ローカル音声合成AI「Irodori-TTS」をWindowsに導入して使う手順まとめ(*'▽')

こんにちは！ 高橋です♪

今回は、以前から気になっていたローカルで日本語の音声合成ができる「Irodori-TTS」をWindows PCに導入し、実際に音声を生成するまでの手順をわかりやすくまとめました！
合成音声も品質があがりここまできたんだなとしみじみ( ;∀;)

🎵 この記事でできるようになること

• Windows PCにIrodori-TTSを導入する

• ブラウザ画面から文章を入力して音声を生成する

• 参照音声を使って声質を指定する（通常版）

• 「声の説明文」から声を作る（VoiceDesign版）

• 絵文字を使って感情や話し方を調整する

• BATファイルで次回からワンクリックで起動する

• 同じWi-Fi内のスマホや別PCからアクセスする

💡 Irodori-TTSとは？

Irodori-TTSは、日本語向けのローカル音声合成AIです。クラウドサービスではなく、自分のPC上で動かせるのが最大のメリット！環境さえ整えれば、ブラウザから文章を入力するだけで手軽に音声を生成できます。

主な特徴

• 日本語の読み上げに対応＆ローカルPCで動作

• 参照音声を使って声の雰囲気を指定できる

• 絵文字で感情や話し方を調整できる

• VoiceDesign版では、説明文だけで声の雰囲気を指定可能！

想定する導入環境

• Windows 10 または Windows 11

• PowerShell または Windows ターミナル

• Irodori-TTSの保存場所：C:\Irodori-TTS\Irodori-TTS（初心者はこのままがおすすめです！）

• 通常版ポート：7861 / VoiceDesign版ポート：7862

💻 1. 事前準備（必要なソフトのインストール）

Irodori-TTSを動かすために、まずは3つのソフト（Python、Git、uv）を準備します。

ソフト役割PythonAIプログラムを動かすために必要（3.10系がおすすめ）GitGitHubからプログラムをダウンロードするために必要uvPythonの環境構築を簡単にしてくれる便利ツール

PowerShellを開いて、以下のコマンドを1つずつ実行してインストール・確認を進めます。

① Python 3.10のインストール

PowerShell

winget install Python.Python.3.10

② Gitのインストール

PowerShell

winget install --id Git.Git -e

インストール後、PowerShellを開き直して git --version と打ち、バージョンが表示されれば成功です。

③ uvのインストール

PowerShell

winget install --id=astral-sh.uv -e

こちらもインストール後、PowerShellを開き直して uv --version で確認しましょう。

📥 2. Irodori-TTSのダウンロードと環境構築

必要なソフトが揃ったら、本体をダウンロードします。

1. Cドライブ直下に Irodori-TTS というフォルダを作ります。

2. そのフォルダを開き、何もないところで右クリック ＞「ターミナルで開く」を選択。

3. 以下のコマンドを実行してダウンロードします。

PowerShell

git clone https://github.com/Aratako/Irodori-TTS.git

これで C:\Irodori-TTS\Irodori-TTS というフォルダ構成になります。

次に、そのフォルダへ移動して必要なライブラリをインストールします！

PowerShell

cd C:\Irodori-TTS\Irodori-TTS
uv sync

※ 初回はかなり時間がかかります。 途中で止まったように見えても、音声生成に必要な重いデータ（PyTorchなど）を入れている最中なので、エラーが出なければ気長に待ちましょう☕

🗣️ 3. 通常版で音声を生成してみよう

通常版は、参照音声を使って声を指定するタイプです。さっそく起動してみましょう！

PowerShellで以下を実行します。

PowerShell

cd C:\Irodori-TTS\Irodori-TTS
uv run python gradio_app.py --server-name 127.0.0.1 --server-port 7861

起動したら、ブラウザで http://localhost:7861 を開きます。

画面が開いたら、まずは Load Model をクリック！（初回はモデルのダウンロードがあるため少し待ちます）

最初の音声を生成する

Text欄に「こんにちは。」と短い文章を入力し、Generate を押します。完了すると画面下部にプレイヤーが表示されます🎵

読ませたい文章秒数の目安こんにちは。1.5〜2秒こんにちは。よろしくお願いします。3〜4秒短い1文4〜6秒2〜3文8〜12秒長文15秒以上

🎨 4. VoiceDesign版で声を作ろう

VoiceDesign版は、参照音声を使わず「声の説明文（Caption）」で声質を指定できるとっても便利なバージョンです！

PowerShellで以下を実行して起動します。

PowerShell

cd C:\Irodori-TTS\Irodori-TTS
uv run python gradio_app_voicedesign.py --server-name 127.0.0.1 --server-port 7862

ブラウザで http://localhost:7862 を開きます。

使い方とCaptionのコツ

VoiceDesign版では「Text（しゃべらせる文章）」と「Caption / Style Prompt（声の雰囲気）」を入力します。

Captionは 【声の高さ】の【年齢感・性別感】の声で、【印象】があり、【話し方】で、【感情】を込めて話している。 という基本形に沿って、具体的に書くのが安定させるコツです✨

