私は Podcast を細々とやってる。くだらない内容だけど、 200 回を数えるぐらいになっている。最近はタイトルなどを macOS 上で動く人工音声ソフトである VOICEVOX を使っている。最近になって「 CoeFont ( コエフォント ) 」というサービスがあることを知った。

VOICEVOX と CoeFont

VOICEVOX はザックリ言うと OSS のエンジン部分にライセンスを持った音声データを組み合わせたものです。

一言でいうと、キャラクターが含まれているか、含まれていないかです。 キャラクターは多くの場合 OSS と相反するライセンスを持っているため、 OSS にすることができません。 例えば、キャラクターのライセンスによくある「公序良俗に反する利用の禁止」や「反社会的勢力の排除」は、オープンソースの定義の１つである「利用する分野に対する差別の禁止」と衝突します。

The Open Source Definition https://opensource.org/osd

そのため VOICEVOX では、キャラクターの要素（声や見た目）を含まない OSS 版と、 OSS 版をもとに構築してキャラクターの要素を含めた製品版を分けて開発・配布しています。

voicevox/ 全体構成 .md at main · VOICEVOX/voicevox · GitHub

CoeFont の方は、商用のエンジン部分にユーザーも作成可能な音声データを組み合わせたものと判断しています。

AI 音声プラットフォーム「 CoeFont （コエフォント）」は、「いい声を、いつでも、手軽に、使いたい分だけ。」をコンセプトに、最新の AI 技術を活用し、「声」を表現力豊かな「フォント」に変換することで、だれもが、安価で、簡単に利用できる音声サービスです。

Products - 株式会社 CoeFont

CoeFont の方はすでに 5,000 を超える「声」を選択できます。この辺圧倒的ですね。

CoeFont を使った感想

まだ無料で使える部分しかいじっていませんが、品質は VOICEVOX と同等かそれ以上という感じです。 VOICEVOX でもそうなのですが、 CoeFont でもイントネーションを細かく設定できません。「上がる」「下がる」で指定できるだけです。微妙なところはまだ手が届かない感じです。

VOICEVOX を長く使ってきていますが、長いフレーズに対応していない。という弱点があります。 CoeFont ではワンフレーズ 300 文字に限定されています。 VOICEVOX では 100 文字程度を超えるフレーズも警告が出ますが使えます ( 品質は悪くなる ) 。 300 文字というのは日本語のセンテンスとしても少々不足するかな。といった感じ。ただ、音声をつなげるという機能があるため、文章を分割して後でつなげるという感じで長いセンテンスを生成できますね。

本当にザックリとしか使っていませんが、 CoeFont の最大の利点は「コエフォント」という名前の通り、 5,000 を超える声のキャラクターを選択できる点にあります。自分の声を登録することもできます。そこにメリットを感じれば、 CoeFont を選択すればいいんだろうな。と思ってます。

私はどうするかというと

端的に言えば、 VOICEVOX を使い続けることにしようと思います。 Lite プランで 500 円 / 月という CoeFont の価格設定と、 VOICEVOX の機能を比較すると VOICEVOX に軍配を上げると言うことです。自分の声を登録して CoeFont を使うことで今行っている Podcast の手間を短くできるか？ それは 500 円 / 月の価値があるか。そこでしょうね。

棒読みかもしれないけど、 Podcast には肉声を載せていこうと思います。ただ、 CoeFont も面白いサービスですので、フリーの登録をしておきました。このブログの Podcast には、肉声バージョンと、 CoeFont バージョンの 2 つを用意してみようかなと思います。

面白いサービスが続々と出てきますね。楽しいです。使う使わないは別にして、いろんな技術をかじっていくことで、ちょっとでもスキルアップにつながればいいなぁ。