【まほろば】Windowsの音声合成エンジンの比較

Windowsの音声合成エンジンの比較

投稿者：マーチン　 2016年6月5日　
カテゴリ：障碍者全般::音声合成

　Windows で使用できる音声合成エンジンで、音質と読み間違い率を比較しました。Windows10になってから、ストアアプリで使える Microsoft Ayumi Mobile と Microsoft Ichiro Mobile が追加されたので、その実力を確認しようというのが最初の動機です。ついでに、iOS の音声エンジンとの比較もしました。
　2016/06/05　Vocalizer Kyoko と CeｒeVoice Yuki を追加しました。

●比較方法

　以下の23個の単語を、いろんな音声合成エンジンに読ませて、正しく読めるかを調べました。単語はランダムに抽出したのではなく、Microsoft Speech Platform のHARUKA で読めないものが、他の音声合成エンジンで読めるのかというスタンスで行ったので、結果的に HARUKAさんには不利になってしまいました。

お金、右端、最小値、大文字、小文字、高齢者、無変換、自動的、公平、火山、月末、既読、空行、予定日、化粧品、連絡帳、補助金、宅配便、管理人、青色申告、windows、text、delete

　音声のファイル化には、Microsoft Speech Platform が使える TextToWav と、Open JTalk が使えるテキストーク　を使用させてもらいました。

●試した音声エンジン

(1)Microsoft Haruka Platform

種別：Microsoft Speech Platform Ver.11
動作環境：Windows Vista / 7, Windows Server 2003 / 2008
関連記事：【まほろば】無料の音声合成エンジン「Microsoft Speech Platform 11」

(2)Microsoft Haruka Desktop

種別：SAPI5 （Speech Application Programming Interface 5）
動作環境：Windows 10 / 8 　（OSに標準搭載、デスクトップアプリ用）
関連記事：【まほろば】SAPI5 対応の日本語音声合成エンジンのインストール

(3)Microsoft Ayumi Mobile

動作環境：Windows 10 / 8、Windows Phone　（OSに標準搭載、ストアアプリ用）
従来の .NET Framework 環境ではなく、UWP （Universal Windows Platform）環境で使えるエンジン。

(4)ドキュメントトーカけいこ

種別：SAPI5 （Speech Application Programming Interface 5）
動作環境：Windows 10 / 8 / 7 / Vista / XP
関連サイト：ドキュメントトーカ Plus
日本語音声合成エンジンのご提供についてで、障碍者向けに無料提供されたエンジン。

(5)Nuance Vocalizer (ニュアンスボカライザー) Kyoko

種別：SAPI5 （Speech Application Programming Interface 5）
関連記事：【まほろば】SAPI5 対応の日本語音声合成エンジンのインストール２

(6)CeｒeVoice Yuki (セレボイスユキ)

種別：SAPI5 （Speech Application Programming Interface 5）
関連記事：【まほろば】SAPI5 対応の日本語音声合成エンジンのインストール２

(7)Open JTalk mei

種別：Open JTalk
動作環境：Windows 10 / 8 / 7 / Vista
但し、対応しているソフトが必要です（NVDA、テキストーク）
関連記事：【まほろば】Open JTalk の音響モデルを試す

(8)番外編：iOS

動作環境：iPhone iPad 　
再生方法：「メモ」で文字列を入力し、すべて選択して [読み上げ] を実行

●比較結果

　音声エンジンを比較してこんなことが分かりました。

「Haruka Desktop」と「Ayumi Mobile」の読み上げ精度はほぼ同じ。
「Haruka Desktop」は「Haruka Platform」から改善されているものの、スクリーンリーダーとして使うにはまだ不十分と感じる。
「Haruka Desktop」の方が「Ayumi Mobile」よりも、なめらかに聞こえる。
「ドキュメントトーカけいこ」と「JTalk mei」は、読み上げ精度に問題はないが、音質があまり良くない。
iOS の音声エンジンは、読み上げ精度に問題はなく、音質も許されるレベルだと思う。
独断で音質のよい順位は、　HARUKA ＞ Ayumi≒iOS ＞けいこ≒ｍｅｉ
NVDA や TextToWav 等のソフトには、辞書登録できる機能があるので、読めない単語を登録すれば少しは改善できるが、全ては対応しきれない。

　Microsoft が標準でつけている音声エンジンは、どれも満足のいかないものなので、日本語環境だけの話ですが、Apple ができている環境がＭｉｃｒｏｓｏｆｔは提供できていないと言えます。

●比較したデータの詳細

　スピーカーのアイコンをクリックすると、サンプル音声を再生できます。

単語	Haruka Platform	Haruka Desktop	Ayumi Mobile	DTalker けいこ	Vocalizer Kyoko	CeｒeVoice Yuki	JTalk mei	iOS

お金	×	○	○	○	○	○	○	○
右端	×	○	○	○	○	○	○	○
最小値	×	○	○	○	○	○	○	○
大文字	×	○	○	○	○	○	○	○
小文字	×	○	○	○	○	×	×	○
高齢者	×	○	○	○	○	○	○	○
無変換	×	○	○	○	○	○	○	○
自動的	○	○	○	○	○	○	○	○
公平	×	×	×	○	○	○	○	○
火山	×	×	×	○	○	○	○	○
月末	×	×	×	○	○	○	○	○
既読	×	×	×	○	○	×	×	○
空行	×	×	×	○	×	×	×	○
予定日	×	×	×	○	○	×	○	○
化粧品	×	×	×	○	○	○	○	○
連絡帳	×	×	×	○	×	○	○	×
補助金	×	×	○	○	○	○	○	○
宅配便	○	×	○	○	○	○	○	○
管理人	×	×	×	○	○	○	×	○
青色申告	×	×	×	○	○	○	○	○
windows	○	○	○	○	○	×	○	○
text	×	×	×	○	○	○	×	○
delete	×	○	○	○	○	○	×	○

●余談

　Visual Studio 2015 をインストールして、Microsoft Ayumi Mobile と Microsoft Ichiro Mobile が使える読み上げアプリを自作してみました（公開はしません）。Microsoftは、UWP環境を今後の主流にしたいだろうけど、思うように普及するのだろうか。

◆関連記事

<<前の記事　次の記事>>