モデルを読み込む
次を選択： モデルを読み込む。ONNXグラフと音声コーデックを一度取得し、ブラウザにキャッシュします。
音声読み上げ オンライン無料
文章を入力するとMOSS-TTS-Nanoがブラウザ内で読み上げます。0.1Bの多言語音声モデルがWebAssemblyで動き、アップロードやサーバー処理はありません。
速度調整は波形を再サンプリングするため、テープを速く再生するように、速くすると音程も少し高くなります。
ここに音声が表示されます
モデルファイル
音声モデルと音声コーデックは73hiではなくHugging Faceから取得します。
重みの公開先： MOSS-TTS-Nano-100M-ONNX および MOSS-Audio-Tokenizer-Nano-ONNX。いずれもApache-2.0ライセンスで公開されています。
簡単な3ステップ
オンラインでテキストを音声にする方法
アカウントやサーバーの順番待ちなしで、自分の端末で音声を生成できます。
文章を入力して声を選ぶ
文章を入力し、内蔵の声を選ぶか、短い参考音声を読み込んで声を複製します。
再生して保存する
次を選択： 読み上げを選び、プレーヤーで聞いてからWAVとしてダウンロードします。
仕組み
端末内で完結する0.1B音声モデル
MOSS-TTS-Nanoは小型自己回帰言語モデルとニューラル音声コーデックを組み合わせ、すべてONNX Runtime WebのWebAssemblyバックエンドで動きます。
| 段階 | 処理内容 | 実行場所 |
|---|---|---|
| トークナイザー | テキストを言語モデルが必要とするトークンIDへ変換 | ブラウザ内 |
| プリフィル | テキストと音声プロンプトをまとめて読み、条件付け用の隠れ状態を生成 | ブラウザ内 |
| フレームのデコード | 16個のコードブックにわたり、音声コードを1フレームずつ予測 | ブラウザ内 |
| 音声コーデック | 音声コードを48 kHzの波形に復号 | ブラウザ内 |
無料AI音声読み上げ
非公開・多言語・CPUで動作
第三者にテキストを渡さずに読み上げられます。
アップロード不要
テキストと音声は端末内にとどまります。入力内容を送るリクエストはありません。
GPU不要
小型モデルのため、WebAssemblyを通じてCPUでも実用的な速さで動作します。
多言語対応
MOSS-TTS-Nanoは中国語や英語など、多くの言語に対応しています。
利用上限なし
登録不要、1日の回数制限なし。生成音声に透かしも入りません。
よくあるご質問
音声読み上げのFAQ
テキストは送信されますか？
いいえ。ブラウザ内のWebAssemblyでモデルを実行するため、テキストと生成音声は端末の外に出ません。
モデルはどこから取得しますか？
ONNXグラフは実行時にHugging Faceから取得し、73hiからは取得しません。接続できない場合はミラーURLを設定するか、取得済みのモデルファイルを選べます。
ダウンロード容量はどのくらいですか？
音声モデルと音声コーデックの合計は約760 MBです。ブラウザにキャッシュするため、同じブラウザでの次回起動は速くなります。
GPUは必要ですか？
いいえ。MOSS-TTS-NanoはCPU推論向けの0.1Bパラメータモデルで、WebAssemblyバックエンドで動作します。