VOICEVOXとは？仕組み・キャラクター・使い方を初心者向けに解説

「動画にナレーションを入れたいけど、声優は雇えない」「無料で使える音声ソフトってないの？」——そんな方に向けて、この記事はVOICEVOXの正体・できること・始め方を専門用語をできるだけ避けてやさしく解説します。ひとことで言うと、VOICEVOXは「文章を打ち込むだけで、キャラクターの声で読み上げてくれる無料ソフト」です。

本ページはVOICEVOXの「とは（概要）」に特化し、音声合成の仕組み・主なキャラクター・インストールから基本的な使い方までを初心者向けに解説します。料金や商用利用条件を含めた全体像はVOICEVOXの料金ガイド（ハブ記事）をご覧ください。

目次

Toggle

ダウンロード前の適合セルフ診断──あなたの用途はVOICEVOXで足りるか

VOICEVOXは無料で高品質な日本語読み上げが手に入る一方、用途によっては最初から別サービスを選んだ方が手戻りが少ない。ソフトを入れる前に、下の観点で「自分の使い方に合うか」を確認しておきたい。

VOICEVOXが向いているケース（3つ）

• 日本語・ローカル完結でコストを抑えたい──PC単体で動き、月額課金なしで日本語ナレーションを量産できる。
• キャラクター音声の個性を活かしたい──複数話者を使い分ける動画・解説・ゲーム演出に向く。
• 自作ツールやアプリに読み上げを組み込みたい──ローカルのREST APIから呼び出す前提の実装がしやすい。

VOICEVOXだと不利になりやすいケース（3つ）

• 英語や多言語のナレーションが主目的──日本語特化のため、多言語はクラウド系TTSの方が素直。
• 特定の実在人物・自社ブランド専用の声を作りたい──任意の声を学習する用途は設計思想が異なる。
• クレジット表記を出せない／サポート契約や責任分界が必要──各キャラクター規約とコミュニティ中心の運用が前提になる。

用途別 早見トリアージ

あなたの用途	まずVOICEVOXで試す	切替を検討する条件
YouTube解説・ゆっくり動画	◎ 適	—（規約に沿ったクレジット表記だけ確認）
個人ゲーム・同人の音声演出	◎ 適	成人向け・政治的用途はキャラ規約で不可の場合あり
教育・eラーニング教材	○ 適	多言語版も同時に作るなら多言語TTSを併用
自作アプリ・社内ツール組み込み	○ 適	常時稼働・大量並列・SLAが要るならクラウドAPIへ
商用サービスの音声機能として提供	△ 要確認	クレジット表記回避・サポート・責任分界が必要なら業務向けサービス
英語・多言語ナレーション主体	△ 不利	最初から多言語クラウドTTSが無難

「VOICEVOXでなく○○」に切り替える具体的トリガー（1行使い分け）

• 別のキャラクター性・声質が欲しい → COEIROINK など他の無料日本語TTSを試す。
• 感情・抑揚の表現幅を重視 → AivisSpeech 系など表現寄りの無料TTSを検討。
• 多くの声・商用サポート・クラウド生成が必要 → CoeFont などクラウド商用TTSへ。
• 英語ほか多言語をAPIで大量生成 → Amazon Polly / Google Text-to-Speech などクラウドAPIへ。

選ぶときに見る軸（優先順）

1. 言語：日本語だけで足りるか、多言語が要るか。
2. 実行環境：ローカル完結でよいか、クラウド／API常時稼働が要るか。
3. 権利と表記：クレジット表記を出せるか、各キャラクター規約が用途に合うか。
4. サポート・責任：コミュニティ運用で足りるか、窓口・契約が要るか。

