AI作業報告を音声読み上げるMacアプリ

このアプリは7月に開設したYouTubeチャンネルから生まれた。当初はOpenAIのTTSをデフォルト音声で使用。Gemini 3.8 Flash TTSが登場するとVoice Designの声でチャンネルを再構築し、まもなくIrodori-TTSの評判が高まり、ElevenLabsのアップデートも続いた。ElevenLabsより精度は劣るものの、日本語の読み上げがGeminiより優れ、従量課金ではなくローカルで動く点から、彼女はIrodoriが最適と判断した。

開発自体は大半をAIに任せ、コードは動作した。苦労したのは目と耳でしか気づけない部分だった。開いたままの口、キャラではなく留守番電話のアナウンスのように聞こえる声、「了解。」のような短い一言が不可解な音で終わる問題。修正にはリップシンクを見て、出力を聞き、バグではなくタイミングやシード、テキストを調整する必要があった。

本人の評価では、報告を読み返す回数は減った。分量のある報告はAIにHTMLで書かせ、音声で最初から読ませるのが、精神的負担と時間が最も少ないと感じている。