VOICEVOX

### 完全無料・商用OK、日本語AI音声合成のデファクトスタンダード VOICEVOXは、商用利用も含めて完全無料で使えるオープンソースの日本語AI音声合成エンジンです。「ずんだもん」「四国めたん」「春日部つむぎ」など33種類以上のキャラクター音声を搭載し、テキストを入力するだけで自然な日本語ナレーションを生成可能。YouTube動画のナレーション制作、ゲーム・アプリ内音声、eラーニング教材、ポッドキャストなど、声優手配が予算的にハードルとなる中小制作チームや個人開発者の音声制作工程を、ライセンス費ゼロで内製化できます。 ### 主要機能 - **33種類以上のキャラクターボイス**: 用途・トーン別に使い分け可能。1動画で複数キャラの掛け合いも実装でき、外部声優手配（1本3-5万円相当）が不要に。 - **感情スタイル切り替え**: 「あまあま」「ツンツン」「なみだめ」など各キャラ固有の感情パラメータに対応。シーン別の表現出し分けが、収録スタジオ拘束なしで可能。 - **詳細パラメータ調整**: 話速・音高・抑揚・音量をモーラ単位で微調整。10分のナレーション原稿で従来3-4時間かかっていた収録・修正サイクルが、約30-60分の調整作業に圧縮できる構造。 - **HTTP APIサーバー同梱**: ローカルでREST API起動が可能で、自社CMSや動画自動生成パイプラインへの組み込みが可能。Windows/Mac/Linux対応、オフライン動作で社内データを外部送信せずに処理できる。 ### 編集部の検証メモ 公開ライセンスと機能要件を競合と比較すると、A.I.VOICE（9,680円〜／キャラ）、CeVIO AI（9,020円〜）、VOICEPEAK（有料買い切り）に対し、VOICEVOXはエンジン本体・キャラ音声ともに無料で商用利用可能という点で突出しています。クラウド型のCoeFontやGoogle Text-to-Speechと比較すると、ローカル実行のため従量課金が発生せず、月100本規模のナレーション制作でも追加コストはゼロ。週2本のYouTube動画ナレーションを外部委託（1本2万円想定）から内製化した場合、年間で約200万円規模のコスト削減試算が成り立ちます。一方で、商用利用時は「VOICEVOX:ずんだもん」等のキャラ別クレジット表記が必須で、利用規約はキャラごとに異なるため、案件ごとの確認運用は前提になります。 ### 想定ユーザー YouTuber、同人ゲーム開発者、eラーニング・解説動画を量産する教育系事業者、社内研修動画を内製化したい中小企業に最適です。一方、英語・多言語ナレーションが必要なグローバル展開案件や、キャラクター性を排した完全に中立なコーポレートトーンが必須のブランド向けには、別エンジンとの併用が現実的です。

VOICEVOXには無料(無料)のプランがあります。

VOICEVOXの代替としてElevenLabs、Rimo Voice、Notta、RevComm MiiTelなどがあります。

完全無料で商用利用も可能。多数のキャラクターボイスから選択できる。イントネーションやアクセントを細かく調整できる。オフラインで動作するためプライバシーが守られる。オープンソースでコミュニティが活発。

自然な発話にはイントネーション調整の手間がかかる。英語など日本語以外の言語には対応していない。リアルタイム生成には高スペックPCが必要。キャラクターごとに利用規約が異なり確認が必要。GUIの操作に慣れるまで時間がかかる。