上の4軸で引っかかりが無ければ、まずVOICEVOXを入れて実際の声を書き出して確かめるのが早い。引っかかる項目がある場合だけ、上記の切替先を検討すればよい。

VOICEVOXとは――無料で使える日本語音声合成ソフトの全貌

VOICEVOXは、ヒホ氏が開発した無料・オープンソースの日本語テキスト音声合成（TTS）ソフトウェアです。テキストを入力するだけで、個性豊かなキャラクターの声でリアルな日本語音声を生成できます。2021年のリリース以降、ゲーム実況・YouTubeナレーション・教育コンテンツ・ビジネス用途まで幅広く普及し、2024年時点では累計ダウンロード数は数百万を超えるまでに成長していたとされていました（現行値は公式未確認）。本記事ではVOICEVOXの仕組み・特徴・使い方・できること・できないこと・商用利用ルールまでを一気通貫で解説します。

🔥 VOICEVOXを使うとこんなに変わる（before → after）

ふだんの動画・コンテンツ制作がどう変わるか、具体的に並べてみます。

• 動画のナレーション：今まで＝声優や読み上げソフトに費用がかかる → 完全無料でキャラクターボイスのナレーションを何本でも作れる
• 実況・配信の声：今まで＝自分の声で話す・機材や編集に時間がかかる → テキストを打つだけで個性豊かなキャラクターの声に変換
• プログラムからの自動読み上げ：今まで＝外部の有料音声APIを契約 → REST APIでローカルから無料で連携し、システムに組み込める
• オフライン作業：今まで＝クラウドAPIの通信環境やデータ送信が気になる → インストールすればネット接続不要・データも外部に出さずに使える

「あのナレーション、VOICEVOXで作れそう」と思えたら、まずは無料でインストールして試すのが近道です（本文「インストールと基本的な使い方」参照）。

VOICEVOXの基本情報

まず押さえておくべき基本スペックを整理します。

項目	内容
開発者	ヒホ（Hiroshiba）氏
初回リリース	2021年7月
ライセンス	エンジン：LGPL-3.0 / エディタ：LGPL-3.0 / 音声ライブラリ：キャラクターごとの個別規約
対応OS	Windows・macOS・Linux
価格	無料（エンジン・エディタ本体）
API提供	あり（ローカルREST API）
収録キャラクター数	40以上（2026年7月時点・公式サイト掲載値。追加ライブラリ含む）
音声フォーマット	WAV（16bit / 24kHz）

ソフトウェア本体は完全無料で、商用・非商用を問わず利用できます。ただし音声ライブラリ（キャラクター）ごとに利用規約が異なるため、商用利用の際はキャラクターの規約を別途確認する必要があります。

VOICEVOXの仕組み――どうやって音声を作るのか

VOICEVOXはディープラーニングベースのTTSエンジンを内蔵しており、入力テキストからリアルタイムに音声を合成します。処理の流れは次のとおりです。

技術的な特徴として、フロントエンドにOpenJTalk系の形態素解析と独自のアクセント推定モデルを組み合わせ、音声合成にはVITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）をベースとした独自モデルが使われています。このためピッチ・テンポ・音量を細かく調整でき、従来のルールベースTTSより自然な抑揚を実現しています。

処理はすべてローカル（オフライン）で完結します。音声データがクラウドに送信されないため、プライバシー上の懸念が少なく、企業や教育機関でも導入しやすい点が評価されています。

主なキャラクター（話者）一覧

VOICEVOXの最大の特徴の一つが、個性的なキャラクターによる多彩な声のバリエーションです。本体に同梱されている代表的な話者を以下に示します。

キャラクター名	声の特徴	主な用途イメージ
四国めたん	落ち着いた女性の声。複数のスタイル（ノーマル・あまあま・ツンツンなど）を持つ	ナレーション・教育動画
ずんだもん	子どもっぽく元気な声。VOICEVOXの象徴的キャラクター	エンタメ・ゲーム実況
春日部つむぎ	明るく若い女性の声	YouTube動画・ポッドキャスト
雨晴はう	穏やかで優しい声	教育・福祉・案内
波音リツ	クールな女性の声	プレゼン・ビジネス動画
玄野武宏	低めの男性の声	ナレーション・解説
白上虎太郎	元気な若い男性の声	ゲーム・エンタメ
青山龍星	落ち着いたダークな男性の声	シリアスなコンテンツ

