テキストto音声（TTS）とは？
てきすととぅーおんせい
テキストto音声（TTS）とは、入力されたテキストを音声に自動変換する技術で、ナビゲーションや読み上げソフト、音声アシスタントなど幅広い場面で使われています。
テキストto音声（Text-to-Speech、TTS）とは、コンピューターがテキストデータを解析し、人間の音声に似た音声信号として出力する技術です。音声合成とも呼ばれます。
- テキスト解析：入力文を解析し、読み方・アクセント・ポーズの位置などを決定する
- 音響モデル：言語的な情報から音響特徴（音のスペクトル）を予測する
- 音声合成：音響特徴から実際の音声波形を生成する（ボコーダーを使用）
技術の進化とともにTTSの自然さは大きく向上しました。かつてはルールベースや統計的手法が中心でしたが、近年はディープラーニングを活用したニューラルTTSが主流となっています。GoogleのWaveNetやMicrosoftのSpeech Serviceをはじめ、感情表現や話者の個性を再現できるモデルも登場しています。
TTSの主な活用場面としては、カーナビの音声案内、スクリーンリーダー（視覚障がい者向けの読み上げソフト）、スマートスピーカーや音声アシスタント、eラーニングの音声コンテンツ生成、コールセンターの自動応答システムなどが挙げられます。AIの進化によりリアルタイム・高品質な音声変換が手軽に実現できるようになり、アクセシビリティ向上においても重要な役割を担っています。
使い方・例文
iPhoneの「テキスト読み上げ」機能やPCの読み上げソフトは、TTSの代表的な応用例で、画面上の文章を音声で聞くことができます。
この用語をシェア
最終更新: