日本語ボイスクローンTTS『Irodori-TTS』で“自分の声”をAIに再現させてみた（Google Colab編） - uepon日々の備忘録

日本語特化のローカル音声合成（TTS）モデル「Irodori-TTS」（作者: Aratakoさん）を触ってみました。Shorts用のナレーションを自前で量産できないかと探していて見つけたモデルなんですが、ローカルで無制限に回せる・参照音声からゼロショットで声をクローンできる・絵文字でスタイルを盛れる、と気になる要素が揃っていました。中でも目玉はゼロショットのボイスクローン。参照音声を渡すだけで声を真似てくれるので、今回は試しに自分の声を録って、AIに“自分の声”を再現させるところまでやってみました。 huggingface.co github.com この記事はその備忘録です。HF Spacesのデモ → Google Colabでの検証、というところまでを実際にやってみた記録としてまとめています（実質「Colab検証編」です）。ローカルPCでのGPU本番運用は、対応GPUを用意して別途