VoiceStudio、声の複製が0円で動く 既定の声は商用に使えない

GoogleでフォローするGoogle検索でAInformationの記事が出やすくなります

VoiceStudioは声の複製も吹き替えも0円　PCの中で動く

VoiceStudioはElevenLabsの代わりを名乗る無料のオープンソースアプリだ。GIGAZINEが11月1日にWindowsでの導入から使い方までを紹介した。音声の生成は手元のPCで動き、有料のクラウドはつながっていない。

1つのアプリでできることは次のとおりだ。

• 音声クローン：数秒から十数秒の録音を登録すると、その声に似せて文章を読み上げる
• 音声デザイン：声の特徴を文章で書くと架空の声を作る
• 動画吹き替え：会話を文字起こしして別の言語に訳し、話者ごとの声で吹き替える。BGMと効果音は残り、MP4で書き出せる
• 文字起こしと音声入力：録音ファイルかマイクの声を文章にする
• オーディオブック：長い文章を章ごとに読み上げ、登場人物ごとに声を変えられる

標準の音声生成エンジンは多言語の音声合成モデル「OmniVoice」だ。公式は646言語に対応するとうたう。AIエージェントから操作するためのMCPにも対応し、AIを手元のPCで動かす流れに乗った作りになっている。

既定のOmniVoiceは商用不可　アプリと声のモデルで条件が別だ

0円でも仕事にそのまま使えるわけではない。GIGAZINEも、アプリ本体と音声AIモデルの利用条件は別に決まっていると注意している。

編集部は11月1日に公式のGitHubでライセンスの一覧を確かめた。アプリ本体はAGPL-3.0で、その条件のもとなら商用利用もできる。一方で既定のOmniVoiceの重みはCC BY-NCで、商用には使えない。

非商用と記録されたモデルは4つで、OmniVoiceとそのGGUF版・翻訳のNLLB・Llama-OuteTTSだ。63あるモデルの記録のうち、商用利用の確認が済んだものは1つも無い。無料の範囲と仕事で使える範囲が分かれるのは、Sunoの無料プランと同じ構図だ。

Intel Macでは生成できない　Windowsは安定版だ

GIGAZINEの題はWindowsだが、公式の対応表ではほかの機種でも動く。安定版はWindows 10/11（x64）とApple Silicon搭載のMacとLinuxの3つだ。

動かないのはIntel Macで、扱いは「Limited」になっている。アプリの画面だけが動き、音声の生成は別のマシンにつなぐ形だ。AndroidとiPhoneはまだ試験版にとどまる。

GPUが無くてもCPUで動くが、そのぶん遅くなる。WindowsでGPUを使えるのはNVIDIAのCUDAだけだ。10月26日に出た0.5.7版のWindows用インストーラーは222MBあった。

画面は日本語に切り替えられる。ただしGIGAZINEによると直訳や誤訳が残っている。日本語の録音を文字起こしするには、音声認識のモデルを追加する必要がある。

ElevenLabsは月6ドル　VoiceStudioは検証から使う

AInformation調べでは、音声・ナレーションに使えるAIツールは48本ある。料金が分かった39本の月額の中央は3,153円で、日本円で払えるのは10本だけだ。ElevenLabsもいちばん安いスターターが月6ドルのドル建てだ。VoiceStudioは手元で動くので、月額も為替もかからない。

まずは社外に出さない検証から始めたい。会議の録音で日本語の文字起こしの出来を見る段階なら、費用は0円で済む。音声が手元のPCの外へ出ないので、機密の多い録音でも試しやすい。

導入はGitHubのReleasesページかPowerShellのスクリプトで済む。最初のセットアップで「バランス」のモデルパックを選ぶと、モデルごとのライセンスに同意する画面が出る。ここで各モデルが商用に使えるかを控えておくと、本番で使う段階で迷わない。

声のクローンは、公式も声の持ち主の許可を取るよう求めている。社員の声で研修動画を作るなら、本人の同意を書面で残してから始めておきたい。