AI音声アシスタント「SmartVoice」の開発元である株式会社ボイステックは14日、テキストを入力するだけで自然な音声に変換する新機能「Voice Text」を発表した。この機能により、ユーザーはキーボードで入力した文章を、人間の声に近い抑揚とリズムで読み上げさせることが可能になる。
多彩な声質と感情表現
Voice Textは、ボイステックが独自に開発した深層学習モデルを搭載。従来のテキスト音声変換（TTS）技術に比べ、感情表現や発話速度の自然さが大幅に向上した。利用可能な声質は、成人男性、成人女性、子供の3種類で、さらに「喜び」「悲しみ」「怒り」などの感情を設定できる。同社の広報担当者は「これまでのTTSはロボット的な印象が強かったが、Voice Textはまるで人間が話しているかのような自然さを実現した」と述べている。
ビジネスと教育での活用が期待
新機能は、ビジネスシーンでの音声コンテンツ作成や、教育現場での教材読み上げなど、幅広い用途が想定されている。例えば、企業が社内マニュアルを音声化する場合や、教師が授業の補助教材を作成する場合に、手間なく自然な音声を生成できる。また、視覚障害者向けの情報アクセシビリティ向上にも貢献するとみられる。
ボイステックによると、Voice TextはすでにSmartVoiceの最新バージョン（v3.5）に組み込まれており、既存ユーザーは無料アップデートで利用可能。新規ユーザー向けには、月額980円のサブスクリプションプランが用意されている。同社は、2026年度中に100万ダウンロードを目標に掲げている。
競合との差別化
音声アシスタント市場では、Amazon AlexaやGoogleアシスタントなどが先行するが、Voice Textはテキストからの音声生成に特化した点で差別化を図る。特に、日本語の自然な音声生成に強みを持ち、方言や発話スタイルのカスタマイズも可能だ。同社のCTOは「日本語の微妙なニュアンスを捉えるために、約1万時間の日本語音声データでモデルを訓練した」と説明している。
一方で、プライバシー面での懸念も指摘されている。生成された音声データの取り扱いについて、ボイステックは「すべての音声データは暗号化され、ユーザーの同意なく第三者に提供されることはない」と明言した。
