Piper TTSレビュー(2026):高速なローカル・ニューラル音声合成

歴史:RhasspyからOpen Home Foundationへ

Piperが実際にできること

• コマンドラインでの合成。 ダウンロード済みの声モデルとともにpython3 -m piperを実行すると、WAVファイルを生成したり、音声をスピーカーへ直接ストリーミングしたりできます。
• Python API。 PiperVoice.load()で声を読み込み、自分のPythonアプリケーションから.synthesize_wav()やストリーミング用の.synthesize()ジェネレーターを呼び出せます。
• HTTP Webサーバーモード。 Piperは常駐型のWebサーバーとして動作させることができ、声モデルをメモリ上に保持し続けるため、呼び出しのたびに発生するCLIの再読み込みコストを回避できます — 繰り返し利用や本番環境向けに推奨。
• C/C++ API(libpiper)。 旧Piperリポジトリから移植されたネイティブC++ライブラリとCLIで、Python以外のアプリケーションへPiperを組み込めます。
• 生の音素の直接指定。 テキストを`[[ ... ]]で囲むと、(espeak-ng --ipa=3`で得られる)IPA音素を直接渡せます。名前や専門用語の誤読を修正する際に便利です。
• オプションのGPUアクセラレーション。 --cuda(CLI)やuse_cuda=True(Python)を指定すると、onnxruntime-gpuパッケージ経由でCUDAアクセラレーションが有効になります。ただし、PiperはCPUのみでも十分実用的な速度で動くよう設計されています。
• コミュニティが学習した多言語音声。 数十の言語と地域バリエーションが、Hugging Faceから個別にダウンロードできる声モデルとして提供されています。各声は異なるコミュニティ貢献者が学習させているため、品質は声によって異なります。

Piperのインストールと実行:手順

1. 1
   Piperをインストールする。
   Why it matters: Python環境(Python 3.9以上を推奨)で`pip install piper-tts`を実行します。これで`piper`パッケージとそのONNX Runtime依存関係がインストールされます。CPUのみの利用であればGPUやCUDAのセットアップは不要です。
2. 2
   声を一覧表示してダウンロードする。
   Why it matters: 引数なしで`python3 -m piper.download_voices`を実行して利用可能な声を一覧表示し、次に`python3 -m piper.download_voices en_US-lessac-medium`を実行して特定の声をカレントディレクトリにダウンロードします。
3. 3
   コマンドラインから音声を合成する。
   Why it matters: `python3 -m piper -m en_US-lessac-medium -f test.wav -- 'This is a test.'`を実行してWAVファイルを書き出します。`ffplay`がインストールされていれば、`-f`フラグを省略することで保存する代わりにすぐに音声を聞けます。
4. 4
   (任意)CLIの代わりにPython APIを使う。
   Why it matters: アプリケーション内で繰り返し利用する場合、`from piper import PiperVoice; voice = PiperVoice.load("en_US-lessac-medium.onnx")`の後に`voice.synthesize_wav(text, wav_file)`を呼ぶことで、呼び出しのたびに発生するCLIの起動コストを避けられます。
5. 5
   (任意)GPUアクセラレーションを有効にする。
   Why it matters: `onnxruntime-gpu`パッケージをインストールし、CLIでは`--cuda`を、Pythonでは`PiperVoice.load()`に`use_cuda=True`を渡します。任意の設定です — PiperはCPUのみでもリアルタイムに動作するよう設計されています。
6. 6
   (任意)繰り返し利用のためにWebサーバーを実行する。
   Why it matters: 本番環境や繰り返し利用する構成では、PiperのHTTP Webサーバーモードを実行し、CLI呼び出しのたびに再読み込みするのではなく、声モデルをメモリ上に保持し続けるようにします。
7. 7
   (任意)生の音素で誤読を修正する。
   Why it matters: `espeak-ng -v en-us --ipa=3 -q <単語>`である単語のIPA音素を取得し、それを入力テキスト内で`[[ ... ]]`で囲むことで、その単語に対するPiperの自動発音を上書きします。

実際の使用例

• 生の音素の直接指定による発音修正:espeak-ng -v en-us --ipa=3 -q <単語>で得たIPA音素を使って、`The [[ bˈætmæn ]] not [[ bɹˈuːs wˈeɪn ]]`のようにテキストを囲みます。
• libpiper C/C++ APIは、Pythonランタイムなしでネイティブアプリケーションに直接Piperを組み込むためのpiper_create()(より細かい制御が必要な場合はpiper_create_with_options())を公開しています。

