Speechgenとは

Speechgenは5,000以上の音声と150言語に対応するAIテキスト読み上げサービス。音質はStandard・HD・PROの3段階から選べ、MP3・WAV・FLAC形式で書き出せる。サブスクリプション不要のクレジット制で、必要な分だけ購入して使う料金体系が特徴。アカウント登録なしでも1,000文字まで無料で試せる。

主要機能

3段階の音質と5,000以上の音声: Standard・HD・PROの3ティアから用途に応じて音質を選択でき、150言語・5,000以上の音声をカバーする。

SSMLによる細かな制御: <break time="1s"/> のようなSSMLタグをテキスト内に直接記述でき、ポーズの長さ・効果音の挿入・強調箇所を指定できる。

複数話者・ファイル分割: <話者名>タグで段落ごとに話者を割り当てられるほか、<cut>タグを使えば1本のスクリプトを章・セクションごとに複数の音声ファイルへ自動分割できる。

Smart Cache: 直前に生成した音声と同一内容を再生成する場合、クレジットが消費されない。誤字修正や読み上げチェックのやり直しでコストがかからない。

BGM合成・音声プレビュー: 内蔵音楽ライブラリまたは自前の音源を音声とミックスして書き出せる。変換前に音声・速度・ピッチの組み合わせを無料でプレビューできる。

想定ユーザー

動画ナレーション、eラーニング教材、IVR/電話音声、多言語ローカライズなど、音声コンテンツを継続的に制作する担当者向け。サブスクではなくクレジットの都度購入方式のため、制作量が月によって変動するチームに向く。