Vocello：Apple Silicon向けのローカル・プライベート音声スタジオ

クラウドの音声サービスは便利ですが、台本が自分のコンピューターの外へ出ていき、モデルの利用がサービスの状態に左右され、プライベートな録音をアップロードすることにもなります。Vocelloは反対の方向を選びます。Apple Silicon向けのローカル音声スタジオとして、モデルパッケージを導入した後はマシン上で音声を生成するように設計されています。

現在のMac版はmacOS 26とApple Silicon向けのVocello 2.4.0で、iPhone版はパブリックなTestFlightベータです。Pythonのラッパーや別管理のローカルサーバーではなく、ネイティブのSwiftとMLXで作られています。ここでは、すぐに導入できるMac版と、開発者向けのソースビルドを分けて説明します。

できること

Built-in Voiceでは、9種類のQwen3スピーカーを選んですぐにテキストを音声へ変換できます。言語は自動検出でき、必要なら手動で指定できます。表現豊か、バランス重視、安定重視といった出力の傾向も調整できるため、いつも同じプリセットの声になるとは限りません。

声そのものを作り込みたいときはVoice Designが向いています。年齢、音色、アクセント、勢い、話し方などを自然な言葉で指定し、再利用できるデザインとして保存できます。ナレーションや試作、継続して登場するキャラクターを、毎回サンプルから作り直さずに扱えるのが特徴です。

Voice Cloningでは、自分が所有している、または利用許可を得ている参照音声を使います。アプリのフローには同意確認が表示されます。Vocelloは10言語に対応し、900文字を超える台本を長文プロジェクトに変換して順番にストリーミング処理します。履歴にはセグメントの対応関係も残るため、長いテイクも編集しやすくなっています。

インストール方法

執筆時点でMac版のApp Storeリリースはありません。公式のVocello 2.4.0 Releaseページ、またはそこから直接取得できるMac DMGを使います。macOS 26以降を搭載したApple Silicon Macが必要で、メモリは最低8GB、Qualityモデルや長いプロジェクトには16GB以上が推奨されています。iPhone版は別配布で、プロジェクトのパブリックTestFlightベータから試せます。

# Download the signed and notarized Mac release:
open https://github.com/PowerBeef/Vocello/releases/download/v2.4.0/Vocello-macos26.dmg

# Open the DMG and drag Vocello.app to /Applications.

MacのDMGはDeveloper IDで署名され、公証とステープル処理も済んでいます。アプリをコピーしたら設定を開き、モデルパッケージをインストールします。推奨のSpeedパッケージは約6GB、Qualityも追加すると合計で約15GBになる場合があります。最初のモデル取得にはインターネット接続が必要で、Hugging Faceからダウンロードします。モデルが揃えば、音声生成、台本、参照音声、保存したボイス、履歴、生成音声は、書き出さない限りローカルに留まります。2.xの更新ではアプリデータと導入済みモデルが保持されます。

使い方

まずは短い台本とBuilt-in Voiceから始めるのが簡単です。スピーカーを選び、言語を自動検出に任せるか指定し、話し方を調整して生成します。音声は再生、履歴への保存、書き出しができます。リクエストごとのシードも履歴に記録されるため、テキストと設定が同じなら固定シードでテイクを再現できます。

声自体が要件ならVoice Designに切り替えます。Voice Cloningは、所有している、または利用許可を得ている参照音声だけに使ってください。アプリの同意確認は安全のための境界であり、利用許可そのものに代わるものではありません。MacではWAV、MP3、AIFF、M4A、FLAC、OGG、WebMなどの参照音声を読み込めます。

# After installing Vocello:
# Settings → Model downloads → install Speed packages
# Then choose Built-in Voice, Voice Design, or Voice Cloning.

長いナレーションでは、細かく分割するのではなく台本全体を貼り付けます。900文字を超える台本はプロジェクトになり、セグメントを順に生成して完成したファイルへ結合します。iPhone版2.4.0ベータでは1つのセグメントだけを再生成できるため、全体をやり直さずに一文だけ修正できます。

# Build the developer CLI only when you need it:
./scripts/build.sh cli
build/vocello modes
build/vocello speakers list

音声ワークフローと出力

Vocelloは、1行のデモと本格的な制作パイプラインの間を埋めるツールです。ナレーションの下書き、繰り返し使うキャラクター、多言語の試作、長い台本の分割生成を扱いながら、履歴で全体を追跡できます。対応言語は中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語です。

