AivisSpeech Engineとは？用途やAivis Cloud API・Citorasとの違いをわかりやすく解説！

皆さんこんにちは。
感情豊かな音声合成技術を誰もがかんたんに活用できる未来を目指す、Aivis Project です✨

Aivis Project では、「AivisSpeech」というデスクトップ向け音声合成ソフトウェアを提供していますが、その内部では「AivisSpeech Engine」という音声合成エンジンが動作しています。

最近、Aivis Project の製品をご利用いただいているエンジニアの方から、
「AivisSpeech Engine とは何ですか？」
「AivisSpeech と何が違うのでしょうか？」
「HTTP API は利用できますか？」
「サーバーで運用することはできますか？」
といったお問い合わせをいただく機会が増えています。

また、法人のお客様からは、
「自社サービスへ AI 音声合成を組み込みたい」
「大量のリクエストを安定して処理したい」
といったご相談をいただくことも少なくありません。

実は、こうした用途では AivisSpeech Engine が最適なケースもあれば、Aivis Cloud API や、法人向け音声合成 API サーバー「Citoras（シトラス）」の方が適しているケースもあります。

そこで今回は、AivisSpeech Engine の役割や特徴をはじめ、どのような用途に向いているのか、そして Aivis Cloud API・Citoras との違いについても、できるだけ分かりやすくご紹介します。
「どれを選べばよいのか分からない」という方にも参考になる内容となっていますので、ぜひ最後までご覧ください📚

AivisSpeech Engineとは

AivisSpeech Engine は、Aivis Project が開発・提供している、日本語音声合成エンジンです。

普段 AivisSpeech を利用されている方は、AivisSpeech Engine  の存在を意識する機会はあまりないかもしれません。
しかし、実際には皆さまが「再生」や「音声を書き出し」を行うたびに、その裏側では AivisSpeech Engine が活躍しています。

また、AivisSpeech Engine は HTTP API を備えているため、音声合成機能を自作アプリやシステムへ組み込むことも可能です。

ここでは、AivisSpeech Engine の役割や特徴、AivisSpeech 本体との違い、そして VOICEVOX ENGINE との関係について分かりやすくご紹介します📚

AivisSpeechを支える音声合成エンジン

AivisSpeech Engine は、文字どおり「音声を生成するエンジン」です。

皆さまが AivisSpeech に文章を入力し、「再生」や「書き出し」を実行すると、その裏側では AivisSpeech Engine が実際の音声合成処理を行っています。

つまり、
・AivisSpeech：音声合成をするためのアプリケーション
・AivisSpeech Engine：アプリの裏側で音声を生成するエンジン
という役割になっています💡

さらに、AivisSpeech Engine は GUI を必要とせず、HTTP API 経由で利用できるため、プログラムから音声を生成したり、自動処理やシステム連携を行ったりする用途にも適しています。

AivisSpeech本体との違い

AivisSpeech は、どなたでも簡単に AI 音声合成を利用できるデスクトップアプリケーションです。

音声合成モデルの追加や管理、テキスト編集、音声の試聴・書き出しなど、日常的な音声制作に必要な機能を備えており、多くのユーザーの方は AivisSpeech をインストールするだけでご利用いただけます✨

一方、AivisSpeech Engine は、音声合成機能そのものを API として提供するためのソフトウェアです。

例えば、
・自作アプリへ AI 音声合成を組み込みたい
・Python や Node.js から音声を生成したい
・業務システムへ読み上げ機能を追加したい
・ローカル環境で音声合成 API を利用したい
といった用途では、AivisSpeech Engine が活躍します。

普段の音声制作では AivisSpeech、開発やシステム連携では AivisSpeech Engine を利用するイメージです🔧

VOICEVOX ENGINEとの関係

AivisSpeech Engine は、VOICEVOX ENGINE をベースとして開発されています。

そのため、多くの HTTP API が VOICEVOX ENGINE と高い互換性を備えており、VOICEVOX API に対応したツールやシステムであれば、API の接続先を変更するだけで利用できるケースも少なくありません。

