Meta Museにキャラクターの声で話させる。音声合成のスキルの作り方

公開 更新 13 分で読了
Meta Museにキャラクターの声で話させる。音声合成のスキルの作り方

Meta Museでオリジナルの声を作り、予定やメモを音声ファイルにする手順を解説。Irodori-TTSの公開スキルを基に、準備、候補の試聴、声の固定、長文の分割、再生確認まで、貼って使える依頼文を掲載します。標準の声変更との違いと素材の利用条件も整理します。

Meta Museにオリジナルのキャラクター声で読み上げを頼むには、音声合成モデルを動かす公開スキルを使い、好みの声を選んで保存します。 作れるのは再生できる音声ファイルで、Museアプリの通話音声をその声に差し替える方法ではありません。[1][2]

予定や短いメモを、同じ声で受け取りたい場合に使える構成です。以下の依頼文は、2026年11月16日に配布元の手順とコードを確認して組み立てた例で、Muse上での導入・音声生成は未実施です。

1. Museの音声スキルで作れるのはボイスメモ

公開スキル「muse-irodori-voice」は、文章から好みの声を作り、その声で別の文章も読み上げるためのキットです。 スキルとは、AIが繰り返し使う作業手順をまとめたものです。このキットには手順書と音声を作るプログラムが含まれます。[1]

元になったX投稿では、Museのアバター向けにアニメ声を作るスキルが紹介されています。公開されたキットをたどると、実際の成果物は音声ファイルで、キャラクターの見た目や口の動きを作る手順は含まれていません。[1]

標準の音声会話はその場のやり取り、音声合成スキルはファイルを作って聴く方法

標準の声変更と、Irodori-TTSの読み上げを選び分ける

会話をその場で続けたいならMuse標準の音声機能、文章を好きな声で音声ファイルにしたいなら読み上げスキルが対象です。キットが使うIrodori-TTSは、日本語の文章を音声に変えるモデルで、声の特徴を文章で指定する機能があります。[1][3]

したいこと 使う方法 受け取るもの
Museと声で会話する Muse標準の音声機能 その場での音声応答
予定やメモをオリジナルの声で聴く muse-irodori-voice 生成後に再生する音声ファイル
キャラクターの外見も作る 別の画像・3D制作の手順 画像や3Dモデル

Metaは11月5日、標準音声を右上の電話アイコンから始め、声を選べると案内しました。米国からの展開とされており、この発表だけで日本の全アカウントでも使えるとは判断できません。[7]

Muse自体の準備は日本での使い方と初期設定で確認できます。外見も制作したい場合は3Dアバターを作る準備と手順が別の作業として参考になります。

録音から文章を取り出したい場合は、Whisperで音声を文字起こしする方法を参照してください。

2. 音声合成を始める前の環境と、声の素材のルール

先に確かめるのは、Museが使うコンピューターで動かせるかと、どの声を素材にするかです。 最初は他人の録音を渡さず、声の雰囲気を文章で指定して候補を作る流れにすると、使う素材を絞れます。[2]

人物名を使わず、声の高さや明るさ、聞き取りやすさを言葉で指定する図

Museの作業環境とモデルの入手先を確認する

音声合成を動かす場所は、Muse側のVMです。VMは作業用の仮想コンピューターを指し、手元のスマートフォンの中だけで音声処理が完結するという意味ではありません。読み上げる文もMuseへ渡すため、最初の動作確認には個人情報を含まない自作の短文を使います。

配布元はLinux x86_64、Python 3.12、2 vCPU程度・メモリ約7.7GBの環境で検証しています。モデルなどを置く数GBの空き容量も必要と案内していますが、各Muse環境で同じ容量や速度になるとの保証ではありません。[1][2]

元モデルはAratakoのIrodori-TTSで、キットはRyoppiとraratuが配布する変換版のファイルを利用します。変換版は元モデルの作者が公認した製品ではなく、部品ごとの利用条件が残ります。[3][4][5][6]

この構成は外部の有料音声APIを呼ぶ方式ではありません。ただし、スキルが無償配布されていることとMuseの利用枠が無制限であることは別なので、準備の依頼にも追加契約をしない条件を入れます。[1][2]

声優や実在の人の声をまねず、オリジナルの声を作る

このキットは、特定の声優や既存キャラクターの声へ似せる使い方を禁止しています。「誰の声にするか」ではなく、「少し高め」「明るい」「落ち着いた」などの特徴を伝える方式です。作品名や声優名を外しても、同じ声を再現する目的なら配布元の趣旨には合いません。[1][2]

