Inworld TTS 2

Inworld TTS 2の概要

Inworld TTS 2は、Inworldが2026年8月31日に公開したRealtime TTS-2という音声合成モデルです。Morphicでは公開と同じ日から使えます。既製の95音声から声をひとつ選び、原稿を読ませます。100を超える言語をまたいでも声は同じ人物のまま保たれ、返ってくる速さは会話の中に置けるほどです。

Inworld TTS 2はどこが違うのか

ほかの音声モデルと分かれる点は2つあります。ひとつは待ち時間です。最初の音が出るまでの中央値が200ミリ秒を切ります。これで音声合成は「生成して待つもの」ではなくなります。プレイヤーがまだ耳を傾けている間に、キャラクターが答え始められます。

もうひとつは、声が言語に縛られていないことです。カタログのどの音声も、対応する言語ならそのまま話せます。しかも切り替えはひとつの生成の中で起こせます。2言語が混ざった原稿でも、2回の収録をつないだようには聞こえません。ひとりの話者が続けて話しているように返ります。ブランドの声が言語をまたいでも生き残るのは、この性質があるからです。

Inworld TTS 2でできる仕事

用途はおおむね2つの方向に分かれます。ひとつは、応答の速さがそのまま体験になる場面です。ゲームのNPCや会話するキャラクターがこれにあたります。もうひとつは、同じ声を長く保ちたい場面です。ナレーション、解説動画、オーディオブック、そして言語ごとに読み分ける吹き替えが並びます。95の声があれば、村ひとつ分の配役を同じ声を二度使わずに組めます。

MorphicでのInworld TTS 2

MorphicではSpeech用の音声モデル一覧に並びます。ElevenLabsやGemini 3.1 Flash TTSと同じ場所です。プロンプトバーをAudioに切り替え、Speechを選び、モデルにInworld TTS 2を指定します。あとは声を選び、原稿を貼り付けて生成するだけです。1回の生成で使える原稿は2,000文字まで。音声は48 kHzのMP3で、そのままCanvasに届きます。

ティアは2つです。既定はInworld TTS 2です。Inworld TTS 2 Flashは同じ95音声のカタログを、より速く、より低いコストで使う設定です。量をこなす作業や下書きに向きます。ティアを切り替えても配役はそのままで、声を選び直す必要はありません。