を描くのは、PDFのページが腕の長さの距離で読むために作られた組版ではないからです。
デモに出てくるページは、印刷向けの大きさで組まれたタイプライター風の書体の児童書です。歩きながら実際に持つ距離では、ページ上の個々の単語は読めても快適に追えるとは言えません。そこに単語ハイライトを描くのは技術的には正しくても実用的には役に立ちません。
そこで2つの層が役割を分担します。
- ページの枠は位置把握のためのものです。 3匹のうさぎがブラックベリーを摘む挿絵のある、その実際の文書のどこを読んでいるかを示します。1文につき1回動くので、ちらりと見るだけで追えます。
- テキストパネルは読むためのものです。 いまの文を快適な大きさで描き直し、単語を1つずつ塗ります。毎秒何度も動きますが、文字が十分に大きいからこそ意味のある動きです。
ポスターのフレームで塗られている語をよく見てください。Cotton-tail です。ハイライトはCottonとtailを別々に通過せず、ハイフンで結ばれた一続きをまとめて覆っています。意図的な区切り方です。素朴な単語分割器はハイフンを境界と見なし、1回しか発音されない語にハイライトを2回入れますが、画面上ではどもって見えます。ハイフン付きの名前、複合修飾語、ダッシュ構文は実際の文書に十分よく現れるので、ここを間違えると1ページ目で分かります。
インストールせずにこのタイミングを体感したい方は、Local TTSのホームページで同じ本の別の文を使った同じ効果が動いています。
自動ページ送り: 無いときだけ気づく機能
静止画では示せない唯一の挙動なので、これは動画で確認してください。7秒あたりでカウンターが11文目から12文目へ進み、挿絵がブラックベリーを摘む3匹のうさぎから門の下をくぐるピーターへ切り替わりますが、音声は途切れません。誰も画面に触れていません。
この版は1ページに1文と1枚の絵が入っているので、7分40秒を聴き通すにはページ表示が何十回も進む必要があります。自動で進まなければ、そのすべてが中断です。ポケットから端末を出し、ロックを解除し、ページ操作を探してめくることになり、そもそも聴こうとした理由を正面から壊します。端末を持ち続けなければならない読み上げは、目で読むより明確に劣る読書法です。
音声がそのページの文章の末尾に達すると、表示は次のページへ移り、読み上げは途切れずに続きます。散歩中に、車の中で、机に伏せて置いた端末でPDFを聴けるようにしているのは、結局この動作です。ロック画面・バックグラウンド再生がチェック項目ではなく本当に使えるものになるのも同じ理由です。バックグラウンド再生は、アプリが人の手を借りずに文書を進められて初めて意味を持ちます。
位置表示が2種類ある理由
11 / 82 · 10% と 0:50 / 7:40 は同じ情報の2つの表現に見えます。違います。
左の表示は文を数えています。アプリがこの文書を区切った82文のうち11文目で、全体の約10%まで来たという意味です。Local TTSが実際に読み、塗り、再開の起点にする単位が文なので、画面に出るのもその単位です。時間バーは音声についての情報です。7分40秒のうち50秒が過ぎたことを示します。明日どこから再開するかを決めるには前者が、10分の散歩の前にこれを流すか決めるには後者が必要です。
どちらも貼り付けたテキストより読み込んだ文書で重みを増します。Local TTSはPDFを一度きりの発話ではなく保存された聴取項目として保持しているからです。文の途中でアプリを閉じても、文書は自分の位置とともに残っています。文書を読み込んで聴く方式と、いま画面に映っているものを読み上げる一般的な画面読み上げ機能との実質的な境目がここです。画面読み上げ機能には文書の記憶がありません。そちらの立場では文書というものが存在せず、画面しかないからです。
あの画面のすべてが端末内で作られています
見落とされやすい点があります。同期ハイライトは通常クラウドの機能です。
発音の瞬間に合わせて単語を塗るには、生成された音声の中で各単語がいつ始まるかを知る何かが必要です。クラウドの音声サービスは音声ファイルと一緒にそのタイミングを返しますが、それはタイミングを得るためにテキストをサーバーへ送ったということです。オフラインでハイライトするには、音声とタイミングの両方を端末内で作らなければなりません。
Local TTSはそうしています。音声は31の対応言語すべてを読む多言語音声ならSupertonic 3から、アメリカ英語・イギリス英語の28種類ならKokoro-82Mから出力され、単語タイミングは同じ端末内合成の過程で一緒に出てきます。PDFのテキスト抽出、音声生成、単語タイミング、ページ描画のどの段階もネットワーク要求を行いません。
そのためデモ動画の追従動作は、接続時だけ働いて機内では音声のみに劣化する類のものではありません。どちらでも同じ処理経路です。この主張を信じる代わりに確かめたい場合、機内モードのテストは4手順、1分で終わります。
正直に言うと例外が1つありますが、アプリではなくファイル側の話です。iCloud Driveにしかない PDF は最初に開くとき接続が要ります。音声生成はオフラインでも、元の文書を取得することはオフラインではありません。
デモを自分で再現する
動画は自由に配布されているパブリックドメイン版『ピーターラビットのおはなし』を使っています。同じファイルで同じ試験ができます。
- iPhoneのファイルアプリに任意のPDFを保存します。結果を人に見せても差し支えないので、パブリックドメインの電子書籍が扱いやすいです。
