Kokori

Kokoriは自分のマシン上でREST APIを動かし、ローカルポートで待ち受け、送ったテキストの音声を返す。プレーンテキスト、音声名、速度の値を送れば、数百ミリ秒で音声が返ってくる。SDKは要らない。クラウドの鍵も要らない。深夜2時にスプリントの真っ最中でもう一度テストを回したいときにぶつかるレート制限もない。

どの音声もKokoroエンジンを通じてローカルで動くため、インターネット接続がなくても生成は動き続ける。ネットがなくても問題ない。テキストと音声が外部サーバーに触れることは一度もない。クライアントのスクリプト、医療メモ、あるいは自分が管理していない第三者クラウドには絶対にリスクを負わせられない機密を扱うなら、この点は重要だ。

アプリには数十種の音声が付属し、アメリカ英語、イギリス英語、その他の言語に分かれ、それぞれに品質グレードが付く。上位の英語音声はスタジオ品質に近く、グレードの低いものは素早い草稿に便利だ。リクエストごとに音声を切り替えたり、既定の音声を設定したりできる。

KokoriはmacOSのメニューバーに常駐するため、ウィンドウを探さずに読み上げを起動できる。作業の邪魔にならず、それでいて今取り組んでいるものから1クリックの距離にある。

音声が話す速さと、高く聞こえるか低く聞こえるかを調整できる。速度1.0が標準だ。遅い読み上げは、スクリプトを校正するときや外国語の単語の発音を確認するときに役立つ。0.7まで下げれば、クライアントにファイルを送ったり世界に公開したりするずっと前に、音声が間違える音節の一つひとつが聞き取れる。

アプリはすべてのリクエストについて詳細なローカルログを残すため、何か壊れたときに入ってきたものと返ってきたものが正確に見える。無言の失敗が一番厄介だ。統合のバグを追う開発者にとって、読めるログはどんなときも当て推量に勝る。

文字数ごとの上限もスロットリングもない。ライセンスを一度持てば、好きなだけ音声を生成できる。これが、ヘビーなテストで従量課金のクラウドサービスより選ばれる主な理由だ。100行のテストを夜通し回しても、朝に誰かが請求書を送ってくることはない。モデルは机の下のMacで動いているからだ。