Markdown を WAV に変換 — AI ボイス

黙読のために書かれたものが、今度は耳で

Markdown が生まれたのは、書き手がワープロと格闘せずに構造を手にしたかったからです。見出しはシャープ、強調はアスタリスク、リストはダッシュ。このフォーマットは、整形された結果を見る読者の存在を前提にしています。しかし現代では、1 日のうち耳が担当する時間——通勤、台所、ジムのマットの上——がどんどん増えています。ノートのフォルダは、あなたのヘッドフォンに合わせてくれません。Markdown を WAV に変換すれば、文書に 2 番目の読者ができます。聴いているあなた自身です。

この組み合わせは自然です。Markdown の中身はプレーンテキストなので、描画すべきものも、気にすべきライセンスもなく、ファイルはそのままアップロードされます。平文の TXT ファイルが文字の平たい流れであるのに対し、Markdown ファイルはアウトラインをファイル自身が運んでいます。そしてこのページは、そのアウトラインを使うために作られています。さらに、フォーマットがすでに構造を符号化している——何が見出しで、何がリスト項目で、何が太字にするほど大事か——ため、読み上げは記号をダラダラとなぞるのではなく、文書自身の形に沿って行えます。

文書を読み上げられる形にする仕組み

音声を合成する前に、ファイルは「読み上げられる形に整える」前処理を通ります。目的は単純です。人が記号を聞かされる瞬間をなくすこと。残るのは、作者が並べた順序どおりに並んだ本文だけです。

意図的に外れるものがあります。コードブロックと表は読み上げられません。パイプやバッククォートを朗読する声を望む人はいませんし、表を行ごとに読み上げたら雑音です。リンクはアンカーテキストだけを伝えます。エンジンが読むのは「リリースノート」という語であって、その背後の URL ではありません。画像記法は代替テキストも含めて丸ごと無視されます。前処理は機械的で予測可能です。要約も書き換えもせず、本文の外の何も話しません。

残るのは構造です。見出しの階層、強調、リストの順序は読みのリズムに織り込まれるので、録音は文書が息をするところで息をします。新しい節は新しい節として着地し、リストはリストとして、順番に読まれます。そこから Qwen3-TTS エンジンが音声を合成し、可逆（ロスレス）コンテナである WAV に書き込みます。変換のほとんどは数分で終わり、長い文書でも 20 分程度かかることがある程度です。WAV は 1 つのファイルとして届き、どんなプレーヤーでも再生でき、あなたへの追加の作業は何も求められません。

ボイスと入力上限

声は Qwen3-TTS エンジンによる AI 生成で、人間の録音ではありません。ページもそのように正直に提示しています。既定のボイスは Vivian で、一定のニュース放送調——落ち着いて、明瞭で、味わうというより吸収したい素材に向いた読み方——を保ちます。ボイスや速度の調整はまだありません。すべての文書が同じ落ち着いた読みを受けます。一貫性こそが特徴です。次の文書がどのように聞こえるか、いつも正確にわかるのですから。

入力は 2000 文字までで、仕上がりは約 9 分の音声です。それより長いファイルは、黙って切り詰められる代わりに、明確なメッセージとともに拒否されます。Markdown での自然な対処は節ごとの分割です。各部分は見出しを保ち、それぞれが固有の WAV を生み、部分は順番に変換されます。構造の良い文書は変換もきれいにできます。分割位置は、すでにファイルに書き込まれているのですから。

プライバシーと 1 ファイルの習慣

プラットフォームのプライバシー基準は、そのまま適用されます。このツールはベータ期間中は無料でアカウント不要です。アップロードは HTTPS で送信され、処理はメモリ内で行われ、Markdown の原本も生成された WAV も 24 時間以内に自動削除されます。メールアドレスの入力欄も、広告ネットワークも、読み飛ばしたい例外もありません。

1 ファイルの入力に、1 つの音声ファイルの出力。意図的に狭く、意図的に頼もしく作られています。ノートを Markdown で管理しているなら——ドキュメントの下書き、日誌、カードボックスからの書き出し——このページはその山を、散歩の間に片付けられる何かに変えてくれます。そして読み上げは文書自身の見出しに従うので、きちんと構造化されたファイルは、平坦なファイルより単純に良く聞こえます。書かれたものには声が与えられるに値します。今、それが手に入りました。