テキストから音声へ（ポッドキャスト）

Escribaは、ドキュメントをLLM向けのテキストに変換するだけではありません。その結果を 再び音声へと戻すこともできます。任意の変換結果から音声 / ポッドキャストの オプションを開けば、MP3を生成してドキュメントを聴くことができます。

2つのモード

• ナレーション — 1つの音声がドキュメントを最初から最後まで読み上げます。
• ポッドキャスト — AIがドキュメントについての短い2人ホストの対話（司会者＋ 専門家）を書き起こし、Escribaが交互に2つの音声で読み上げて1つにつなぎ合わせます。 ポッドキャストモードには（台本を書くため）AIプロバイダーの設定が必要です。ナレーションには不要です。

2つのエンジン

• ローカル（Piper） — デフォルトです。音声はあなたのサーバー上で完全にオフラインで 動作し、テキストがマシンの外に出ることはありません。Escribaにはスペイン語、英語、 ポルトガル語、フランス語、イタリア語、ドイツ語、中国語にわたる14の音声が同梱されています。
• クラウド（OpenAI） — 任意で、より高品質です。あなた自身のOpenAI APIキーを使用します。 テキストがOpenAIに送信されるのは、クラウド音声を選んだときだけです。ローカル音声のない言語 （例：日本語）に最適です。

ヒント

最良の結果を得るには、ドキュメントの言語に合った音声を選んでください。スペイン語の ドキュメントを英語の音声で読み上げると、不自然に聞こえてしまいます。

コントロール

スタジオのパネルのように、次の項目を選べます。

• 音声 — 言語＋話者（ローカルまたはクラウド）。
• ピッチ — 低 / 中 / 高。
• 速度 — 遅い / 普通 / 速い。
• 音量 — 低 / 中 / 高。

内蔵プレーヤーで、MP3をダウンロードする前に音声をプレビューできます。

まずは整えてから

内蔵のMarkdownエディタを 使って、読み上げる前にテキストを整えましょう。聞こえる内容は、まさに結果に書かれている ものそのものです。

利用できる人と制限

音声生成はANGELおよびDIOSレベルで利用できます（音声・動画やOCRと同様）。Piperは CPUで合成を行うため、サーバーを保護する目的でリクエストごとの文字数制限があり、 ロールごとに設定できます。

設定	デフォルト	意味
GOD_TTS_CHARS	0	DIOS：制限なし
ANGEL_TTS_CHARS	100000	ANGEL：MP3あたりの最大文字数
HUMAN_TTS_CHARS	20000	HUMANO（HUMAN_TTS=trueの場合のみ）
TTS_TIMEOUT	600	合成1回あたりの最大秒数
TTS_OPENAI_MODEL	tts-1	クラウドモデル（tts-1またはtts-1-hd）

すべての一覧は設定をご覧ください。ローカル音声で非常に長い ドキュメントを扱うと、合成に時間がかかることがあります。これはCPUによるもので、不具合では ありません。