日本語読み上げがブラウザだけで動いた、サーバー不要の「piper-plus」
- 公開
- 正式公開 2025-03-22
- 作り手
- yousan(個人)
- 対応
- Web・Windows・Mac・Linux
- 言語
- 日本語・英語・中国語・スペイン語・フランス語・ポルトガル語
- 価格
- 無料(MIT ライセンス)
- 評価
- GitHub のスター 237(2026-10-22)
どんなアプリか
piper-plus は、文章を音声に変える音声合成(TTS)のエンジンです。軽量な音声合成エンジン Piper から枝分かれしたもので、日本語への対応と音質、学習の機能を強化したと説明されています。
文字を発音に直す処理(G2P)は8言語に対応しています。ただし、学習済みのモデルが用意されているのは日本語・英語・中国語・スペイン語・フランス語・ポルトガル語の6言語です。日本語では OpenJTalk を組み込み、アクセントなどの韻律の情報も扱います。
実行環境(ランタイム)は Python・Rust・C#・Go・JavaScript(WebAssembly)・C++ の6つが用意されています。pip・npm・cargo などのパッケージとして入れられるほか、GitHub Releases からビルド済みのプログラムを入手することもできます。
🔑 唯一の MIT ライセンス Piper フォーク — オリジナルの rhasspy/piper は 2025年10月にアーカイブ済み。
piper-plus の GitHub の README
README によると、もとの Piper は2025年10月にアーカイブされています。作り手は、espeak-ng を使わず独自の G2P を実装した MIT ライセンスのフォークであることから、商用利用や組み込み利用に向いていると説明しています。
日本語のモデルとしては「つくよみちゃん」の声のモデルが用意されています。ビルド済みの CLI では、モデルの名前を指定してダウンロードし、文章から音声ファイルを作ることができます。
料金とデータの置き場所
ライセンスは MIT です。
WebAssembly 版はブラウザの中で完全に動作し、サーバーを必要としません。公式サイトでは、6言語の中から言語を選んで文章を入力し、読み上げを試せるデモが公開されています。
これまでの更新
2026-10-10に、6言語の Zero-Shot/追加学習用のベースモデル「zs-v1」が固定版として公開されました。README では、機能の確認はしたものの、品質の承認を意味するものではないと説明されています。
2026-10-15には、同じベースに追加学習をしたつくよみちゃんのモデルが公開されました。実験版という扱いで、既存の tsukuyomi という名前で指定すると旧モデルが選ばれるため、新しいモデルは固定の URL から取得するよう案内されています。
同じ分野のアプリ
| 名前 | 型 | 仕掛け | 対応 | 料金 |
|---|---|---|---|---|
| piper-plus | 音声合成エンジン(OSS) | Piper のフォーク。6言語の学習済みモデルを Python・Rust・ブラウザなど6つのランタイムで使える | Web / Windows / Mac / Linux | 無料(MIT ライセンス) |
| sanoTTS-jp | 音声合成(OSS) | 559Kパラメータの日本語 TTS をマイコン ESP32-S3 上で実時間合成する試み | ESP32-S3(M5Stack CoreS3)/ ブラウザ(WASM) | 無料(OSS, MIT) |
| AivisSpeech / Aivis Project | 音声合成ソフト | 感情豊かな日本語音声をローカルPCで生成できる音声合成ソフトと、モデル共有基盤 | Windows / Mac(ローカル動作) | 無料(AivisSpeech) |
| Livetoon TTS | 音声合成 API | 短文120ミリ秒・長文760ミリ秒で生成する日本語音声合成を API で提供 | API | β参加者は初回100,000文字分の生成を無料 |
入れる前に
piper-plus は独自の G2P と音素の体系を使っているため、もとの Piper 向けに配られている音声モデルは使えません。
v2.0.0 では互換性のない変更が入り、Python の import 名と CLI 名が piper_plus/piper-plus に変わりました。1.13.0 から更新するときは移行ガイドを確認するよう案内されています。
Linux ARM64 向けの配布物は、Debian での起動と日本語合成をエミュレーター(QEMU)で検証していますが、Raspberry Pi の実機と Raspberry Pi OS では検証されていません。
声をまねる Voice Cloning は、6つのランタイムで、あらかじめ計算した話者の特徴量(speaker_embedding)の入力に対応しています。ただし、公開モデル zs-v1 で実際の推論を確かめたのは Python 版(piper-plus==2.0.0)に限られ、品質の承認はまだ行われていないと書かれています。