YomiScript：読み間違えない TTS を、ブラウザーで

Kokoro などのオープンソース TTS は音質が大きく向上しましたが、日本語では「市場（いちば／しじょう）」のように文脈で読みが変わる語を読み間違えることが多く、難しい文での読みの正解率は約3割にとどまります。

YomiScript は、この前処理（読み手、Yomite）を LLM に任せます。LLM が発音記号ベースのスクリプトを書き、語り手（Katarite）がそれを音声にします。文章を書いた LLM がそのまま読み方も書くため、読みの正解率は98%以上になります。Claude Code や Codex で YomiScript を生成すれば、追加のコストは一切かからず、API キーも不要です。

読みの判断を LLM に任せたことで、語り手は軽量になりました。Kokoro ベースの語り手は約160 MB で、サーバーなしにブラウザーの中だけで動きます。このページの YomiScript の音声も、いまこのブラウザーの中で生成しています。

Kokoro ベースの語り手を提供しますが、Supertonic 用の語り手もあり、置き換えは自由です。言語に依存しない公開仕様として、オープン TTS の共通の形式を業界に提案したいと考えています。