Windows PC上で複数の音声合成モデルをまとめて使うためのローカルアプリです。文章の読み上げ、モデルの聞き比べ、参照音声を使った生成、RVCによる声質変換をブラウザから操作できます。
非公式・非提携について このプロジェクトは独立して開発された非公式ツールであり、READMEに記載する各音声合成モデル、音声変換技術、外部ツールの開発元・配布元による公式製品、提携製品、承認製品、スポンサー製品ではありません。各名称・商標・モデル・配布物の権利と利用条件は各権利者・配布元に帰属します。
通常のTTS生成と、生成済み音声などへ必要なときだけ使うRVC声質変換を、独立した機能として示しています。
local-tts-qwen3-1.7b-cat-final-under-5mb.mp4
- 文章から音声を生成する
- 同じ文章を複数モデルで生成して聞き比べる
- マイク録音や音声ファイルを参照音声として登録する
- 対応する動画URLから短い参照音声候補を作る
- TTS音声、音声ファイル、マイク録音をRVCで変換する
- 生成履歴をブラウザ内に保存して再利用する
対応モデルにはQwen3-TTS、Irodori、GPT-SoVITSなどがあります。モデルによって必要な設定や利用条件が異なります。
- Windows 10 / 11（64bit）
- NVIDIA GPU推奨
- モデルと実行環境を保存できる空き容量
- 自動セットアップを使う場合だけインターネット接続
Python 3.11、Node.js、Gitはセットアップ時にアプリ内へ導入されるため、通常は手動インストール不要です。PyTorchとtorchaudioも、NVIDIA GPU環境ではCUDA 12.8版、GPUがない環境ではCPU版の同一バージョンを導入します。必要ファイルを事前配置した環境では、サービス起動と音声生成をネットワークなしで実行できます。CPUでも起動できますが、音声生成には時間がかかります。
Gitを利用できる場合は、PowerShellでリポジトリを取得して起動します。
git clone https://github.com/misaka310/local-tts-service.git
cd local-tts-service
.\local-tts.batGitを利用しない場合は、GitHubの「Code」からZIPをダウンロードして展開し、リポジトリ直下のlocal-tts.batをダブルクリックします。
必要なツールやモデルが未配置の場合は自動セットアップしてからブラウザを開きます。この明示的な取得処理ではインターネットを使用し、ダウンロード量によっては30分〜1時間半程度かかることがあります。
必要ファイルが配置済みなら、通常起動は外部からモデルやTokenizerを取得しません。既定モデルを起動時に検査・事前ロードし、「生成する」を押した時点では生成処理だけを実行します。
外部連携からは、サービスを終了せず対応モデルの常駐workerだけを明示的に解放してGPUメモリを返すこともできます。詳細はAPI仕様を参照してください。
起動中は、このアプリ専用のターミナルが1枚開いたままになります。そのターミナルでCtrl+Cを押すか、ウィンドウを閉じるとアプリも終了します。
起動環境を修復する場合:
local-tts.bat -ForceSetup起動できない原因を確認する場合:
local-tts.bat -Check詳しい導入条件や追加モデルについては、セットアップガイドを参照してください。
必要ファイルを配置すれば、通常起動と音声生成はネットワークなしで利用できます。不足時は起動時にファイル名と配置先を表示します。配置一覧はセットアップガイドを参照してください。
- ブラウザで「通常生成」を開きます。
- 利用可能なモデルを選びます。
- 読ませる文章を入力します。
- モデルに応じて話し方メモまたは参照音声を設定します。両方に対応するモデルは、どちらか一方が必要です。
- 「生成する」を押します。
既定の Irodori v3 は参照音声なしで試せます。Qwen 1.7Bを選ぶ場合は、参照音声と一致する書き起こしが必要です。
画面ごとの操作方法は 利用ガイド を参照してください。
設定、モデル、参照音声、生成物はローカルPC内に保存されます。主な保存先は次の通りです。
- ローカル設定:
config/config.local.json - モデル・実行環境・生成物:
runtime/ - 参照音声:
reference/voices/ - RVCモデル:
models/rvc/
これらのローカルデータはGit管理対象外です。
モデル本体、外部ツール、参照音声、動画、生成物には、それぞれの配布元や権利者の利用条件が適用されます。本人の同意または適切な利用権限がある音声・動画だけを使用してください。
python -m pytest --rootdir=. -c config/pytest.ini tests
cd frontend
npm run check
npm testCIではバックエンド、セットアップdry-run、管理プロセス、公開履歴監査、フロントエンド、ブラウザE2Eを実行します。FastAPI app factoryは依存を差し替えた単体テストを持ち、Ruffのimport・modernization・bugbear規則と70%のfocused coverageを要求します。
このリポジトリのコードは MIT License です。モデル、重み、外部リポジトリ、音声素材にはそれぞれ別の利用条件が適用されます。