これら同梱キャラクターに加え、サードパーティ製の追加音声ライブラリをインストールすることでさらに多くの声を利用できます。各キャラクターには「ノーマル」「喜び」「怒り」「悲しみ」などの感情スタイルが設定されているものもあり、場面に応じた表現が可能です。

VOICEVOXでできること

テキストを読み上げる（基本機能）

GUIエディタにテキストを貼り付けて再生ボタンを押すだけで即座に音声が生成されます。アクセントや読み方を辞書登録で修正したり、フレーズ単位でピッチ・音量・話速・無音区間を視覚的に編集したりする機能も備わっています。

音声ファイルの書き出し

生成した音声をWAVファイルとしてローカルに保存できます。複数行を一括でファイル出力する機能もあり、長尺の台本をまとめて書き出すことが可能です。

REST APIによる外部連携

VOICEVOXはローカルサーバー（デフォルト：http://localhost:50021）としてREST APIを提供します。これを使えばPython・Node.js・Unityなど任意のプログラムからリアルタイムに音声を生成できます。実際にゲームエンジン（Unity・Unreal Engine）やストリーミングソフト（OBS）と連携する事例が多数報告されています。

カスタム辞書・アクセント調整

専門用語・固有名詞・外来語など標準辞書にない言葉は、ユーザー辞書として読み方とアクセントを登録できます。製品名や人名を正しく読ませたい企業用途でも活用されています。

マルチキャラクター・複数話者の使い分け

1つのプロジェクト内で複数のキャラクターを切り替えて使えます。対話形式のコンテンツや複数ナレーターが登場する教育動画などに対応しています。

howtoの詳細 → こちらの記事で解説しています。

商用利用とライセンスの考え方

VOICEVOXの商用利用は原則として可能ですが、注意点があります。

対象	ライセンス	商用利用	主な条件
VOICEVOXエンジン（コア）	LGPL-3.0	可	ライブラリとしてのリンク形式などLGPL要件を遵守
VOICEVOXエディタ	LGPL-3.0	可	改変時はソース公開が必要
各音声ライブラリ（キャラクター）	キャラクターごとの個別規約	条件付きで可（大半）	クレジット表記・ゾーニング・禁止コンテンツなどキャラクター規約を要確認

たとえば「ずんだもん」の音声ライブラリはピアプロキャラクターライセンス（PCL）に準拠しており、商用・非商用問わず利用可能ですが、政治的メッセージや成人向けコンテンツへの使用には制限があります。利用前に各キャラクターの規約ページを必ず確認してください。

なお、生成した音声をYouTubeやSNSにアップロードする際は、動画の説明欄に使用したキャラクター名とVOICEVOXを使用した旨を記載することが各規約で推奨（または必須）とされているケースがほとんどです。

業務・商用で使うなら：VOICEVOXとSakuraSpeechの選び方

VOICEVOXは無料で手軽に始められる優れたソフトですが、自社サービスへの組み込みや業務ナレーションの自動化を前提にすると、キャラクターごとに異なる利用規約・クレジット表記の要否・サポート窓口の有無といった論点が出てきます。ここでは、同じ日本語音声合成でも設計思想が異なる二つの選択肢を正直に並べて整理します（下記SakuraSpeechは弊社クリスタルメソッド株式会社のサービスです。利益相反を開示します）。

観点	VOICEVOX	SakuraSpeech（弊社）
費用	完全無料（エンジン・エディタとも0円）	商用向けの有償サービス（用途に応じて相談）
商用利用・ライセンス	利用は可能だがキャラクターごとに規約が異なり、クレジット表記が必要な場合が多い	商用利用を前提とした契約・サポートを提供
日本語の自然さ	キャラクター音声として高品質	日本語特化（アクセント辞書・イントネーション制御・漢字読み分けを日本語前提でチューニング）
システム組み込み	基本はローカルのエディタ／エンジン利用	API連携でWebサービス・社内システム・eラーニング基盤に組み込み可能
サポート	コミュニティ中心	導入相談・技術サポート窓口あり

