Supertonic 3とは？Local TTSが31言語を読む仕組み

英語の記事、韓国語のメモ、日本語の教材、スペイン語の電子書籍を、同じ自然な声で読めたらどうでしょう。言語パックを追加したり、文章をクラウドへ送ったりする必要もありません。

Local TTSでは、Supertonic 3が31言語の読み上げを担当します。テキストを貼り付ける、文書を読み込む、印刷物を撮影するだけで、言語を判定し、iPhoneまたはiPad上で音声を生成します。

モデルの手動インストール、アカウント、APIキーは不要です。無料版にも全31言語を読める多言語音声が1つ含まれています。

公式画像の出典： カバーには、公式モデルリポジトリのSupertonic 3ヒーロー画像を変更せず使用しています。画像内の性能値はSupertoneが公表したリリース時の主張です。

一言でいうと

Supertonic 3は、約9,900万パラメータの軽量TTSモデルです。ONNX Runtimeを使って31言語の44.1kHz音声を生成し、スマートフォンでの多言語読み上げを実用的にします。

重要なのは「多言語」だけでなく、オンデバイスであることです。Local TTSのインストール後は、文書を音声サーバーにアップロードしなくてもオフラインで読み上げられます。

Supertonic 3とは？

Supertonic 3は、Supertoneが公開しているオープンウェイトの多言語音声合成モデルです。公式のSupertonicリポジトリでは、クラウドやGPUを必要とせず、ONNX Runtimeでローカル実行できる軽量モデルとして紹介されています。

Supertonic 3では、前世代の5言語から31言語へ対応範囲が拡大されました。単語の繰り返しや読み飛ばしを減らし、共通対応言語での声の一貫性も改善されています。

公開モデルはテキストエンコーダー、長さ予測、ベクトル推定、ボコーダーなどに分かれています。Local TTSでは、これらのファイルを自分で管理する必要はありません。アプリ内にまとめて搭載されています。

出典：Supertoneの公式モデルサイズ比較。図は変更せず掲載し、モデル名とパラメータ数は公開元の比較に基づきます。

Local TTSが対応する31言語

Local TTSのSupertonic 3音声は、公式モデルカードに掲載された次の31言語に対応します。

中国語は、現在の公式31言語には含まれていません。モデルが音を出せる可能性と、正式に対応していることは別なので、Local TTSは中国語を対応言語として表示していません。

ひとつの読書リストに、日本語のPDF、英語の論文、韓国語のメモ、フランス語のEPUBが混在していても、同じアプリと慣れた声で聞けます。

Local TTSで使うメリット

1. 同じ声で31言語を読める

Local TTSには、女性系5種類と男性系5種類、合計10種類のSupertonic 3プリセットがあります。それぞれが全31言語に対応するため、文書の言語ごとに別の声を探す必要がありません。

アプリは文章から言語を自動判定します。文ごとに言語が変わる文書では、適切な区切りで言語を切り替えながら、選択した声の特徴を保ちます。単語ひとつや短い固有名詞は判定が難しい場合があるため、完全な文のほうが安定します。

2. CPUで動き、バックグラウンドでも聞ける

Supertonic 3はLocal TTS内でCPU版ONNX Runtimeを使います。音声生成にリモートGPUもiPhoneのGPUも必要ありません。

画面をロックしたり別のアプリへ移動したりしても、読み上げを続けられます。ロック画面やコントロールセンターから再生を操作でき、クラウドへの切り替えもありません。

3. 文書をデバイスの外へ送らない

PDF、電子書籍、貼り付けたメモ、OCRで認識した文字、生成音声はiPhoneまたはiPad上で処理されます。個人的なメモ、学習資料、公開前の原稿、社内文書にも使いやすい設計です。

Local TTSにはアカウント、広告、トラッキングがありません。任意のiCloud同期は自分のiCloudを使い、テキストから音声を作るAI処理はローカルで完結します。

4. モデルではなく、すぐ使えるリーダー

Local TTSでは次の操作をひとつのアプリで行えます。

• テキストの貼り付けとメモ作成
• PDF、EPUB、Word、TXT、Markdownの読み込み
• オンデバイスOCRによる印刷物の取り込み
• 再生中の文の表示
• ノートごとの声と速度の設定
• ロック画面・コントロールセンターでの操作
• ProでのM4A書き出し

**App StoreからLocal TTSを無料でダウンロード**して、31言語のうち好きな文章で試せます。

Supertonic 3とKokoro-82Mの違い

Local TTSは、用途の異なる2つのオンデバイス音声ファミリーを採用しています。

多言語の資料が中心ならSupertonic 3、英語中心で声の個性を細かく選びたいならKokoroが適しています。ノートごとにいつでも切り替えられます。詳しくはKokoro-82Mガイドをご覧ください。

読み上げ品質を高めるコツ

1. 完全な文を使う： 単語ひとつより、言語判定の手がかりが増えます。
2. 句読点を整える： 句点、読点、段落が自然な間を作ります。
3. 一文の主言語を明確にする： 単語ごとに言語を切り替える文章より安定します。
4. 固有名詞を試聴する： 人名、略語、数字は言語によって読み方が異なります。
5. OCR結果を確認する： 認識ミスはそのまま発音ミスになります。

Supertonic 3は単語単位の正確なタイムスタンプをLocal TTSへ提供しません。そのため、再生画面では正確さを誇張せず、現在読み上げている文を表示します。

よくある質問

言語ごとにモデルをダウンロードしますか？

いいえ。アプリに含まれる同じSupertonic 3モデルと選択した声が、31言語すべてを処理します。

ひとつの文書に複数言語を入れられますか？

はい。Local TTSが文章の区間ごとに言語を判定し、選択した声を保ったまま読み上げます。

インターネットは必要ですか？

音声生成には必要ありません。モデルはアプリに含まれ、デバイス上で実行されます。

中国語は使えますか？

現在は対応していません。中国語はSupertonic 3の公式31言語に含まれていません。

自分の声をクローンできますか？

いいえ。Local TTSは10種類のプリセットを使用し、カスタム音声クローン機能はありません。

31言語を自分のデバイスで聞く

Supertonic 3により、音声サーバーなしでも幅広い言語をひとつの声で読めます。Local TTSは、文書読み込み、OCR、言語判定、文の追跡、バックグラウンド再生、音声書き出しを加え、毎日使えるリーダーにしています。

**Local TTSをApp Storeから無料でダウンロード**し、日本語や英語をはじめとする31言語を、プライベートなオフライン音声で聞いてみてください。