ボイスは何MB？ — Yomiteのボイスモデルとストレージ管理ガイド

Yomite のボイスを何個かダウンロードしたら、思ったより端末の空き容量を使っていた——という経験はないだろうか。Yomite の音声合成はすべて端末内で完結する設計になっているぶん、クラウドTTSのアプリとは違い、ボイスそのものを端末にダウンロードして持っておく必要がある。ここでは、その容量の内訳と、賢いダウンロードの仕方をまとめる。

ボイス1つあたり 127〜270MB

Yomite のボイスモデルは、1ボイスあたり 127〜270MB ほどのサイズになる。無料版で使える「まい」「fumifumi」の2ボイスも、プレミアムで解放される30種類以上のボイスも、この範囲に収まる。声の傾向やスタイル数によって多少の幅があるため、気になるボイスをまとめて何個もダウンロードすると、合計では数百MB〜1GB超になることも珍しくない。

レギュラー品質と高品質版、どちらを選ぶか

Yomite では、ボイスごとに レギュラー品質 と 高品質版 の2つから選んでダウンロードできる。高品質版のほうが自然な発話に近づくぶんファイルサイズは大きくなり、レギュラー品質はその分コンパクトになる。

• 通勤中や家事をしながらの「ながら聴き」が中心 → レギュラー品質でも十分実用的
• Bluetoothスピーカーなどでじっくり聴きたい、あるいは音質にこだわりたい → 高品質版

端末の空き容量に余裕がなければ、まずはレギュラー品質でいくつかのボイスを試し、気に入ったボイスだけ高品質版に切り替える、という使い方が容量効率がいい。

全ボイス共通の言語処理モデル（667MB）は1回だけ

もう一つ知っておきたいのが、言語処理モデルの存在だ。このモデルは667MBあり、テキストの解析処理を担っている。ボイスごとに個別に必要になるわけではなく、1度ダウンロードすれば全ボイスで共有される。つまり、最初の1ボイスをダウンロードするときにこの667MBがまとめて入るので、そこが一番容量を使うタイミングになる。2つめ以降のボイスは、そのボイス自体の127〜270MBだけが追加でダウンロードされる形だ。

たとえば無料版の2ボイス（まい・fumifumi）をレギュラー品質でどちらも使う場合、言語処理モデル667MB＋ボイス2つ分（合計でおおむね250〜500MB程度）が目安になる。プレミアムで30種類以上のボイスをまとめて全部ダウンロードするようなことをすれば、単純計算でもボイス分だけで数GBに達する可能性がある。すべてのボイスを常時端末に入れておく必要はないので、よく使うボイスに絞ってダウンロードするのが現実的だ。

読み上げが詰まる・止まるときはまず空き容量を確認

Web Reader のトラブルシューティングでも触れている通り、読み上げが途中で詰まったり止まったりする場合、原因の多くは端末のストレージ不足にある。言語処理モデルとボイスをあわせて、目安として1GB程度の空き容量を確保しておくと安定して動作する。長編小説や複数のWeb記事をキューに入れて聴くつもりなら、ボイスのダウンロード分に加えて、この空き容量も意識しておきたい。

対応端末について

Yomite の音声合成はApple Siliconの処理性能を前提に設計されており、iPhone (A12 Bionic以降)・iPad (A12以降)・Mac (M1以降) でそれぞれ iOS 17・iPadOS 17・macOS 14 以上が必要になる。これは容量の話とは別軸だが、古い端末では推論速度が実用域に届かないため、そもそもボイスをダウンロードする前に自分の端末が対応しているか確認しておくとよい。

まとめ：最初の1ボイスが一番重い

Yomite のボイスダウンロードは、「最初の1ボイス（言語処理モデル667MB＋ボイス本体127〜270MB）が一番容量を使い、2つめ以降はボイス本体分だけが追加される」という仕組みになっている。無料版の2ボイスだけで使うなら数百MBほどで収まるし、プレミアムでいろいろなボイスを試したい場合は、レギュラー品質から始めて気に入ったものだけ高品質版にする、という進め方が容量とのバランスが良い。

ダウンロード前にこの仕組みを知っておけば、「思ったより容量を使った」と慌てることもなくなるはずだ。

---

読み手 Yomite を App Store で入手する →

関連記事：なぜYomiteの音声合成はすべて端末内で完結するのか · Web 記事を朗読 — URL を貼るだけのリーダー機能チュートリアル

ご意見・ご要望は [email protected] まで。

— Yomite Team