VOICEVOX

無料で使えるテキスト読み上げ・歌声合成ソフトウェア。ヒホ（ヒロシバ）が 2021年に公開。ずんだもん等のキャラクターボイスで知られる。

何をするものか

テキストを入力すると、選んだキャラクターの声で読み上げ音声を生成する。VTuber の動画制作、ゲームの音声、ナレーション、解説動画など幅広く使われている。

アーキテクチャ

3つのモジュールで構成されている。

flowchart LR
    Editor["エディター<br/>Electron + Vue"] -->|テキスト・調整| Engine["エンジン<br/>Python"]
    Engine -->|音素・アクセント| Core["コア<br/>Rust + ONNX"]
    Core -->|音声波形| Engine
    Engine -->|WAV| Editor

モジュール	役割	技術
エディター	GUI。テキスト入力、イントネーション調整	Electron + Vue
エンジン	テキスト解析、音声合成 API サーバー	Python (FastAPI)
コア	ディープラーニングによる音声波形生成	Rust + ONNX Runtime

エンジンは HTTP API を提供するので、GUI を使わずプログラムから直接呼び出せる（localhost:50021）。

特徴

文字単位のイントネーション調整 — ピッチやアクセントを細かく編集できる
感情スタイル — キャラクターごとに「ノーマル」「あまあま」「ツンツン」等のスタイル
オープンソース — エディター・エンジン・コアすべて GitHub で公開
ローカル実行 — クラウド不要。オフラインで動く
API 提供 — さくらインターネットが VOICEVOX ベースの TTS API を提供（2026年〜）

キャラクター

20 キャラ以上が標準搭載。キャラクターごとに複数スタイル（ノーマル、あまあま、ツンツン、セクシー、ささやき等）がある。

代表的なキャラクター: ずんだもん、四国めたん、春日部つむぎ、雨晴はう、波音リツ、玄野武宏、白上虎太郎、青山龍星、冥鳴ひまり、九州そら、もち子さん、剣崎雌雄、WhiteCUL、後鬼、No.7、ちび式じい、櫻歌ミコ、小夜/SAYO、ナースロボ＿タイプＴ等。

男声・女声・中性と幅広い。ただし カスタム音声の追加機能はない（プリセットのみ）。オリジナル声が必要な場合は Style-Bert-VITS2 や COEIROINK を検討。

推論速度（AITuber 用途）

環境	レイテンシ	AITuber 適性
GPU あり	100〜300ms	実用的。ネットワーク往復がないのでクラウド TTS より速い場合が多い
CPU のみ	1〜3s	実用ギリギリ。長文で顕著に遅延

AITuber 用途では GPU 必須。GPU があれば AivisHub（クラウド API、500ms〜1.5s）よりむしろ速く、しかも TTS コスト ¥0。

ライセンス — ソフトウェアとキャラクターは別

VOICEVOX で最も注意すべき点: ソフトウェアのライセンスとキャラクターのライセンスは別物。

flowchart TB
    subgraph soft["ソフトウェア（LGPL 等）"]
        S1[エディター・エンジン・コアの<br/>プログラムそのもの]
    end

    subgraph chara["キャラクター（各キャラの利用規約）"]
        C1[ずんだもん → 東北ずん子プロジェクト]
        C2[春日部つむぎ → つむぎ公式]
        C3[四国めたん → 東北ずん子プロジェクト]
        C4[その他キャラ → 各権利者]
    end

    soft -.- |別のライセンス| chara

ソフトウェアのライセンス

オープンソース。改変・再配布・組み込みが可能。ロボット、観光案内、クラウドシステム等への応用も OK。

キャラクターの商用利用

条件	ルール
クレジットあり商用利用	無料で OK（「VOICEVOX:キャラクター名」と表記）
クレジットなし商用利用	有料（1キャラクターあたり40万円+税の契約が必要）
禁止事項	信用・品位を損なう利用、公序良俗に反する利用

クレジットの書き方: VOICEVOX:ずんだもん のようにソフト名とキャラ名を併記。動画なら概要欄に記載。

キャラクターごとに規約が違う

キャラクターの権利者はそれぞれ異なるため、詳細な禁止事項（R-18 の可否など）はキャラクターごとに確認が必要。

VTuber ワークフローでの位置

flowchart LR
    Script[台本テキスト] --> VOICEVOX
    VOICEVOX --> WAV[音声ファイル]
    WAV --> Edit[動画編集ソフト]
    Avatar[VRM アバター映像] --> Edit
    Edit --> Upload[YouTube 等にアップロード]

動画制作で広く使われる。GPU があればリアルタイム生成も 100〜300ms で可能なため、AITuber のライブ配信にも適用可能。ずんだもんは AITuber 採用例が特に多い。

類似ソフト

ソフト	特徴
VOICEVOX	無料・OSS・キャラ多数
AivisSpeech	VOICEVOX フォーク。高品質
COEIROINK	無料。独自キャラ
CeVIO AI	有料。高品質。商用向け
A.I.VOICE	有料。KOTONOHA シリーズ