テキストを音声に変換する：音色選択からMP3ダウンロードまで

文章を、すぐ使えるMP3にする鍵となる操作は3つだけです。テキストを読み上げに適した形に整える、言語に合う音色を選ぶ、生成後に一度聴いてから保存する。PixMindのテキスト読み上げページは、この3ステップを同じ画面に収めています。左側でテキストを入力すると文字数カウントがリアルタイム表示され、右側で音色とパラメータを選び、生成結果はページ内で再生、確認後にダウンロードします。

テキスト読み上げを開く。100文字以内の製品紹介ひとつで、数分で最初の音声ファイルが手に入ります。

要点

• 音色ポップアップで、サンプルを直接試聴できます。生成では、Microsoftエンジンが無料で登録不要。ほかのエンジンはログインが必要で、文字数に応じてクレジットを消費します。
• 未ログインは毎回最大100文字、無料トライアル2回。ログイン後の無料プランも毎回100文字で、有料会員は10000文字まで拡大されます。
• 話速と音量のスライダーは全エンジンで使え、ピッチのスライダーはMiniMaxエンジンのみ表示されます。エンジンを切り替えると、パラメータは自動で既定値に戻ります。
• 結果はページの再生バーで人名、製品名、長い数字を確認してからダウンロードし、MP3ファイルを入手します。

そのまま読み上げるのに適した文章を用意する

生成品質の差の多くは、パラメータではなくテキストから来ます。同じ音色でも、書き言葉の長い文と短い文では聴こえ方がまったく違い、原稿を「話す言葉」に直してから生成するほうが、スライダーを調整する繰り返しより効果的です。

直し方は3つ。長い文を短く切り、1文に要点を1つだけ残し、「〜を備える」「〜を目的とする」のような書き言葉の修飾を削ります。数字と略語は読ませたい通りにはっきり書き、型番、金額、年はそれぞれ独立した語にします。間は句読点に任せます。読点は小さな間、句点は呼吸。スペースでリズムを制御しないでください。

製品紹介の一節を例にします。原文：「本製品は全く新しい世代の自社開発エンジンを搭載し、高速、安定、使いやすさといった特性を備え、個人ユーザーから企業顧客まで、多様なシーンの多様なニーズに応えます。」口語化：「こちらが新世代の自社エンジンです。速い、安定もしている。個人でも、チームでも使えます。」

入力欄は現在の文字数上限でテキストを打ち切り、下に「現在 / 上限」の文字数カウントをリアルタイム表示します。上限の値はログイン状態によって変わります。確認方法は「始める前に利用枠と予想消費を確認するには」を参照してください。

言語で絞り込んで、音色を試聴する

右側のパネルには、既定でインターフェース言語に合わせた音色が1つ設定されています。中国語のインターフェースなら中国語の音色で、そのまま最初の1版を生成できます。声を変えたいときは、次の順で操作します。

1. 「音色を選択」をクリックして、音色ポップアップを開きます。
2. 上部の「音声モデル」の行でエンジンを切り替えます。Microsoft、Volcano Engine、MiniMax、Google、マイナー言語。各カードにそのエンジンの現在の音色数が表示され、正確な数は画面の表示に従います。
3. 「言語」ドロップダウンで、目標の言語に絞り込みます。選択肢は現在のエンジンの音色カタログから来ており、エンジンを替えると選択肢も変わります。
4. 必要に応じて「性別」ドロップダウン（女声、男声）と検索ボックスでさらに絞り込みます。右側には「N件の音色」と結果数がリアルタイム表示されます。
5. 音色のアバターにカーソルを合わせて再生をクリックし、サンプルを試聴します。サンプルがない音色は「この音色に試聴はありません」と表示されます。
6. 気に入ったカードの「選択」をクリックすると、ポップアップが閉じ、右側のパネルがその音色に更新されます。

試聴で再生されるのは音色に付属のサンプルで、あなたの入力テキストではありません。実際の効果を判断するには、短いテキストで1版生成して聴くのが一番です。エンジンに唯一の答えはありません。Microsoftエンジンは無料で言語のカバー範囲が広く、ページではVolcano Engineが解説・オーディオブック向け、MiniMaxは広告・キャラクターボイス向け、Googleはより多くの言語とアクセントをカバー、マイナー言語エンジンは民族・地域の言語をカバー、として位置づけられています。手元のタスクごとに1〜2種類の音色を試すほうが、結論を暗記するより確かです。

