既存の案内音声からカスタムボイスを生成できる 高品位多言語音声合成ミドルウェア「Ruby Talk」を提供開始
既存音声の声質を再現したカスタムボイスを、1話者あたり約5MBで端末に搭載
株式会社日立ソリューションズ・テクノロジー(本社:東京都立川市、取締役社長:平間 顕一、以下、日立ソリューションズ・テクノロジー)は、既存の案内音声からカスタムボイスを生成できる高品位多言語音声合成ミドルウェア「Ruby Talk」を2026年11月18日より提供開始します。
店舗端末や券売機、鉄道などで使用される音声案内では、案内内容を変更するたびに同じ声で再収録する必要があり、手間やコストがかかります。また、多言語化に伴って搭載する言語や話者(声の種類)が増え、音源データの容量増加も課題となっています。
「Ruby Talk」は、Microsoft Windows搭載の端末や機器に組み込んで使える音声合成ソフトウェアです。従来から、ネットワークに依存せず端末内で音声を生成できることを特長としています。今回さらに、既存の案内音声から声質を再現するカスタムボイス機能と、1話者あたり約5MBの小容量な音源データを両立しました。これにより、組み込み機器でもお客さまが保有する既存の音声資産を継続して活用しながら、これらの課題の解決を支援します。


「Ruby Talk」が提供する価値
- お客さまの音声資産を無駄にしない
一定の条件を満たす収録済み音声から、声質の特徴を再現したカスタム音源モデルを作成できます。モデル作成後は、案内文の追加・変更のたびに必要となる再収録の手間を減らせます。なお、ご利用には音声データの利用許諾が必要です。

- 言語や話者を増やしても小容量
音源データは1話者あたり約5MBで、従来製品と同一条件で比較した場合、容量を1/10以下に削減できます。多くの言語や話者を搭載しても容量を抑えられ、ネットワークに接続せず端末内で音声を生成します。

- 自然な音声で30以上の言語・地域音声に対応
DNN(Deep Neural Network)の採用により、語りかけるような自然な音声を実現します。日本語・英語の音源を標準提供し、オプションとして30以上の言語・地域音声に対応します。

- 日本語読み上げ精度の向上と既存資産の活用
長年にわたり整備してきた日本語読み辞書を活用し、人名、地名、施設名、専門用語などの読み上げ精度向上を支援します。また、従来の「Ruby Talk」の日本語処理資産を活用し、既存システムからの移行を支援します。

標準対応OSはWindowsです。その他のOS・プラットフォームについては、個別のポーティング(移植)サービスでご相談に応じます。
日立ソリューションズ・テクノロジーは今後も、音声技術と日本語処理技術を生かし、お客さまの製品・サービスの価値向上を支援してまいります。
高品位多言語音声合成ミドルウェア「Ruby Talk」について
※ Windowsは、米国およびその他の国におけるMicrosoft Corporationの登録商標または商標です。
※ 「Ruby Talk」は、株式会社日立ソリューションズ・テクノロジーの登録商標です。
※ 記載の会社名、製品名は、それぞれの会社の商標もしくは登録商標です。