一方で、AivisSpeech Engine は単なる名称変更版ではありません。
AIVMX 形式の音声合成モデルへの対応をはじめ、Style-Bert-VITS2 向けの最適化や、感情表現をより豊かにする独自パラメータなど、Aivis Project 独自の機能や改良を数多く実装しています✨

VOICEVOX ENGINE の高い互換性を活かしながら、より自然で感情豊かな AI 音声合成を実現できるよう進化した音声合成エンジンが、AivisSpeech Engine です。

AivisSpeech Engineでできること

AivisSpeech Engine は、単に音声を生成するだけではなく、開発やシステム連携を想定したさまざまな機能を備えています。

この章では、AivisSpeech Engine の特徴をご紹介します✨

ローカル環境で音声合成APIを利用できる

AivisSpeech Engine は、HTTP API を通じてローカル環境で音声合成を実行できます。
テキストを API に送信するだけで音声ファイルを生成できるため、Python や Node.js、C# などさまざまなプログラミング言語から利用可能です。

例えば、
・自作アプリへの音声読み上げ機能の追加
・AI エージェントとの連携
・チャットボットの音声化
・社内ツールでの読み上げ機能
・バッチ処理による音声ファイルの自動生成
など、幅広い用途で活用できます💡

Windows・macOS・Linux・Dockerに対応

AivisSpeech Engine は、Windows・macOS・Linux に対応しています。
さらに Docker イメージも提供しているため、開発環境の構築や Linux サーバー上での検証もスムーズに行えます。

ローカル PC で手軽に試したい方から、サーバー環境で開発を進めたい方まで、用途に応じた柔軟な運用が可能です✨

VOICEVOX API互換で既存ツールから利用しやすい

AivisSpeech Engine は、VOICEVOX ENGINE の HTTP API と高い互換性を備えています。

そのため、VOICEVOX API に対応したツールやアプリケーションであれば、API の接続先を AivisSpeech Engine に変更するだけで利用できるケースも多くあります。
これから新しく開発を始める方はもちろん、既存システムから移行したい場合にも導入しやすい設計となっています。


なお、一部の API やパラメータについては、AivisSpeech Engine 独自の仕様変更や未対応機能がありますので、詳細は公式ドキュメントをご確認ください。

AIVMX形式の音声合成モデルに対応

AivisSpeech Engine は、AIVMX 形式（.aivmx）の音声合成モデルに対応しています。

AIVMX は、Aivis Project が策定した AIVM 仕様に基づく ONNX 形式の音声合成モデルで、学習済みモデルだけでなく、話者情報やライセンス情報、ボイスサンプルなどのメタデータもひとつのファイルにまとめて管理できます。

現在は Style-Bert-VITS2 系の音声合成モデルに対応しており、AivisHub で様々なモデルが公開されています。

AIVMX は ONNX Runtime を利用した高速な推論に最適化されているため、CPU 環境でも快適に音声合成を行える点も特徴です。✨

AivisSpeech Engineはどんな人におすすめ？

AivisSpeech Engine は、音声合成機能を API として利用したい方におすすめのソフトウェアです。

一般的な音声制作であれば AivisSpeech を利用するだけで十分ですが、プログラムから音声を生成したい場合や、自作システムへ組み込みたい場合には、AivisSpeech Engine が活躍します。

ここでは、特におすすめしたい利用シーンをご紹介します✨

個人開発・検証用途

AivisSpeech Engine は、個人開発や技術検証に最適です。

ローカル PC 上で簡単に音声合成 API を利用できるため、AI アプリケーションの試作や、新しいサービスのプロトタイプ開発などを手軽に始められます。

また、Windows・macOS・Linux・Docker に対応しているため、普段利用している開発環境に合わせて導入できる点も魅力です。

ローカルでAI音声合成を利用したい方

クラウドサービスを利用せず、自分の PC 上だけで音声合成を行いたい方にもおすすめです。

一度セットアップすれば、ローカル環境で音声合成 API を利用できるため、開発中のアプリケーションからインターネット接続なしで音声を生成することも可能です。

動作確認や検証、個人利用など、手軽に AI 音声合成を活用したい場面に適しています💡

自作アプリ・ツールへ組み込みたい方

AivisSpeech Engine は HTTP API を提供しているため、自作アプリケーションや業務ツールへ簡単に組み込めます。

例えば、
・AI エージェントとの連携
・チャットボットの音声読み上げ
・デスクトップアプリへの音声合成機能の追加
・ゲームやツールへの読み上げ機能の実装
・業務システムの音声案内
など、さまざまな用途でご利用いただけます。