個人利用・趣味・ゆっくり解説なら、無料でオフライン動作するVOICEVOXが最適です。一方で商用製品への組み込み・クレジット表記を避けたい・日本語品質とサポートを重視するケースでは、日本語特化のAI音声合成 SakuraSpeech のような業務向けサービスが選択肢になります。導入のご相談は無料相談で承っています。

VOICEVOXのメリットと限界

メリット

• 完全無料：エンジンもエディタも0円。月額費用が発生しない
• オフライン動作：インターネット接続不要。データが外部に送信されない
• 日本語特化の高品質：日本語のアクセントや抑揚の再現精度が高い
• キャラクターの多様性：声の種類が多く、コンテンツの雰囲気に合わせて選べる
• API連携の自由度：プログラムから制御できるのでシステム組み込みも容易
• 活発なコミュニティ：追加ライブラリの公開・ノウハウ共有が盛ん

限界・注意点

• 日本語専用：英語・中国語・韓国語などの多言語対応は公式にはない
• 出力フォーマットがWAVのみ：MP3・OGGなどへの直接書き出しはできず、別途変換が必要
• 複雑な感情表現には限界：声優や人間のナレーションに比べると、微細な感情の機微はまだ差がある
• PCスペックへの依存：GPUなしのローエンドPCでは合成に時間がかかる場合がある
• 長文の一括処理：非常に長いテキストをAPIで高速処理する際は独自の最適化が必要
• 商用利用はキャラクター規約確認が必須：エンジン無料≠全コンテンツ自由利用

VOICEVOXの活用事例

YouTubeナレーション・ゆっくり解説

ずんだもんをはじめとするVOICEVOXキャラクターが登場する「ゆっくり解説」スタイルの動画は、YouTubeで数千万〜数億回再生を記録するチャンネルも存在します。テキストを書くだけで音声が完成するため、一人で動画制作のすべてをこなす個人クリエイターに特に重宝されています。

ゲーム・インタラクティブコンテンツへの組み込み

UnityやGodotとVOICEVOXのローカルAPIを組み合わせることで、ゲーム内のNPCや案内音声をリアルタイム生成するシステムを構築できます。台本が不確定なプロシージャルコンテンツとの相性が良く、インディーゲーム開発者に広く使われています。

教育・eラーニング教材

学校や塾が教材動画を内製する際のナレーション収録コストを削減する手段として採用が増えています。録音ブースや声優費用が不要で、テキストを修正するだけで音声を作り直せる点が大きな利点です。

業務・社内ツールへの組み込み

社内向けの自動電話応答システムや、製造現場での作業手順読み上げシステムにVOICEVOXエンジンをAPIで組み込む事例があります。オフライン動作のため、ネットワーク非接続の工場設備にも導入できるのが評価ポイントです。

音声合成・AI音声サービスとの組み合わせ

私たちDeepAIでは音声合成・音声クローン・ナレーション生成をサービスとして提供しており、VOICEVOXのような無料ツールが普及することで日本市場全体のTTSリテラシーが高まっていることを実感しています。VOICEVOXは個人・スモールビジネス向けの入り口として機能し、より高度な多言語対応・感情制御・リアルタイム低遅延が求められる用途でクラウドAPIや音声クローン技術が選ばれるという住み分けが生まれています。ローカル無料ツールとクラウドサービスを適切に使い分けることが、コスト最適化と品質確保の鍵です。

VOICEVOX関連プロジェクトと周辺エコシステム

VOICEVOXを中心としたエコシステムは本体だけでなく、多数の関連プロジェクトで成り立っています。

プロジェクト名	概要
VOICEVOX CORE	音声合成エンジン部分をライブラリとして独立させたもの。PythonやRustから直接利用可能
COEIROINK	VOICEVOXエンジン互換のエディタ。独自キャラクターを持ち、ユーザーが声を作成・公開できる
SHAREVOX	VOICEVOXフォークのエディタ。追加機能を持つ
AivisSpeech	Style-BERT-VITS2ベースの次世代エンジン。VOICEVOXと互換性のあるAPI設計
各種Unityプラグイン	VOICEVOXをUnityエディタから直接呼び出せるサードパーティ製プラグイン群

