Piper vs Kokoro:本を読み上げるためのデバイス上の AI 音声を比較する

私たちは Lectern で両方を提供しているので、実機で小説をまるごとナレーションさせてきた経験にもとづく、率直な比較をお届けします。

Piper:スプリンター

Piper は効率を重視して設計された軽量なニューラル TTS エンジンです(オープンソースの音声アシスタントの世界から生まれました)。モデルは小さく、起動も速く、控えめなハードウェアでも快適に動作します。

• 声の質:従来のシステム TTS より明らかに優れています — 自然なリズム、まずまずのイントネーション。長時間聴いていると合成音声だとわかりますが、心地よい音です。
• 速度とバッテリー:優秀です。たいていのスマートフォンでリアルタイムより速く生成し、バッテリーへの影響も最小限 — 何時間でも聴いていられます。
• 対応言語:最大の強みです。Piper は数十の言語の音声を備えており、これにより Lectern はアラビア語、ヒンディー語、中国語、日本語をはじめ多くのヨーロッパの言語の本にも音声を割り当てられます。

Kokoro:役者

Kokoro は、より新しく、より重いモデルで、生き生きとした話し方を優先しています。「え、それが自分のスマートフォンで動いているの?」と人に言わせるのがこのモデルです。

• 声の質:驚くほど自然です — より滑らかな抑揚、より人間らしい間合い、長い文章もうまく処理します。フィクションにおいて、現時点でデバイス上のナレーションがオーディオブックの朗読にもっとも近づいた形です。
• 速度とバッテリー:より重いです。最近のスマートフォンなら問題なく追いつきますが、古い端末や低価格帯の端末では Piper のほうが安全な選択です。
• 対応言語:Piper より少ない(が増えつつある)言語セットです。

どちらを選ぶべきか?

間違った答えはありません。だからこそ Lectern は、最初にどちらかを選ばせることはしません:

• 主要言語の小説、最新のスマートフォン → 没入感を最大にするなら Kokoro。
• 多言語のライブラリ、古い端末、または一日中聴く場合 → Piper。
• 語学学習 → Piper の言語の幅広さと Lectern の自動言語検出の組み合わせ:本を開けば、その言語のネイティブらしい声が得られ、読み上げられるたびに各文がハイライトされます。

いずれにしても、すべてはデバイス上で動作します:アカウントなし、クラウドへのアップロードなし、月々の費用なし、そして機内モードでも動作するナレーション。

本にとって、デバイス上の処理がクラウドに勝る理由

本 1 冊は 8–12 時間分の音声にあたります。この規模のクラウド TTS は、常時接続、実際のお金(サブスクリプションや文字数課金の API 料金)、そして読むものすべての全文を第三者に送ることを意味します。デバイス上のナレーションは、アプリを購入した後は費用がかからず、オフラインで動作し、あなたのライブラリをあるべき場所 — あなたのもとに — とどめます。Lectern では、それが設計のすべてです:Google Play で買い切り €2.49、サブスクリプションなし、Play の安全性ラベルには「収集されるデータなし」と表示されています。

よくある質問