同人音声やASMR、エロボイス制作でAIを使いたい人にとって、2026年前半の大きなニュースが Irodori-TTS の登場でした。Aratako氏が開発した日本語特化・完全無料・ローカル動作のオープンソース音声合成AIで、絵文字による感情指定という独特の設計と、そこそこ扱いやすいセットアップで、公開直後から広く使われ始めています。
この記事は「Irodori-TTS を最短で使えるようにする」ためのガイドです。導入手順、基本の使い方、他のTTSとの比較、そして同人音声・NSFW音声への活用まで、実務目線で整理します。
公式：github.com/Aratako/Irodori-TTS
Irodori-TTSとは何か
Irodori-TTS（イロドリTTS）は、日本語に特化した音声合成AIです。次のような特徴があります。
- 日本語特化：日本語のイントネーションと自然さで学習・チューニングされている
- 完全無料：MITライセンスで公開されていて、商用利用も可能
- ローカル動作：自分のPCで動かす。クラウドサービスに音声データを送らない
- オープンソース：モデルもコードも公開、フォークして改造可能
- 絵文字によるスタイル制御：😊 で明るく、😢 で悲しく、といった感情指定が可能
- ゼロショット音声クローン：数十秒の参照音声で新しい声質を再現できる
- Flow Matching ベース：拡散モデルより高速・高品質と評価される新しい手法
「無料で・日本語で・ローカルで・商用利用可能で・感情豊かに」という同人音声制作に必要な条件を、ほぼすべて満たしているのが Irodori-TTS が広まった理由です。
何ができるか
1. テキストから音声を生成
もっとも基本の使い方です。文字列を入力すると、それを読み上げた音声ファイルが出力されます。日本語のイントネーションは、既存の無料TTSより自然な水準です。
2. 絵文字によるスタイル制御
Irodori-TTSの独特な設計です。テキスト中に絵文字を入れると、その感情で読まれます。
今日は嬉しいことがありました😊
本当に悲しいです😢
君のことが大好きだよ💕😊 は明るい声、😢 は泣き寄り、💕 は甘い声、といった具合に、SSMLタグや複雑なパラメータを覚えなくても、テキスト内の絵文字だけで演技が変わるのが強みです。細かい絵文字と挙動の対応は公式README を参照してください。
3. ゼロショット音声クローン
数十秒〜数分の参照音声を渡すと、その声質を再現した合成音声が出せます。学習不要（ゼロショット）なので、参照ファイルを差し替えれば別の声質にすぐ切り替わります。
参照音声は自分の声を録音したもの、公式配布のサンプル、または権利を持っているキャラボイスなどを使います。実在人物の声を無断で使うことは、たとえ技術的にできても法的・倫理的に問題があります。
4. 感情豊かな演技表現
絵文字だけでなく、テキスト自体の文脈からも演技を推定する設計になっています。「泣きながら」「叫ぶ」「囁く」といったト書きに近い書き方をすると、それに寄せた出力になる場面があります。ト書きの効き方は使いながら調整するのが実務的です。
導入の大枠
細かなコマンドはバージョンで変わるので、公式GitHubのREADMEを最新のリファレンスとしてください。ここでは流れだけまとめます。
前提
- Python 3.10 以上
- git（cloneするため）
- GPU（推奨）：VRAM 4GB 以上あれば快適
- CPU動作も可能：ただし生成速度が大きく落ちる
基本的な流れ
- GitHub からリポジトリを clone する
- Python 仮想環境を作る（venv or conda）
- 依存パッケージをインストール（
pip install -r requirements.txt） - モデルファイルをダウンロード（自動 or 手動）
- サンプルスクリプトを実行して動作確認
Windows・Mac・Linux いずれも、この流れ自体は共通です。詰まりやすいのは Python の環境切り分けと PyTorch のCUDA対応バージョンで、ここは他のローカルAI（Stable Diffusion 系）と同じ話です。
他のTTSとの比較
無料・ローカルで使えるTTSは他にもあります。用途で使い分けると迷いにくいです。
| ツール | 得意 | 感情表現 | ライセンス |
|---|---|---|---|
| Irodori-TTS | 日本語、絵文字スタイル制御、音声クローン | ◎（絵文字で指定） | MIT |
| VOICEVOX | 定番、キャラボイスの安定感 | △（キャラごとに設定済み） | 各キャラ個別 |
| Style-Bert-VITS2 | 柔軟性、感情の細かい制御 | ◎（style指定） | プロジェクト依存 |
| Fish Speech | 多言語、音声クローン | ○ | プロジェクト依存 |
| CoeFont（クラウド） | プロ声優ボイス | ○ | 有料、規約あり |
| OpenAI TTS（クラウド） | 手軽さ、多言語 | ○ | 有料、規約でNSFW制限 |
「日本語で・ローカルで・感情豊かに・無料で」という条件が揃うのは、2026年時点では Irodori-TTS と Style-Bert-VITS2 が有力候補です。Irodori-TTSは絵文字の手軽さ、Style-Bert-VITS2 は細かい調整の柔軟性、で棲み分けています。
基本の使い方
導入後の流れです。細かいAPIは公式ドキュメントに従ってください。
1. 短いテキストから始める
こんにちは、私はAIです。よろしくお願いします。この程度の短文で動作確認します。声質・イントネーションが自然か、まず確認するのが実務的です。
2. 絵文字を足す