特にVOICEVOX COREはライブラリとして組み込み開発に使えるため、製品・サービスへの統合に向いています。GUIエディタが不要な場合は、COREを直接呼び出す形でシステムを構築するのが効率的です。

よくある質問

VOICEVOXはスマートフォンで使えますか？

公式のスマートフォンアプリは提供されていません。ただし、PC上でVOICEVOXサーバーを起動し、同一ネットワーク内からAPIアクセスすることはできます。スマホアプリとして完結させたい場合は、クラウドTTSサービスの利用が現実的です。

商用利用は本当に無料ですか？

エンジン・エディタ本体は無料で商用利用できます。ただし、各キャラクターの音声ライブラリには独自の利用規約があり、一部の用途（アダルトコンテンツ・特定の政治的コンテンツなど）は禁止されていることがあります。収益化YouTubeや企業プロモーションへの使用前に、使用キャラクターの規約ページを確認してください。

VOICEVOX COREとVOICEVOXエディタの違いは何ですか？

エディタはGUIを備えたエンドユーザー向けのアプリケーションです。COREはGUIを持たないライブラリで、開発者がプログラムから音声合成機能を直接呼び出すために使います。エンドユーザーが音声を作りたいならエディタ、システムや製品に組み込みたいならCOREを使うのが基本的な使い分けです。

生成した音声の著作権は誰のものですか？

VOICEVOXで生成した音声ファイルの著作権については、現時点（2024〜2025年）では法的に確立した判例が少ない領域です。各キャラクターの規約では生成音声の利用条件が定められていますが、著作権の帰属についての明示的な規定は規約によって異なります。商業製品として大規模に展開する場合は、法務専門家への確認を推奨します。

VOICEVOXは無料で手軽に始められますが、日本語特化のAI音声合成 SakuraSpeech も検討できます（※弊社クリスタルメソッド株式会社のサービス。利益相反を開示します）。音声合成の選び方・業務での活用シーンの全体像は 音声合成とは（活用ガイド） にまとめています。

始める前に決める「自分のPCに合うVOICEVOXの版(エディション)」

VOICEVOXは1種類のアプリだけが配布されているわけではなく、動かす環境に合わせて選べるいくつかの入手方法があります。ダウンロードしてから「自分のPCでは重い」「そもそも動かない」と気づくと入れ直しになるため、始め方の最初の分岐として、どの版を入れるかを先に決めておくのが失敗しないコツです。まずは声だけ確認したいのか、腰を据えて長文を作りたいのかで選択が変わります。

配布されている主な版と向いている人

版	向いている人	特徴
デスクトップ版・CPU版	まず手軽に試したい/専用GPUを積んでいないPCの人	幅広いPCで動きやすい入門向け。長文や大量生成では、あとで紹介するGPU版より生成に時間がかかる場合がある。
デスクトップ版・GPU版	長い原稿や大量のセリフをまとめて作りたい人	対応するGPUが搭載されていれば生成待ちが短くなりやすいが、GPU版が動作するGPUの種類・メーカーやOSごとの対応状況は環境によって異なるため、導入前に必ず公式サイトの動作環境情報で確認する。ダウンロードサイズや必要な空き容量も大きめになりがち。
公式サイトのブラウザ体験	インストール前にキャラの声を聞いて決めたい人	導入不要でどんな声かを確認できる。あくまで下見用で、本格的な編集はアプリ版で行う想定。提供内容や提供の有無は変更されることがあるため、最新の状況は公式サイトで確認する。