内部の仕組み

リポジトリの中心はVocelloQwen3Coreで、mlx-audio-swiftを基にしたMLX上のSwiftランタイムです。Python、別途管理するローカルサーバー、アプリに同梱されたモデルウェイトは必要ありません。Macアプリ、iPhoneアプリ、CLI向けで同じエンジンを共有し、モデルパッケージは別途取得するため、アプリ本体が巨大にならない構成です。

長文生成は中間バッファを無制限に保持せず、一定のフレームに分けてストリーミングされます。リポジトリの測定では、同じ条件のテイクでピークが約8GBから後半約3GBまで下がり、12セグメントのプロジェクトも開始時のフットプリントに近い状態で完了しています。出力は24kHz、モノラル、16-bit WAVで、速度についてはすべてのMacで同じ結果になると約束するのではなく、実時間係数のベンチマークを記録しています。

リポジトリとリリース

ソースはPowerBeef/Vocelloリポジトリで公開され、現在のMac向けダウンロードはv2.4.0 releaseです。リポジトリはMITライセンスで、アプリ、共有エンジン、ビルドスクリプト、ドキュメント、リリースメタデータを含みます。通常のユーザーはMac DMGを使えばよく、インストールだけならXcodeは不要です。

CLIはMac DMGに含まれていません。コマンドライン生成や開発への参加が必要な場合だけソースからビルドします。リポジトリのスクリプトはmacOS 26、Apple Silicon、フル版のXcode 26を前提としており、Command Line Toolsだけでは足りません。macOS 15のサポートが必要な場合は、Vocello 2.xが対応しているふりをせず、プロジェクトが案内する旧QwenVoice 1.2.3リリースを確認してください。

インストール前に確認すること

ダウンロード前に、Apple SiliconのMacであること、macOS 26以降であること、モデルパッケージ用の空き容量があること、そして一度Hugging Faceからダウンロードすることを確認してください。参照音声を録音する場合はマイク権限を許可します。文字起こしの自動入力を使う場合、オンデバイス用のアセットのために音声認識権限を求められることがあります。iPhoneのTestFlightベータはMac版とは別の試験版です。

弱点と制限

Vocello 2.xは対応範囲を絞っています。Apple Siliconのみ、macOS 26以降のみで、Intelや古いmacOS向けの現行ビルドはありません。iPhone版はまだパブリックベータで、MacとiPhoneで利用できるモデルも同一ではありません。小さくすぐ使えるダウンロードやブラウザ中心の作業が必要なら、ホスト型TTSページより重く感じるはずです。

モデルのダウンロードはセットアップの一部で、QualityパッケージはSpeedよりメモリとディスクを多く使います。Voice Cloningの結果も参照音声とモデルに左右され、どんな声でもきれいに再現できるわけではありません。また、ローカル生成だからといって他人の声を使う権利が生まれるわけではありません。実在の声をクローンして公開する場合は、許可を得たうえでAI生成音声であることも明示してください。

VocelloはWAV出力に聞き取れないAudioSealウォーターマークと機械可読のプロヴェナンス情報を付けます。ドキュメントはEUを含む一部の法域で開示義務が生じる可能性にも触れています。これは利用ケースを確認するためのプロジェクト上の案内であり、法的助言の代わりではありません。

ライセンス

アプリのソースはMIT Licenseで公開されています。実際には、著作権表示とライセンス文を対象の配布物に残す限り、コードの確認、変更、利用、再配布ができ、商用ソフトウェアにも組み込めます。ライセンスには保証がありません。

この許可が自動的に及ぶのはプロジェクトのコードであり、モデル、依存関係、参照音声、生成物すべてではありません。Qwen3-TTS、MLX、mlx-audio-swift、ダウンロードしたウェイト、同梱アセットには個別の条件があり、ソースライセンスが実在する人の声をクローンする権利を与えるわけでもありません。改変版やモデルパッケージを再配布する前に、リポジトリの注意書きを確認してください。

インストールすべき人

macOS 26のApple Silicon Macで、音声ワークフローをプライベートに保ちたいなら、署名済みのVocello 2.4.0 DMGから始めるのがよいでしょう。すぐに使うならBuilt-in Voice、繰り返し使うキャラクターならVoice Design、Voice Cloningは権利と開示の整理ができている場合だけ選びます。CLIや開発が目的のときだけソースビルドを使い、モバイル版を試したい場合はiPhoneのTestFlightベータを別途確認してください。

# Download the signed and notarized Mac release:
open https://github.com/PowerBeef/Vocello/releases/download/v2.4.0/Vocello-macos26.dmg

# Open the DMG and drag Vocello.app to /Applications.