Markdown を MP3 に変換 — AI ボイスナレーション

書いたものを、声で

私たちが書くテキストの多くは、黙読のために書かれています。会議メモ、ブログの下書き、ニュースレター、学習のまとめ、動画の台本。書かれたテキストは画面の上に住んでいるため、流し読みは簡単ですが、それ以外の場所で消費するのは難しくなります。同じテキストを音声に変えれば、通勤の相棒になり、トレーニングの最中にも耐え、目が別の作業でふさがっている間に流れてくれます。自分の文章を見直す人にとって、読み返してもらうことは、実は非常に効果的な推敲の一手でもあります。ぎこちない文は、声に出された瞬間に自分から名乗りを上げるからです。

このページは、Markdown ファイルのためにその 1 つの仕事をするものです。Markdown 文書を 1 つアップロードすると、内容を読み上げた MP3 が返ってきます。句読点や記号をロボットのように綴るのではなく、本文そのもののナレーションです。このページの残りの部分では、声がどのように聞こえるか、文書のどの部分が実際に読まれるか、そしてダウンロードフォルダに何が届くのかを説明します。

放送のような抑揚を持つ AI ボイス

ナレーションは録音ではなく合成です。音声は Qwen3-TTS エンジンによるもので、人間があなたの文書を読んだわけではないことを、ありのままに伝えておきます。既定のボイスは Vivian で、一定のニュースキャスター調を保ちます。見出しを読み上げる放送局のアナウンサーのような、落ち着いた安定した語り口です。その調子は、人々が Markdown に置いておく種類の情報テキスト——メモ、まとめ、記事、ブリーフィング——にぴったり合っています。

今日の時点で意図的に、調整つまみはありません。別のボイスを選ぶことも、話す速さを変えることもできません。1 つのボイスに 1 つの抑揚、それがこのエンジンの提供するすべてであり、ページはそのことを偽りません。劇的な朗読や、ゆっくりの解説読みが必要なテキストなら、現時点でこのツールは適任ではありません。

入力は 1 回の変換につき 2000 文字までで、およそ 9 分の音声になります。それより長い文書は黙って切り詰められるのではなく拒否されるので、長い文章は自然な節の境界で分割し、部分を順番に変換してください。

読まれるもの、沈黙するもの

合成の前に、Markdown は「読み上げられる形に整える」工程を通ります。コードブロックは読み上げられません。設定ファイルやソースコードのブロックを 1 行ずつ朗読されたら、聞くに耐えず役に立たないものになるでしょう。表も同じ理由でスキップされます。セルの格子を行順に読み上げても、それは雑音であって情報ではありません。エンジンがきれいに発話できないものは、すべて外れます。

リンクはアンカーテキストだけを伝えます。「リリースノート」というラベルのリンクは、リリースノートと読まれます。URL を 1 文字ずつ綴られることはありません。画像記法は丸ごと無視されます。代替テキストは読まれず、画像の説明もされません。

残るのはあなたの本文であり、その構造はテンポの中に生き続けます。見出しの階層、強調、リストの順序がナレーションの流れを形作るので、きちんと構造化された文書は、平坦ではなく整然と聞こえます。耳のために書けば、音声が応えてくれます。

2 つのファイル、1 つの正直な時間軸

エンジンはまずナレーションの WAV を作り、それを 192 kbps の MP3 にトランスコードします。両者の音は同一です。MP3 はずっと小さく、共有したり同僚に送ったりスマートフォンに入れたりするのに適したほうです。両方ダウンロードできます。WAV を残すのは、ワークフローの別のツールが未圧縮音声を欲しがるときだけで十分です。

変換は通常、数分で終わります。タスクの上限は 25 分ほどなので、混み合っているキューでは待ち時間が加わることがあります。サービスは無料、アカウントは不要で、アップロードされた Markdown も生成された音声も 24 時間以内に自動削除されます。メールアドレスを求められることは一切ありません。