ダウンロード前にチェックしておく動作環境

• OS:自分のWindows/macOS/Linuxのバージョンが配布対象に含まれているか。古いOSだと対象外のことがある。対応OSやバージョンの詳細は公式サイトの動作環境ページで確認する。
• 空きストレージ:音声モデルを含むため、インストール後も動くよう余裕を持った空き容量を用意しておく。必要容量の目安は公式サイトの案内を確認する。
• GPUの有無:GPU版を狙うなら、自分のPCに対応するGPUが載っているかを先に確認する。GPU版が対応するGPUの種類やOSは公式サイトで案内されている条件を必ず確認し、載っていない・対応外の場合は迷わずCPU版で始めてよい。
• ネット接続:初回は本体や音声データのダウンロードが発生するため、安定した回線で入手する。

迷ったら、まずはCPU版かブラウザ体験で声を確かめ、生成の待ち時間が気になってから環境に合うGPU版へ移行する、という順番が始め方としては無理がありません。

ダウンロード後、最初の起動でつまずかないための確認手順

VOICEVOXは、文章を入力・編集する「エディタ」と、その裏で実際に音声を作る「エンジン」が連携して動く構成になっています。この二つがそろって初めて声が出るため、始めたばかりの人がつまずきやすいのは操作方法そのものより「起動と初回セットアップ」の段階です。ここでは、正しく立ち上がったかを確かめる最小チェックと、うまくいかないときの切り分けだけに絞って整理します。

起動できたかを確かめる最小チェック

• アプリを起動して、キャラクター(話者)を選ぶ画面が表示されるか。
• エンジンの起動中/準備中の表示が、待っていれば完了して操作可能になるか。
• 短いテキストを入力し、再生ボタンで実際に音が鳴るか。ここまで通れば導入は成功。

「起動しない/音が出ない/重い」の切り分け

症状	まず疑うところ	対処の方向
起動しない・すぐ落ちる	展開の失敗やアクセス権	ダウンロードファイルの解凍が途中で終わっていないか確認し、権限や保存場所を変えて入れ直す。セキュリティソフトが動作を止めていないかも見る。
音が出ない	再生デバイスとエンジン状態	PC側の音声出力先が正しいか、エンジンの起動が完了しているかを確認してから再生する。
生成が遅い・重い	版とPCスペックの相性	CPU版で長文を一気に処理していないか見直し、文を分けて生成するか、環境が合えばGPU版を検討する。GPU版へ切り替える場合は対応するGPU・OSの条件を公式サイトで確認する。
キャラや機能が古い	バージョン	配布元で最新版を確認し、更新してから使う。

安全に始めるための入手元の確認

• 本体は必ず公式の配布元から入手する。第三者が再配布・改変したものは、動作や規約の面で予期せぬ問題につながりやすい。
• 初回に表示される案内や規約の画面は飛ばさず目を通しておくと、あとで使い方を広げるときに迷いにくい。利用条件・ライセンスの詳細は必ず公式サイトの最新情報で確認する。

この「起動を確認する→症状ごとに原因を切り分ける」という流れを最初に押さえておけば、細かな操作は落ち着いて覚えていけます。

まとめ

VOICEVOXは、日本語に特化した高品質な音声合成をゼロコストで実現できるという点で、現時点でも唯一無二の存在です。オフライン動作・柔軟なAPI・多彩なキャラクター・活発なエコシステムが組み合わさり、個人クリエイターから企業の業務システムまで幅広いシーンで活躍しています。

一方で、日本語専用であること・WAV出力のみであること・感情表現の細やかさでは有料サービスに劣る面があることは念頭に置いておく必要があります。コンテンツ制作や社内システムへの組み込みなど、日本語音声が中心の用途ではまずVOICEVOXを試すのがコストパフォーマンス上の最適解と言えます。より高度な感情制御・多言語対応・声のクローン生成が必要になった段階で、クラウドTTSや専用サービスへの移行を検討するという段階的なアプローチが現実的です。

関連記事

• voicevox 使い方
• voicevox 商用
• voicevox 料金
• voicevox 比較
• COEIROINKとは
• VOICEPEAKとは
• CeVIO AIとは