VOICEVOX ENGINE と高い API 互換性を備えているため、既存システムからの移行や、新規開発でも導入しやすい点も大きな特徴です。✨

法人・大規模サービスでは何を選ぶべき？

ここまでご紹介したように、AivisSpeech Engine は、ローカル環境で音声合成 API を利用したい方に最適なソフトウェアです。
一方で、企業向けサービスや AI エージェント、リアルタイム音声対話サービスなど、多数のユーザーが同時に利用するシステムでは、求められる性能や運用方法が大きく異なります。

Aivis Project では、用途に応じて次の 3 つの製品・サービスをご用意しています✨

AivisSpeech Engine

AivisSpeech Engine は、ローカル PC 上で音声合成 API を利用したい方向けの音声合成エンジンです。

例えば、
・ローカル PC で音声合成 API を利用したい
・自作アプリやツールへ組み込みたい
・AI エージェントの試作やプロトタイプを開発したい
・VOICEVOX API と互換性のある環境で開発したい
といった用途に最適です。

一方で、多数のリクエストを高速に処理する API サーバーとしての運用は想定していません。
大規模な商用サービスやリアルタイム音声対話サービスでは、次にご紹介する Aivis Cloud API や Citoras をおすすめしています。

Aivis Cloud API

Aivis Cloud API は、サーバー構築や運用を行うことなく、高性能な音声合成 API をすぐに利用できるクラウドサービスです。

最速 0.3 秒の高速音声生成やリアルタイムストリーミング再生に対応しており、AI エージェントや Web サービスなどへの組み込みにも適しています。
また、AivisHub に公開されている音声合成モデルだけでなく、ご自身で制作したプライベートモデルも利用できます。

「まずはすぐに API を利用したい」「サーバー管理をしたくない」という場合におすすめです。

Citoras

Citoras は、法人向けに提供しているエンタープライズ向け音声合成 API サーバー製品です。

Aivis Cloud API の内部でも利用されている音声合成基盤であり、
・大量アクセスへの対応
・リアルタイムストリーミング
・GPU サーバーでの高速処理
・マルチテナント対応ユーザー辞書
・S3 互換ストレージによるモデル管理
・Docker を前提とした運用
など、大規模システム向けの機能を備えています。

また、クラウドサービスを利用できない法人様向けに、オンプレミス環境への導入にも対応しています。

用途に応じた選び方

どの製品を選ぶか迷った場合は、次のように考えていただくと分かりやすいでしょう💡

・ローカル PC で開発・検証したい → AivisSpeech Engine
・クラウドですぐに音声合成 API を利用したい → Aivis Cloud API
・自社環境で大規模運用したい → Citoras

ご利用目的に応じて最適な製品をお選びいただくことで、より快適に AI 音声合成をご活用いただけます。

よくある質問

AivisSpeech Engineは無料で利用できますか？

はい。
AivisSpeech Engine は LGPL-3.0 ライセンスのもとで公開されており、個人・法人、商用・非商用を問わず無料でご利用いただけます✨
また、クレジット表記も必須ではありません。
ただし、生成した音声の利用条件は、使用する音声合成モデルのライセンスによって異なります。
AivisHub で公開されているモデルをご利用の際は、それぞれのライセンスもあわせてご確認ください。

商用利用できますか？

はい。
AivisSpeech Engine 本体は、個人・法人を問わず商用利用いただけます。
ただし、生成した音声を商用利用できるかどうかは、利用する音声合成モデルのライセンスによって異なります。
例えば、ACML ライセンスのモデルであれば商用利用できますが、ACML-NC ライセンスのモデルは非営利利用のみとなります。
商用利用を予定されている場合は、あわせて音声合成モデルのライセンスもご確認ください。