元モデルの配布条件にも、本人の明示的な同意がない声の複製やなりすまし、誤認させる目的の合成音声を禁止する記載があります。文章だけで作った声でも、偶然実在の人に似る可能性はあると説明されています。[3]

コードのMITライセンスは、他人の録音や声を自由に使える許可ではありません。声の素材を追加する場合は、その素材の配布元が示す利用目的・加工・公開の条件も確認します。今回の手順では、自分で生成して選んだ音声だけを声の固定に使います。

生成した音声を公開するときは、配布元の案内に沿ってAIによる合成音声だと分かる説明を添えます。「有名な声優が読んだ」と受け取られる名義や説明は使いません。[2][6]

3. Museで声を選び、音声合成のスキルにまとめる

準備、声の試聴、選んだ声の保存を順に進め、最後に読み上げの手順を残します。 最初から大量の文章や定期実行を頼まず、短い音声を作って聴ける状態を先に確かめます。

候補を作り、聴いて選び、声を保存して別の文で確認する4段階

公開スキルを読み、準備を頼む

まず配布元のGitHubを開き、READMEとSKILL.mdを確認します。READMEは概要、SKILL.mdはMuseがたどる手順です。利用できるMuseの会話入力欄へ、次の依頼を貼り付けます。[1][2]

オリジナルの声で日本語のボイスメモを作りたいです。
次のリポジトリのREADME、SKILL.md、スクリプト、利用条件を読んでください。
https://github.com/kgmkm/muse-irodori-voice

まだインストールせず、動作環境、空き容量、取得するモデルと配布元、
保存場所、外部への通信、必要な利用枠を説明してください。
有料API、追加契約、他人の録音、既存キャラクターの声は使いません。
準備する内容を確認してから、実行を依頼します。

説明を確認して導入を進めるときは、「その範囲で準備してください」と伝えます。配布元の手順には、通常精度の版を公式実装と照合し、その後に軽量版へ切り替える工程があります。検証を省かず、実行できなかった項目は結果と一緒に報告してもらいます。[2]

準備の完了は、ファイルを置いたという返答だけで判断しません。モデルの配置先、検証の結果、短い試験音声の保存先がそろい、音声を再生できるところまで確認します。

同じ短文で候補の声を聴き比べる

候補の声は、同じ特徴と同じ文章で比較します。配布元は、声の説明を固定したまま、生成の出発点を変える「シード」を変えて5案を出す手順です。シードの数字を人が考える必要はなく、候補の区別をMuseに付けてもらいます。[2]

実在の人物や既存キャラクターに似せず、オリジナルの声を5案作ってください。
声の特徴は「少し高めで、明るく、言葉が聞き取りやすい声」で固定します。
すべて次の同じ文章を使い、シードだけを変えてください。
「今日の予定が一つ変わり、少し残念です。でも、空いた時間に読みたかった本を読めるのは楽しみです。次の予定も一緒に確かめましょう。」
候補1〜5として音声を渡し、選ぶまで声の固定へ進まないでください。

選定文には、残念な内容と楽しみな内容を入れています。配布元は、一方の感情だけの音声を基準にすると、別の文にも同じ調子が出る場合があると報告しています。[2]

聴くところ 選ぶときの目安
声の高さと雰囲気 繰り返し聴いても用途に合うか
聞き取りやすさ 小さめの音量でも文の意味を追えるか
文章との一致 単語の抜けや余分な発話がないか
感情の切り替え 残念な文も楽しげ一辺倒になっていないか

気に入る候補がなければ、その5案を残したまま追加の候補を頼めます。追加分も同じ文章を読み上げると、最初の候補と比べやすくなります。

選んだ声を保存し、別の文で確かめる

好みの声が決まったら、候補番号を指定して参照用に保存します。配布元の方法では、選んだ音声から声の特徴を取り出した.npzファイルを作り、次の生成でも読み込みます。シードだけの固定は、文章を変えたときに同じ声になることを保証しません。[1][2]

たとえば候補3を選ぶなら、次のように頼みます。my-voice.npzは声の特徴を保存するファイル名の例で、Museに実際の保存先も返してもらいます。

候補3を基準の声にします。配布元の参照固定の手順で保存してください。
選んだ元音声とref/my-voice.npzの実際の保存先を教えてください。
その参照を使い、次の2文を別々の音声にしてください。
「楽しみにしていた本が届きました。」
「今日は予定が変わり、少し残念です。」
元音声と新しい2本を渡し、確認が終わるまで元の候補は消さないでください。