- Local TTSを開き、そのPDFを読み込みます。
- 音声を選びます。まず1倍速で始めてください。1.5倍速では小さな同期のずれが単に速い読み上げと区別できないため、ハイライトの評価は通常速度がいちばん容易です。
- 再生し、単語ではなく文の枠を見てください。枠が正しい文を捉えていれば、単語の層もほぼ必ず合っています。
- 画面に触れずにページの末尾まで進ませます。それが自動ページ送りです。
- 機内モードにして別のページを再生します。ハイライトは何も変わらないはずです。
無料プランはノートあたり500文字まで読み上げるので、抜粋だけでも以上をすべて確認できます。こうした挿絵入りの電子書籍をまるごと読み込むのはProの機能で、月額$4.99または買い切り$19.99で文字数制限の解除、全音声、M4A書き出しが同時に開放されます。
追従表示が実際に効く場面
同期ハイライトはアクセシビリティの項目に分類されてそこで終わることが多いです。人々が使う理由はもっと広いです。
密度の高い資料の定着。 同じ文を読みながら同時に聴くと、経路が1つではなく2つになります。教科書や講義PDFでは、速度を上げて聴きながらも追えなかった文でちょうど止まれるようにするのがハイライトです。どのアプリがこの組み合わせを備えているかはiPhone向け音声読み上げアプリの比較にまとめています。
とぎれる注意 — Local TTSが最も向く場面。 読み上げ追従はADHDのある読者によく合います。理由がはっきりしています。ADHDの読書は、文章が難しくて破綻することはあまりありません。注意が抜けた数秒後に破綻します。視線を戻しても読んでいた行が見つからず、段落を初めから読み直し、やがて文書を閉じてしまう。動くハイライトはその探索を消します。注意がよそに向いている間も声が居場所を保ってくれるので、復帰は再スタートではなく一瞥で済み、音声が読書を先へ引っ張り続けます。臨床的な道具ではなく読書の道具ですが、取り除く摩擦は読書を最も頻繁に終わらせているその摩擦です。
語学学習。 どの語なのかを目で見ながらその音を聴くこと自体が練習です。ハイライトがなければ音声とテキストが別々にあるだけで、両者の対応は自分で作ることになりますが、そこがいちばん難しい部分です。
自分の文章の校正。 合成音声は書き手の意図どおりには読んでくれません。草稿をハイライトで追いながら聴くのは、文法が崩れた文を効率よく見つける方法です。
ずっと見ていられない画面で読む。 電車で、歩きながら、料理をしながらは、画面を継続的にではなく時々見ます。ハイライトの価値は見つめ続けることにはありません。時々見たときの復帰コストが巻き戻しではなく1秒で済むことにあります。
よくある質問
PDFリーダーの「読み上げ追従」とは何ですか？
話している間、いまどこを読んでいるかを画面に示す方式です。Local TTSは2層で処理します。表示中のPDFページに文を枠で示し、下の大きな文字パネルで単語を1つずつ塗ります。そのためいつ画面を見ても音声の位置が正確に分かります。
読み上げ中にPDFのページは自動でめくられますか？
めくられます。音声がページの末尾に達すると表示が次へ移り、読み上げが途切れずに続きます。動画で確認できます。カウンターが11文目から12文目へ進んでページが切り替わりますが、誰も画面に触れていません。
単語単位のハイライトにインターネット接続は必要ですか？
必要ありません。単語タイミングは音声生成の過程で端末内に作られるため、機内モードでもオンラインと同じように動きます。
無料プランで複数ページのPDF全体を読めますか？
長い文書は難しいです。無料プランはノートあたり500文字までなので抜粋の確認には十分です。複数ページのPDFをまるごと読み込むのはProの機能で、月額$4.99または買い切り$19.99です。
アプリを閉じると読んでいた位置はどうなりますか？
保持されます。読み込んだPDFは位置を持つ聴取項目として保存されるため、開き直すと止めた場所から続きます。
ハイライトが音声より少し先に見えるのはなぜですか？
再描画と出力バッファを考慮すると、音声位置にぴったり合わせて描いたハイライトは遅れて届くからです。意図的に少し先行させてこそ、単語と声が同時に感じられます。
読み上げ追従はADHDのある読者に向いていますか？
向いています。この機能を使う最も強い理由の一つです。数秒注意が途切れると普通は居場所を失い、それを探し直すことが読書を終わらせます。ハイライトはその間も動き続けているので一瞥で戻れ、音声が読書を先へ運びます。臨床的な道具ではなく読書アプリです。
確かめる価値のある主張
「PDFを読み上げます」は前提であって、ほとんど何も教えてくれません。本を1冊聴き通せる文書リーダーと3ページで放り出す文書リーダーを分ける問いは、もっと狭いところにあります。
- 音声の位置を単語の解像度で画面に示すか？
- 人の手を借りずにページを送るか？
- 止めた場所を覚えているか？
- ネットワークを切った状態でも以上がそのまま働くか？
未編集の映像30秒あれば答えられる問いであり、デモ動画を編集していない理由がそれです。報告書でも論文でも取扱説明書でも、手元のPDFで同じ試験をして、画面が声についてくるか確かめてみてください。
Local TTSを無料でインストールして、最初のPDFを目で追ってみてください。アカウントもアップロードも不要で、インストール後は接続も要りません。