sanoTTS-jp — ブラウザで動くランタイムデモ

ESP32 向けに書いた C99 の推論コアと漢字経路を、そのまま WebAssembly にしたものです。形態素解析もアクセント推定も音声合成も、全部このページの中で走ります（サーバに文字は送りません）。

⚠️ これは arXiv:2608.21378 の独立再実装であり、著者らによる公式実装ではありません。
公式実装 Ampixa/sanoTTS は GPL-3.0 の別物で、本プロジェクトはそのソースコードを一切参照せずに、論文本文の数値と piper-plus の実装から独立に書いています。

読ませる文

レーン W8A32（既定・重み int8 / 活性 float32）

held-out 24 文で fp32 経路に対し平均 28.11 dB / 最小 25.72 dB。受け入れゲートを通っている方。

W8A8（重みも活性も int8 = 実機の出荷構成）

同じ 24 文で平均 24.27 dB / 最小 22.00 dB。受け入れゲートは通っていません（既知の劣化）。実機 ESP32-S3 で焼いているのはこちらです。

この SNR は node 上の wasm で測った値ですが、Chrome で同じ wasm を走らせて PCM が bit 一致することを確かめてあるので、そのまま当てはまります（M-95）。 ⚠️ SNR そのものをブラウザで測り直したわけではありません。

音は両レーンとも聴いてもらって「問題なかった」/ 途切れ無し（M-96）。 ⚠️ 1 名・対照なし・盲検なしで、欠陥が無いことの証明ではありません。 ⚠️ モバイルと Safari では測っていません。

初回の再生で、モデルと辞書（合わせて数 MB）をダウンロードします。

レーン	—
経路	—
音素 id 数	—
合成にかかった時間	—
音声長	—
arena 使用	—

この demo について

経路（かな / 辞書 / 拒否）は wasm の中が決めています。 JavaScript は打たれた文字列をそのまま渡すだけで、「ひらがなだから」のような判定を一切持ちません（ホストと端末で同じ列が出ることを、リポジトリのゲートが守っています）。
合成の作業領域は ESP32 と同じ 180,224 B の arena に固定してあります。ブラウザなら緩められますが、同じ枠で動くこと自体が「MCU に載る」の証拠になるので緩めていません。
成果物は今も ESP32 の 567 K パラメータのモデルです。Web は触れる入口でしかありません。

⚠️ どこまで確かめてあるか。 合成した PCM は 22,050 Hz です。Chrome では AudioContext が 要求どおり 22,050 Hz を返すことを確かめました（M-95。既定は 48,000 Hz）が、 それ以外のブラウザでは分かりません。リサンプルが挟まれば出音は checksum と一致しません。音は両レーンとも聴いてもらって「問題なかった」/ 途切れ無し（M-96）。 ⚠️ 1 名・対照なし・盲検なしで、欠陥が無いことの証明ではありません。 ⚠️ モバイルと Safari は速度も音も測っていません。

ライセンスと帰属

モデルの帰属表示（`LICENSE-MODEL.md` §3.1・必須）

This model was distilled from a piper-plus teacher model.
sanoTTS-jp — https://github.com/ayutaz/sanoTTS-jp

つくよみちゃんコーパス
  本ソフトウェアの音声合成には、フリー素材キャラクター「つくよみちゃん」
  （© 夢前黎）が無料公開している音声データを使用しています。
  https://tyc.rei-yumesaki.net/material/corpus/

MOE-Speech (litagin) — https://huggingface.co/spaces/litagin/moe-speech-license
  著作権法 30 条の 4（情報解析のための利用）に基づき学習に使用。

蒸留に使用したテキストコーパス:
  - Common Voice ja (Mozilla) — CC0-1.0
      https://github.com/common-voice/common-voice
  - ROHAN4600 (森勢将雅) — CC0-1.0
      https://github.com/mmorise/rohan4600
  - ITA コーパス — CC0-1.0
      https://github.com/mmorise/ita-corpus
  - JSUT ver1.1 (高道慎之介) — CC-BY-SA-4.0 ほか（subset 別）
      https://sites.google.com/site/shinnosuketakamichi/publication/jsut

教師実装: piper-plus (MIT) — https://github.com/ayutaz/piper-plus

出力の用途制限（`LICENSE-MODEL.md` §3.2・必須・伝播します）

つくよみちゃんコーパスの条件により、このページが生成した音声は次に使えません。

❌ 個人・団体への攻撃・批判
❌ 政治・宗教上の主張
❌ アダルト用途
❌ 素材としての再配布（生成音声そのものを「音声素材集」として配布すること）

一次ソース: https://tyc.rei-yumesaki.net/material/corpus/ （条件は提供元が更新しうるため、配布・利用の前に一次ソースを確認してください。一次ソースと本ページが食い違う場合、一次ソースが優先します。）

この 2 つの条件は第三者にも課す義務があります（§3.3）。音声を再配布する場合は、§3.1 と §3.2 を外さないでください。

⚠️ このページに音声のダウンロード機能が無いのは意図的です（上の「素材としての再配布」の線を曖昧にしないため）。

同梱している第三者のもの

Open JTalk（NJD / JPCommon 系）— 修正 BSD / Copyright (c) 2008-2016 Nagoya Institute of Technology, HTS Working Group。漢字経路の形態素解析とアクセント規則に使っています。全文は NOTICE-openjtalk.txt。
辞書（NAIST / UniDic / 名古屋工業大学）— 権利者と条件は NOTICE-dictionary.txt。
Emscripten — MIT / NCSA。 ⚠️ emcc は生成物にライセンス文を 1 文字も書かないので、こちらで表示しています。 LICENSE。
その他の帰属・既知の法的リスクは NOTICE.txt にまとめてあります。