新しい2本を聴き、同じ声に感じるかと、文章に合う調子かを確かめます。声が違う場合は、選び直す前に保存した参照が使われたかを確認します。声の基準ファイルは、このキットの案内でも公開リポジトリに含めない扱いです。[2]

読み上げの手順を自分用のスキルとして残す

自分用のスキルに残すのは、使う声、入力する文章、音声の保存方法、確認する項目です。配布元のプログラムを書き直すより、動いた手順と保存先をまとめると、次回の依頼を短くできます。次はMuseへ渡す内容の例です。

ここまで確認できた読み上げ手順を、自分用のスキルとして保存してください。
名前:my-voice-note
使う場面:明示的に「音声メモを作って」と頼んだとき。
入力:自分で書いた日本語の文章。
声:今回選んだ元音声と、固定した参照ファイル。実際の保存先を記載。
処理:muse-irodori-voiceの確認済み手順で生成。長文は配布元の方法で分割。
出力:WAVファイルと読み上げた文章。保存先と音声を会話で返す。
確認:読み落とし、誤読、余分な発話、音割れを確認できるようにする。
停止条件:参照が見つからない、処理が失敗した、追加課金が必要。
勝手に別の声へ変更したり、公開・定期配信したりしない。
保存先を教え、次の依頼でこの手順を読み込めるか確認してください。

Museが実際に保存した場所と、呼び出して読めた内容を確認します。特定の保存パスやスラッシュコマンドを、Muse共通の仕様として決め打ちはしません。手順書の組み立てを詳しく知りたい場合は、別ツールの例ですがSKILL.mdに用途・入力・出力をまとめる方法も参考になります。

4. Museに読み上げを頼み、音声ファイルを確認する

最初の完成条件は、指定した文章を選んだ声で読み、保存した音声を再生できることです。 「作成しました」という返答に加え、受け取ったファイルを聴いて原文と比べます。

生成した音声を原文と照合し、時刻や名前、読み落としを確かめる図

予定や通知の文を、まず1回だけ音声にする

読み上げは、自作の短い予定メモから始めると確認しやすくなります。Museの会話に保存したスキル名と本文を伝え、音声をWAV形式で返すよう依頼します。WAVは、音声を保存するファイル形式です。[1][8]

my-voice-noteを使い、次の自作メモを固定した声で音声にしてください。
「午後三時から打ち合わせです。五分前に資料を開いてください。」
今回は1回だけ生成し、reminder-test.wavとして保存してください。
音声ファイル、読み上げた文章、実際の保存先を返してください。
予定の登録、定期実行、外部への送信は行わないでください。

音声を受け取ったら、午後三時と五分前が正しく読まれたか、文の最後まで聴けるかを確認します。時刻や名前が違うと通知として使いにくいため、声の好みだけで採用しないことが大切です。

「通知をこの声にする」は、通知用の文章を読み上げファイルにする使い方です。スマートフォンの通知音設定が置き換わるわけではありません。毎日届ける設定は単発の生成とは別に確かめる必要があり、ここでは実行日時や通知先を登録しません。

通知する日時や繰り返しを設定する手順は、Museのリマインダーと定期タスクの使い方で確認できます。

長い文章は分割し、音声と原文を照合する

長文を読むときは、配布元のspeak_long_text.pyで文章を分割して音声をつなぎます。これはMuse側で使うプログラムの名前で、スマートフォンの入力欄に直接打つコマンドではありません。会話では「配布元の長文用スクリプトを使って」と頼めます。[8]

配布元の手順は1区間70〜80字を目安にし、結合時に短い間隔を入れる方式です。長文全体を一度に読ませる場合の読み落としに対処するための設定で、どんな文章でも間違いが消えるという意味ではありません。[2][8]

たとえば自分で書いた案内文を渡し、「固定した声で全文を読み、段落の順序を保ち、全文のWAVと原文を返してください」と依頼します。公開前の原稿や他人の文章を使う場合は、音声化や外部サービスへの入力に使える素材かも先に確認します。