話速、音量、使えるパラメータを調整する

「音声設定」パネルでは、話速と音量の2つのスライダーが全エンジンで使え、3つ目の「ピッチ」はMiniMaxエンジンの音色を選んだときだけ現れます。値の範囲はエンジンごとに異なります。

パラメータは選んだエンジンに従い、音色をまたいで共通ではありません。別エンジンの音色に切り替えると、スライダーはそのエンジンの既定値へ自動で戻り、それまでの調整は保持されません。パネル下部の「パラメータをリセット」ボタンで、いつでも既定に戻せます。

調整の順番は、決めておくのがおすすめです。最初の生成は既定値で行い、聴いてから問題がリズムか音量かを確認し、対応するスライダーだけを動かします。1回に1項目。そうしないと、どの調整が効いたのか聴き分けられません。

生成後に一度聴いてから、MP3をダウンロードする

テキストと音色が整ったら「音声を生成」をクリックします。生成中は、ボタンが「生成中…」と表示されます。生成前にテキスト、音色、文字数が検証され、要件を満たさなければすぐヒントが表示されるので、むだな待ち時間はありません。結果が出たら、次の順で扱います。

1. ページ下部の再生バーで、最初から最後まで聴きます。再生バーには進捗、現在の時間、総時間、使用した音色名が表示され、進捗はドラッグできます。
2. 重点的に確認するのは3種類。人名、製品名、長い数字です。読み間違えの確率が最も高い箇所です。
3. 問題があれば、テキストの書き直しに戻ります。書き方の調整や句読点の増減をしてから新しい版を生成すると、新しい結果が前のものを置き換えます。
4. 問題なければ「MP3をダウンロード」をクリック。保存されるファイルはpixmind-tts-で始まり、拡張子は.mp3です。

サンプル音声の全文（音色：雲渓）：

ページに残る結果は1セグメントだけなので、複数の音声が必要なときは、1セグメントずつ生成、ダウンロードします。

始める前に、利用枠と予想消費を確認するには

利用枠の情報は推測不要で、すべて入力欄のすぐ下に表示されています。生成前に3か所を確認します。

1. 文字数カウント「X / Y文字」：未ログインと無料プランのYは100、有料会員は10000です。
2. カウントの脇のヒント表示：未ログインでは「無料トライアル2回・毎回最大100文字」、ログイン後の無料プランでは「無料ユーザーは毎回最大100文字」と表示されます。
3. 「予想消費」：Microsoftエンジン選択時は「無料」と表示され、クレジットは消費されません。有料エンジン選択時はクレジット数が表示され、100文字あたり10クレジットで計算、100文字未満は100文字として数えます。

未ログインの状態でトライアル回数を使い切ると、サーバー側は生成を拒否してログイン画面を出します。ログインすれば、続きを利用できます。音色ポップアップの試聴はこの制限を受けず、いつでも開いて聴けます。

よくある質問

どの声を無料で試せますか？

サンプルのある音色はすべて、ポップアップでそのまま試聴でき、ログインは不要です。生成は2類に分かれます。Microsoftエンジンの音色は無料で、登録なしで生成でき、未ログインでは2回・毎回100文字の制限があります。Volcano Engine、MiniMax、Google、マイナー言語エンジンの音色はログインが必要で、文字数に応じてクレジットを消費します。見分け方は簡単で、「予想消費」の場所に「無料」ラベルが表示されるか、クレジット数が表示されるかを見るだけです。

ダウンロードしたファイルの形式は？

MP3です。生成のたびに、再生バー右側の「MP3をダウンロード」で保存でき、ファイル名はpixmind-tts-で始まり、生成時刻のタイムスタンプが付きます。ページに残る結果は1セグメントなので、複数の内容は順に生成して、それぞれダウンロードしてください。

長いテキストは、どう区切ればよいですか？

まず現在の上限を確認します。未ログインと無料プランは毎回100文字、有料会員は10000文字で、超過分のテキストは生成できません。段落や文のまとまりで区切り、1セグメントずつ生成とダウンロードをします。同じ原稿は、できるだけ同じ音色で。エンジンを切り替えると話速や音量などのパラメータが既定値に戻ることに注意し、区切る前に調整済みの設定をメモしておきましょう。

今すぐ最初のMP3を生成する

100文字以内の製品紹介から始めます。短い文に書き直し、中国語の音色を1つ選び、既定のパラメータで生成、最初から最後まで聴いてから、話速の調整や声の変更が必要かを決めます。最初のMP3をローカルにダウンロードすれば、より長い原稿は、同じ流れの繰り返しにすぎません。

テキスト読み上げを開く。