日本語特化型 Amane TTS 音声合成システム

40万時間規模の日本語専用データで学習し、Dual-AR × GFSQ × FF-GAN アーキテクチャを統合した音声合成システムです。

わずか8〜15秒の参照音声から、高速かつ高精度に声紋と感情をクローニングできます。

優れた感情表現力

高精度な発音

高速声紋クローニング

すべての比較サンプルは同じ声紋クローニング技術を使用して生成され、公平で客観的な比較基準を保証します。

システム特性概要

Slow & Fast Transformer の直列アーキテクチャで意味の安定性と音響の精細さを確保
Grouped Finite Scalar Vector Quantization でコードブック利用率 ≈ 100%
FF-GAN ボコーダーと ParallelBlock で高忠実度出力を提供
LLM 駆動の言語特徴抽出により、G2P フロントエンドなしで多言語対応
わずか8〜15秒の参照音声で声紋と感情を再現

Audio Showcase

試聴比較 · 自然な会話シーン

以下では、8種類の自然な会話シーンを用いて、Amane TTS と商用 TTS モデルの合成音声を比較しています。両モデルとも同一の声紋クローニングプロセスを用いて音声を生成しており、客観的かつ公正な評価が可能です。

ヒント：Amane TTS は8〜15秒の参照音声から高速な声紋クローニングが可能です。

Sample 01

ショッピングアドバイス · 感情表現

ねえねえ、正直に言って！この色、私に似合う？なんか派手すぎない？でも春だし、明るい色着たいんだよね〜。え？いける？本当に？友達だからって嘘つかないでよ〜？じゃあ買っちゃおうかな、あ、でもクレジットの請求やばいかも。

Amane TTS 女性キャラクター

評価：優秀

✅ 躊躇と高揚感が自然に入り交じり、感情のレイヤーが豊か

商用 TTS モデル Speech-2.6-HD

評価：普通

⚠️ 感情表現が平坦で、会話感に欠ける

Sample 02

ダイエット計画 · 対話インタラクション

ねえ、一緒にダイエットしない？夏までに絶対5キロ痩せたいの！え？無理？なんで〜？一緒にやれば続くって！ジムは高い？じゃあ毎朝ランニングとか？あー、朝起きれない？私も〜。じゃあ夜ご飯だけ炭水化物抜くのは？

Amane TTS 女性キャラクター

評価：優秀

✅ 会話のリズムが自然で、感情の切り替えがスムーズ

商用 TTS モデル Speech-2.6-HD

評価：やや劣る

❌ 対話としてのインタラクション性が弱く、イントネーションが単調

Sample 03

美容相談：迷いのニュアンス

今日はどうしようかな〜。あ、そうだ、前髪作ろうかと思ってるんですけど、似合いますかね？でも朝のセット面倒くさそうで。え？簡単？本当ですか？じゃあお願いします！あ、でも短すぎないようにしてくださいね、眉毛の下くらいで。

Amane TTS 女性キャラクター

評価：優秀

✅ 躊躇から決断への感情変化が自然でスムーズ

商用 TTS モデル Speech-2.6-HD

評価：普通

⚠️ 感情の変化が不明瞭で、表現がやや平坦

Sample 04

恋愛の悩み · 複雑な感情

聞いてよ〜、彼氏がさ、また約束忘れてたの！今回で3回目だよ？ひどくない？しかも『ごめん、仕事で忙しくて』って、それ言い訳でしょ？あー、もう別れようかな。え？まだ好き？うん…好きだけどさ〜、でもこういうのって直らないよね？

Amane TTS 女性キャラクター

評価：優秀

✅ 怒り、無力感、葛藤などの複雑な感情の層が明確

商用 TTS モデル Speech-2.6-HD

評価：やや劣る

❌ 感情表現が単一で、聞き手を引き込む力に欠ける

Sample 05

旅行計画 · 興奮と期待

韓国行きたくない？コスメも安いし、料理も美味しいし！いつがいい？来月の連休は？え？もう予定ある？じゃあ再来月は？いける？やった〜！ホテルどこにする？明洞の近く？江南？どっちも行きたいよね〜！

Amane TTS 女性キャラクター

評価：優秀

✅ ワクワクした感情が豊かに表現され、会話の一体感も高い

商用 TTS モデル Speech-2.6-HD

評価：普通

⚠️ 興奮感が不足し、語調の変化が限定的

Sample 06

おしゃべり · 驚きと困惑

で、昨日何があったと思う？田中くんがさ〜、急に『今度二人で飲みに行かない？』って！びっくりしちゃった〜。えっ、行くかって？うーん、悪い人じゃないけど、タイプじゃないんだよね〜。でも断り方が難しくて。どう断ればいいと思う？

Amane TTS 女性キャラクター

評価：優秀

✅ 驚きと困惑の感情表現が繊細でリアル

商用 TTS モデル Speech-2.6-HD

評価：普通

⚠️ 感情の起伏が不十分で、表現力に欠ける

Sample 07

買い物の決断 · 葛藤と衝動

ねえ、ちょっと見て見て！これ超可愛くない？あ、でも5千円か〜、うーん、どうしよう。え？似合う？本当？じゃあ試着してみる！あ、でもさ、これ着ていく場所あるかな？

Amane TTS 女性キャラクター

評価：優秀

✅ 葛藤から衝動買いへの感情転換が自然

商用 TTS モデル Speech-2.6-HD

評価：やや劣る

❌ 感情の移り変わりが不明瞭で、生き生きとした躍動感に欠ける

Sample 08

ネイル相談 · 選択と決断

今回どんなデザインにしようかな〜。春っぽいのがいいけど、ピンクは飽きちゃった。あ、このフレンチ可愛い！でも仕事的に大丈夫かな？派手すぎる？そんなことない？じゃあこれで！ストーン少なめでお願いします〜。

Amane TTS 女性キャラクター

評価：優秀

✅ 思考から決断への過程が自然で、語調が親しみやすい

商用 TTS モデル Speech-2.6-HD

評価：普通

⚠️ 語調の変化が単調で、親しみやすさが不足

Evaluation

評価まとめ

商用 TTS モデル（Speech-2.6-HD）と同一条件で比較した結果、Amane TTS は自然な会話シーンにおいて優れた感情表現と対話性を発揮し、日常会話に見られる微妙な感情の揺れを的確に捉えて表現できることが確認できました。

コア優位性

Amane TTS は、実際の会話シーンで高いパフォーマンスを発揮する日本語特化型 TTS です。 40万時間分の日本語専用データによる学習と Dual-AR × GFSQ × FF-GAN アーキテクチャにより、日常会話における複雑な感情の動きを精度高く再現します。興奮、躊躇、葛藤、怒り、驚きなど多様な感情状態に対応し、8〜15秒の参照音声から声紋クローニングを完了できます。日本語音声合成分野において、トップクラスの技術水準を備えたシステムと言えます。

感情表現が繊細かつリアルで、感情のレイヤーが明瞭

対話としての一体感が強く、会話のリズムが自然で滑らか

複雑な感情の切り替えが正確で自然

韻律処理が正確で、発音が明瞭

高速声紋クローニング · 8〜15秒の参照音声

40万時間の日本語データで深く最適化