入力例（カフェ開店祝い）

• Text: さかねさん、⏸️新しいカフェのご開店、本当におめでとうございます😊 これまで大切に準備されてきた想いが、たくさんのお客様に届きますように。お店が、訪れる人にとってほっとできる、あたたかい場所になりますよう、心から応援しています🫶

• Caption: 落ち着いた大人の女性の声で、やわらかく上品に、心からお祝いを伝えるように、ゆっくり丁寧に話している。

• Secondsの目安: 18〜22秒

絵文字で感情をコントロール！

Text欄に絵文字を入れることで、感情や話し方を細かく調整できます。日本式の顔文字 (^^) よりも、Unicodeの絵文字を使うのがポイントです。

絵文字ざっくりした効果
😊嬉しそう、楽しそう
😌安心、穏やか、満足
🫶優しく、心を込めて
⏸️間、沈黙、一呼吸
🐢 / ⏩ゆっくり / 早口
🥺 / 😭感情がこもる、少し震える感じ / 泣き、悲しみ
😠 / 😲 / 😰怒り / 驚き / 慌て、緊張

🚀 5. もっと便利に使うための設定

① BATファイルでワンクリック起動にする

毎回コマンドを打つのは大変なので、ダブルクリックで起動できるBATファイルを作りましょう。メモ帳を開き、以下を貼り付けて start_irodori_tts_voicedesign.bat などの名前で保存します。

DOS

@echo off
setlocal enabledelayedexpansion

set "APP_DIR=C:\Irodori-TTS\Irodori-TTS"
set "APP_FILE=gradio_app_voicedesign.py"
set "PORT=7862"
set "HOST=127.0.0.1"
set "URL=http://localhost:%PORT%"

if not exist "%APP_DIR%\%APP_FILE%" (
    echo [ERROR] %APP_FILE% was not found.
    echo Please check this folder:
    echo %APP_DIR%
    echo.
    pause
    exit /b 1
)

set "PORT_BUSY="
for /f "tokens=5" %%P in ('netstat -ano ^| findstr /R /C:":%PORT% .*LISTENING"') do (
    set "PORT_BUSY=1"
    set "PID=%%P"
)

if defined PORT_BUSY (
    echo Irodori-TTS VoiceDesign may already be running on port %PORT%.
    echo Opening browser:
    echo %URL%
    echo.
    start "" "%URL%"
    pause
    exit /b 0
)

cd /d "%APP_DIR%"

echo Starting Irodori-TTS VoiceDesign...
echo URL: %URL%
echo.

start "" /min cmd /c "timeout /t 8 /nobreak >nul && start %URL%"

uv run python %APP_FILE% --server-name %HOST% --server-port %PORT%

echo.
echo Irodori-TTS VoiceDesign has stopped.
pause

② スマホなど別端末からアクセスする

同じWi-Fiに繋がっているスマホ等から使いたい場合は、起動時の --server-name を 0.0.0.0 に変更します。

PowerShell

uv run python gradio_app_voicedesign.py --server-name 0.0.0.0 --server-port 7862

その後、PCのIPアドレス（ipconfig コマンドで確認できる IPv4 アドレス）を調べ、スマホのブラウザで http://192.168.xxx.xxx:7862 （IPとポートの間はコロン）にアクセスします。

もしページが開けない場合は、ファイアウォールで弾かれている可能性があります。PowerShellを管理者として開き、以下を実行して許可してください。

(※公共Wi-Fiなどではこの設定は避けてください)

PowerShell

netsh advfirewall firewall add rule name="Irodori-TTS VoiceDesign 7862" dir=in action=allow protocol=TCP localport=7862 profile=private

🚑 6. よくあるエラーと対処法

• Cannot find empty port in range: 7861-7861

  1. ポートがすでに使われています。裏で起動したままの画面を使うか、netstat -ano | findstr :7861 でPIDを調べ、Stop-Process -Id <PID> -Force で停止させてください。

• IndentationError: unexpected indent

  1. Pythonファイル編集時の空白（インデント）のズレが原因です。編集前は copy gradio_app.py gradio_app_backup.py でバックアップを取っておくと安心です。

• 'uv' is not recognized...

  1. uvがインストールされていないか、PowerShellを開き直していないことが原因です。

• スマホ（他端末）から開けない

  1. PC本体のブラウザで開けるか確認後、同じWi-Fiに繋がっているか、URLが間違っていないか（スラッシュではなくコロンになっているか）、ファイアウォールの設定を確認しましょう。

☕ 使うときの注意とまとめ

Irodori-TTSは高品質な音声が作れる分、他人の声を無断で再現したり、本人が話していない内容を捏造するような使い方はNGです。

自分の創作キャラクターの声や動画のナレーション、個人のテストなど、ルールを守って楽しく活用しましょう！(*'▽')

初心者おすすめステップアップ

1. まずは通常版で「こんにちは。」を生成する

2. VoiceDesign版でCaptionをいじってみる

3. 絵文字を1個だけ入れて変化を楽しむ

4. 気に入った設定は「Seed固定」で再利用！

5. BATファイル化して快適環境を完成させる

最初は少し難しく感じるかもしれませんが、一度動くところまでいけば本当に楽しいツールです。この記事が、皆さんのIrodori-TTSデビューの助けになれば嬉しいです✨

それでは今回はここまで(*'▽')ﾉｼ