受け取った音声は、原文を見ながら先頭から末尾まで聴きます。人名・数字・否定の言葉、分割した文のつなぎ目を重点的に確かめ、誤りがあれば該当箇所を指定して作り直します。元モデルも、珍しい名前や専門語を読み間違える可能性を明記しています。[3]

読み上げと合わせる図解動画も作りたい場合は、Museでアニメーションを制作し、書き出す手順を参照できます。

声が変わる・読み落とす・生成できないとき

失敗したときは、音声そのものの問題か、生成処理が終わっていないのかを分けます。配布元が報告する主なつまずきと、最初にMuseへ確認する内容は次のとおりです。個別環境で同じ原因だと決めつけず、実際のエラーと対応させます。[2][3]

症状 最初に確認すること
文を変えると別の声になる 保存した参照ファイルを読み込んだか。シードだけで固定していないか
残念な内容まで楽しげに聞こえる 基準の音声が一つの感情に偏っていないか。短い別文で再確認
長文で単語が抜ける・増える 長文用の分割処理を使ったか。該当区間と原文を照合
人名や時刻を読み間違える 読み上げ用の文で読み方を明示し、同じ箇所を再試聴
モデル取得でInvalid portが出る 配布元が挙げるNO_PROXYの表記と実際のエラーを確認
音声ファイルが返らない 生成の終了、保存先、ファイルの存在を確認。再生の問題と区別

エラーが出たら、Museへ「失敗した工程と理由を示し、その工程だけ直してください」と伝えます。ダウンロードの失敗を理由に権限を広げたり、有料サービスへ切り替えたりせず、準備時に確認した範囲で再開します。

固定した声で短文を作り、保存と再生まで確かめられたら、必要なメモへ少しずつ広げられます。普段使う文でも原文との照合を残しておくと、声の設定を変えた際に読み方の変化を見つけやすくなります。

よくある質問

Q. Museの声をこのスキルで変更できますか?
muse-irodori-voiceで作れるのは、指定した文を読み上げた音声ファイルです。Museアプリのリアルタイムの会話音声を差し替えるものではありません。標準の声選択はMetaが案内する別の機能で、提供地域やアカウントの条件も確認します。
Q. 音声合成に手元のGPUは必要ですか?
配布元のキットはMuse側のCPU環境で動かす構成です。手元にGPUがあることを前提にしていませんが、Linux・Python・空き容量などの条件はMuseの作業環境で確認する必要があります。
Q. 好きな声優や既存キャラクターの声にできますか?
このキットは特定の声優や既存キャラクターへの模倣を禁止しています。人物名や作品名ではなく、高さ・明るさ・落ち着きなどの特徴を指定してオリジナルの声を作ります。元モデルにも、明示的な同意のない声の複製やなりすましを禁じる条件があります。
Q. 文章を変えても同じ声で読ませるにはどうしますか?
選んだ音声から参照用のファイルを保存し、次の生成でも読み込ませます。シードの数字を固定するだけでは、文章が変わったときの声の一貫性を保証できません。別の短文を生成して、元の音声と聴き比べます。
Q. 音声生成は無料で無制限に使えますか?
紹介したキットは無償配布され、外部の有料音声APIを呼ばない構成です。ただし、Museの利用枠や実行環境の制限がなくなるわけではありません。導入前に必要な容量と利用枠を確認し、追加契約が必要ならその場で止めます。

出典・参考データ

  1. [1] muse-irodori-voice:概要と利用条件 (kgmkm) — 取得 2026-11-16
  2. [2] muse-irodori-voice:導入・声の選定・参照固定の手順 (kgmkm) — 取得 2026-11-16
  3. [3] Irodori-TTS-v4.1-Small-MF モデルカード (Aratako) — 取得 2026-11-16
  4. [4] Irodori-TTS 公式実装 (Aratako) — 取得 2026-11-16
  5. [5] Irodori-TTS-v4.1-Small-MF ONNX int8変換版 (Ryoppi) — 取得 2026-11-16
  6. [6] Onsei iOS Models:変換モデルと利用条件 (raratu) — 取得 2026-11-16
  7. [7] Give Your Muse a Voice (Meta) — 取得 2026-11-16
  8. [8] 長文の分割と音声結合スクリプト (kgmkm) — 取得 2026-11-16

この記事を書いた人

水島 翔吾

株式会社kairos 代表取締役 / AgentSignal 開発者

AI クローラー・AI 流入計測と AIO 診断ツール AgentSignal を開発。実測データを元に AI 検索時代の計測と対策を書いています。

関連記事