Linuxでも利用できますか？

はい。
AivisSpeech Engine は Windows・macOS に加え、Ubuntu をはじめとする Debian 系 Linux に対応しています。
Linux サーバー上で API として利用したい場合や、開発環境・検証環境として利用したい場合にもご活用いただけます。

Dockerでも利用できますか？

はい。
公式 Docker イメージをご用意しておりますので、Docker 環境でも簡単にご利用いただけます。
Linux サーバーで運用する場合や、開発環境を統一したい場合にもおすすめです✨

GPUを使うと高速になりますか？

はい。
NVIDIA GPU（CUDA）を利用することで、CPU よりも高速に音声合成できる場合があります。
一方で、CPU 内蔵 GPU（iGPU）のみを搭載した環境では、CPU よりも遅くなるケースもあります。
そのため、独立した NVIDIA GPU を搭載していない環境では、CPU モードでの利用をおすすめしています。

VOICEVOX対応ツールから利用できますか？

はい。
AivisSpeech Engine は VOICEVOX ENGINE の HTTP API と高い互換性を備えています。
そのため、VOICEVOX API に対応したツールやシステムであれば、API の接続先を変更するだけで利用できるケースも多くあります。
ただし、一部の API やパラメータについては仕様が異なりますので、詳細は公式ドキュメントをご確認ください。

Aivis Cloud APIとは何が違いますか？

AivisSpeech Engine は、ローカル PC や開発環境で利用することを想定した音声合成エンジンです。
一方、Aivis Cloud API は、クラウド上で提供している音声合成 API サービスです。
サーバー構築や保守を行うことなく、高速な音声生成やリアルタイムストリーミング機能をご利用いただけます。
また、AivisHub の公開モデルだけでなく、ご自身で制作したプライベートモデルも利用可能です。

Citorasとは何が違いますか？

Citoras は、Aivis Project が法人向けに提供しているエンタープライズ向け音声合成 API サーバー製品です。
AivisSpeech Engine がローカル利用や個人開発向けであるのに対し、Citoras は大量アクセスやリアルタイム音声対話など、大規模な商用サービスでの利用を想定して設計されています。
なお、Aivis Cloud API の内部でも Citoras が利用されており、高速な音声生成やリアルタイムストリーミングなどの機能を支えています。
自社環境への導入をご検討中の法人様は、お気軽にお問い合わせくださいませ。

まとめ

今回は、AivisSpeech の中核となる音声合成エンジン「AivisSpeech Engine」についてご紹介しました✨

AivisSpeech Engine は、AivisSpeech の音声合成機能を支えるバックエンドとして動作する、日本語音声合成エンジンです。
HTTP API を備えているため、自作アプリケーションや AI エージェント、業務システムなどへ簡単に音声合成機能を組み込めるほか、VOICEVOX ENGINE との高い API 互換性を活かして、既存システムから移行しやすい点も大きな特徴です。

また、Windows・macOS・Linux・Docker に対応しているため、個人開発から開発・検証環境まで、幅広いシーンでご利用いただけます。

一方で、大量のアクセスを処理する商用サービスやリアルタイム AI 音声対話システムなどでは、用途に応じて Aivis Cloud API や Citoras を選択することで、より高い性能や運用性を実現できます。

用途ごとにまとめると、
・ローカル環境で開発・検証したい → AivisSpeech Engine
・クラウドですぐに音声合成 API を利用したい → Aivis Cloud API
・自社環境で大規模運用したい → Citoras
という選び方がおすすめです💡

Aivis Project では、個人開発者の皆さまから法人のお客様まで、それぞれの用途に最適な音声合成環境をご提供しています。

ご不明な点や導入に関するご相談がございましたら、お気軽にお問い合わせフォームよりご連絡くださいませ。

今後も Aivis Project では、誰もが AI 音声合成をより便利に活用できるよう、サービス・製品の改善を続けてまいります。ぜひご期待ください！✨