TTS（音声合成）
英語 text-to-speech (TTS)
TTS（音声合成）は、文字で書いた文章をコンピューターが人の声のように読み上げる技術です。録音なしで案内音声やナレーションを作れますが、対応言語や利用条件は道具ごとに違います。
TTS（音声合成）は、文字の文章を入れると、コンピューターが決まった声で読み上げて音声ファイルを作る技術です。楽譜を入れると一人で演奏する自動ピアノに似ています。Google Cloudの説明書は、文章を音声データに変える処理を「合成」と呼び、結果をMP3などのファイルで返すと書いています。声は言語・性別・なまりによって選べます。
気をつけたい点 使いたいモデルが日本語に対応しているかを先に確かめてください。たとえばParler-TTS Mini v1は、モデルページで英語用とされています。作った音声をお店の動画やホームページで使うなら、利用条件も確認が必要です。ElevenLabsは、商用利用の権利は有料プランだけと案内しています。数字や略語の読み方がおかしいときは、SSMLという書き方のルールで読み方を直せます。
出典: Google Cloud ドキュメント・ElevenLabs ドキュメント・Hugging Face Parler-TTS モデルページ・W3C SSML