ONNX Runtime上でKokoroモデルを実行し、CPUとGPUに対応したオフライン音声合成用Pythonパッケージ。
OHF-Voice/piper1-gpl
espeak-ngで音素変換を行う、高速なローカル実行型ニューラル音声合成エンジン。pipでインストールできます。
- スター
- 5,946
- フォーク
- 579
- 未解決の Issue
- 149
- 最終コミット
- 4 日前
これは何?
Piperはマシン上でローカルに動作するニューラル音声合成エンジンです。テキストをクラウドサービスに送信せずに音声へ変換できます。音声をニューラルモデルで生成する前に、テキストを音素へ変換する処理を担うespeak-ngを組み込んでいます。
プロジェクトはpiper-ttsとしてpipでインストールでき、コマンドラインインターフェース、HTTP APIを備えたWebサーバー、Python API、libpiper経由のC/C++ APIなど、複数の利用方法を提供しています。音声データは別途配布されており、新しい音声の学習方法やプロジェクトを手動でビルドする方法についてのドキュメントもリポジトリに含まれています。
Piperは、音声アシスタント、アクセシビリティツール、低スペックのハードウェアで動作するアプリケーションなど、オフラインでの音声出力を必要とする開発者を想定しています。Home Assistantや複数のコミュニティプロジェクトで、音声合成バックエンドとして利用されています。
主な機能
- 01クラウドサービスを使わず、すべてローカルで動作します。
- 02espeak-ngを使ってテキストを音素に変換します。
- 03piper-ttsとしてpipでインストールできます。
- 04コマンドラインインターフェース、HTTPサーバー、Python API、C/C++ APIを提供します。
- 05新しい音声の学習に関するドキュメントが含まれています。
ユースケース
- 音声アシスタントやスマートホームシステムに、オフラインでの音声出力を追加する。
- インターネット接続なしで動作するスクリーンリーダーやアクセシビリティ機能を構築する。
- スクリプトやバッチ処理で、テキストからナレーション音声を生成する。
- libpiperを通じて、C/C++アプリケーションに音声合成を組み込む。
クイックスタート
- 1
pip を使って PyPI から Piper をインストールする
pip install piper-tts
使う前に知っておきたいこと
- README にはインストール後の使用例が記載されていないため、実行方法はリンク先のドキュメントを確認する必要があります。
- 新しい音声のトレーニングと手動でのビルドについては、それぞれ別のドキュメントページにのみ記載されています。
トピック
よくある質問
- piper1-gpl とは?
- espeak-ngで音素変換を行う、高速なローカル実行型ニューラル音声合成エンジン。pipでインストールできます。 Piperはマシン上でローカルに動作するニューラル音声合成エンジンです。テキストをクラウドサービスに送信せずに音声へ変換できます。音声をニューラルモデルで生成する前に、テキストを音素へ変換する処理を担うespeak-ngを組み込んでいます。
- piper1-gpl は無料で使えますか?ライセンスは?
- piper1-gpl は GPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- piper1-gpl は今もメンテナンスされていますか?
- 活発にメンテナンス中。piper1-gpl の最終コミットは 2026年10月17日 です。
- piper1-gpl は何に使えますか?
- 音声アシスタントやスマートホームシステムに、オフラインでの音声出力を追加する。 インターネット接続なしで動作するスクリーンリーダーやアクセシビリティ機能を構築する。 スクリプトやバッチ処理で、テキストからナレーション音声を生成する。 libpiperを通じて、C/C++アプリケーションに音声合成を組み込む。
- piper1-gpl のインストール方法は?
- pip を使って PyPI から Piper をインストールする: pip install piper-tts
- piper1-gpl はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/OHF-Voice/piper1-gpl
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
KittenTTS 2で5秒の音声から声を複製し、CPU上でリアルタイムに動作するオープンソースの音声合成ライブラリ。
8,200万パラメータのオープンウェイト音声合成モデル、Kokoro-82MのPython推論ライブラリ。
Sopranoは、CUDA・CPU・MPSに対応し、ストリーミング出力が可能な超軽量のオンデバイス音声合成モデルです。
Microsoftによるオープンソースの音声AIモデル群。長時間音声の認識(ASR)、複数話者の音声合成(TTS)、リアルタイムストリーミングTTSに対応。
VoxCPM2は、30言語に対応し、テキストの説明からの音声設計や短い参照音声からの音声クローンが可能な、オープンソースのトークナイザーフリー音声合成モデルです。