こんにちは、私はAIです😊 よろしくお願いします💕同じ文でも絵文字を変えると、声の印象が変わります。狙いの感情を絵文字で指定していきます。
3. 参照音声を差し替える
音声クローンを使う場合、参照音声の質が結果を大きく左右します。
- 静かな環境で録音した音声（ノイズなし）
- 単一の話者（複数人が混ざらない）
- 数十秒〜数分程度（長すぎず短すぎず）
- 自然な話し方（叫び声や囁きだけの参照は難しい）
参照音声の質が悪いと、絵文字での感情制御も効きが甘くなります。
同人音声・NSFW音声への活用
Irodori-TTSは、その特性から同人音声・NSFW音声制作でよく使われます。理由は3つです。
1. 完全ローカル動作：クラウドサービスと違い、生成内容の制限がありません。プロンプトを外部サーバーに送らないので、内容が漏れる心配もありません。
2. 感情表現が豊か：絵文字による指定で、喘ぎ・囁き・切ない声・甘い声など、同人音声で求められる演技を出しやすい設計になっています。
3. MITライセンス：商用利用可能なので、生成した音声を販売できます（実在人物の声を模倣していない前提）。
販売プラットフォームでの扱い
FANZA同人・DLsite などの成人向け販売プラットフォームは、AI生成音声の扱いに独自ルールがある場合があります。AI音声であることの明記を求められるのが一般的なので、隠さずに明示するのが安全です。
販売の全体像は次を参照してください。
- FANZA同人でAI CG集を出す完全ガイド（音声作品も同じFANZAで販売可能）
- AI画像の販売プラットフォーム比較2026
- AI生成画像でおこづかいを稼ぐ実践ガイド
動画作品との組み合わせ
Irodori-TTS の音声を、AI生成の動画・静止画と組み合わせて動画作品にする、という運用も増えています。動画側の作り方は次を参照してください。
やってはいけないこと
技術的にできても、法的・倫理的に問題があるものがあります。
- 実在人物の声のクローン：芸能人、声優、知人、SNSで拾った音声などを無断で参照音声にしない
- 未成年に見える／聞こえる音声：明らかに子供の声を模した性的音声は禁止
- 他人の声質を勝手に販売：参照音声の権利は必ず自分で確保する
- AI音声であることを隠して販売：多くのプラットフォームでAI明記が求められています
権利面の考え方は AI画像生成の著作権・法律ガイド2026 にまとめています。画像と音声で共通する話が多いので参考にしてください。
よくある失敗と対処
声質が期待と違う
参照音声の質を疑ってください。ノイズが乗っている、話者が複数いる、長すぎる/短すぎるが典型的な原因です。
感情表現が効かない
絵文字を文末に置くと効きが弱くなる場面があります。感情を出したい部分の直後に絵文字を配置するのが定石です。文全体で1つの絵文字より、フレーズごとに置く方が細かく制御できます。
生成が異常に遅い
GPUが有効になっているか確認してください。nvidia-smi で GPU が動いているか、PyTorch が CUDA を認識しているか、で切り分けます。CPU動作でも動きますが、実用的な速度ではありません。
メモリ不足でクラッシュ
長文を一気に処理するとVRAMを大量に食います。文単位・段落単位に分割して生成するのが基本の運用です。分割生成した音声は、あとから音声編集ソフトで繋げます。
モデルが読み込めない
モデルファイルの配置場所、バージョン整合性、Python環境の切り分けを順に確認してください。「昨日動いていたのに今日動かない」の多くは、Python環境や依存パッケージのバージョン変更が原因です。venv や conda で環境を固定するのが実務的です。
ライセンスと商用利用
Irodori-TTS は MITライセンスで公開されています。これは非常に自由度の高いライセンスで、以下が可能です。
- 商用利用
- 改変・派生
- 再配布
- 生成音声の販売
ただし、次には注意してください。
- 配布ページの最新ライセンス表記を毎回確認する（更新される可能性）
- モデルファイルと本体コードで別ライセンスの場合がある
- 派生プロジェクトを公開する場合は元のライセンス表記を残す
- 生成した音声を販売する場合、参照音声の権利は自分で担保する
情報の鮮度について
Irodori-TTS は 2026 年前半に公開されて広まったツールで、バージョンアップと機能追加が続いています。この記事の情報は 2026 年 7 月時点のもので、細部の使い方は変わっていく可能性があります。必ず公式GitHub のREADMEとリリースノートを最新の情報源として使ってください。
まとめ
Irodori-TTS は、2026年時点で日本語音声合成AIの選択肢の一つとして押さえておきたいツールです。
- 完全無料・ローカル動作・MITライセンスの3拍子
- 絵文字による感情制御が独特で扱いやすい
- ゼロショット音声クローンで参照音声から新しい声質を作れる
- 同人音声・NSFW音声制作で「無料で使える定番」の位置に付けつつある
環境構築のハードルは他のローカルAIと同じ水準です。同人音声を作りたい、AIキャラのボイスを付けたい、動画作品にセリフを足したい、といった用途で候補に入れる価値があります。
次に読む
- 動画と組み合わせる → AI動画ツール比較2026 / 画像から作るAIエロ動画の作り方入門2026
- 販売する → FANZA同人でAI CG集を出す完全ガイド / AI生成画像でおこづかいを稼ぐ実践ガイド
- 権利まわり → AI画像生成の著作権・法律ガイド2026
- AIサービスの俯瞰 → 中国AIサービス完全ガイド【2026年8月更新】 / NSFW対応 画像生成AI完全ガイド【2026年7月最終更新】