# コマンドライン:WAVファイルを書き出す
python3 -m piper -m en_US-lessac-medium -f test.wav -- "This is a test."

# コマンドライン:音声をすぐに再生する(ffplayが必要)
python3 -m piper -m en_US-lessac-medium -- "This will play on your speakers."

# Python API
import wave
from piper import PiperVoice

voice = PiperVoice.load("en_US-lessac-medium.onnx")
with wave.open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("Welcome to the world of speech synthesis!", wav_file)

# Python API:合成設定を調整する(速度・音量・表現力)
from piper import SynthesisConfig

syn_config = SynthesisConfig(
    volume=0.5,        # 半分の音量
    length_scale=2.0,  # 2倍遅く
    noise_scale=1.0,   # より多くの音声バリエーション
    noise_w_scale=1.0, # より多くの話し方のバリエーション
)
voice.synthesize_wav("Custom synthesis settings.", wav_file, syn_config=syn_config)

# Python API:GPUアクセラレーション(onnxruntime-gpuが必要)
voice = PiperVoice.load("en_US-lessac-medium.onnx", use_cuda=True)

# Python API:ストリーミング合成
for chunk in voice.synthesize("Streamed audio, chunk by chunk."):
    play_audio(chunk.audio_int16_bytes, chunk.sample_rate)

ライセンスとコスト

Piperが向いていない用途

• 表現豊かで感情的な、あるいは数秒での声のクローン。 Piperは事前学習済みの声モデルから音声を合成するのであって、特定の人物の短い参照音声から合成するわけではありません。数秒のサンプル音声から声をクローンしたい、あるいはより感情豊かな発話が必要な場合は、XTTS v2がそのために作られています — その(非商用の)ライセンス条件についてはPromptQuorumのローカルTTSライセンスガイドを参照してください。
• 短いサンプルからのマルチスピーカー・クローン。 同様に、Piperには特定の話者の音声サンプルからその場で新しい声を生成する仕組みは組み込まれていません。各声は個別に学習・配布されたモデルです。
• クローズドソース製品におけるGPL-3.0コピーレフトの義務。 Piper自身のソースコードを改変してクローズドソースのバイナリの中で配布するようなユースケースの場合、現行リポジトリのGPL-3.0-or-laterライセンスは、元のMITライセンスのリポジトリにはなかった実質的な制約となります。上記のライセンスとコストのセクションを確認し、そのような導入の前に弁護士に相談してください。
• すべての言語で一貫した音声品質の保証。 声は異なるコミュニティメンバーによって学習・提供されているため、言語や声によって品質が大きく異なります — 本番アプリケーションでPiperの採用を決める前に、対象言語のサンプルを確認してください。
• 長期的な保守の確実性。 本記事公開時点で、プロジェクト自身のREADMEはOpen Home FoundationがPiperの追加メンテナーを募集していると述べています。これは、重要なインフラをその上に構築する判断をする際に考慮すべき点です。

Piperの代替ツール

よくある質問

総評

出典

• GitHub上のOHF-Voice/piper1-gpl — 実際に保守されているリポジトリ:README、ドキュメント、ライセンス、リリース履歴。
• PyPI上のpiper-tts — 公開されているパッケージメタデータ。現行のGPL-3.0-or-laterライセンスを含む。
• GitHub上のrhasspy/piper — 今はアーカイブされている元のリポジトリ(MITライセンス)。
• piper1-gplのリリース — v1.8.0(2026年9月4日)を含むバージョン履歴。
• Open Home Foundation — PiperとHome Assistantを保守する非営利団体。

関連記事

• ローカルTTSと声のクローンのライセンス:Piper、XTTS v2、F5-TTS、Coqui — 主要なローカルTTSエンジン全体のライセンス比較。
• ElevenLabs対Piper対XTTS v2 — 自前ホスティングを検討する読者向けのクラウド対ローカル比較。
• 2026年版・完全オフライン音声アシスタントの構築 — Piperをローカルなら LLMおよびWhisperベースのSTTエンジンとつなぎ、完全な音声パイプラインを構築する方法。
• Whisper.cppレビュー — 同じ深さで解説したローカル音声認識の対となる記事。
• faster-whisperレビュー — 同じ深さで解説したCTranslate2ベースの音声認識の代替。