PowerPointのノート欄から音声を自動合成し、音声付きPPTXを生成するツールです。
音声合成には VOICEVOX を使用します。
- 音声付きPPTX生成 — スライドごとにノートを読み上げる音声を埋め込み、自動再生を設定
- 字幕 — 読み上げテキストをスライド上に字幕として表示（タイミング同期）。字幕スタイルは縁取り（輪郭・ぼかし）・半透明背景から選択可能。太字・斜体・下線のデフォルト設定や句読点の置換にも対応
- アニメーション連携 —
<next>タグで音声タイムラインに合わせてクリックアニメーションを自動発火 - テスト再生 — GUI上で音声と字幕をプレビュー確認
- 読み指定 —
{漢字|よみがな}の記法でTTSに渡す読みと表示テキストを分離 - 設定の保存・復元 —
<config>タグでPPTXファイルに設定を埋め込み、次回自動読み込み - ドラッグ＆ドロップ — PPTXファイルをウィンドウにドロップして入力
PPVoice で生成した音声付きスライドの紹介動画です（クリックで再生）。この動画自体も PPVoice で作成されています。
- VOICEVOX Engine (ローカルで起動しておく)
注意: VOICEVOXのキャラクターにはそれぞれ利用規約があります。使用前に VOICEVOX公式サイト で確認してください。
VOICEVOX互換APIを持つ SelfVox も利用できます。SelfVox は Qwen3-TTS による音声クローン合成ツールで、自分の声のサンプルを登録するだけで、その声で読み上げができます。VOICEVOX URL を SelfVox のアドレスに変更するだけで切り替えられます。
Releases ページから最新の PPVoice-x.x.x-setup.exe をダウンロードして実行してください。
PPVoice はスライドの ノート欄 に書かれたテキストを読み上げます。PowerPoint でスライド下部の「ノートを入力」欄に、読み上げたい内容を記入してください。
- ノートが空のスライドは音声なし（スキップ）になります
- テキストは改行ごとに分割されて合成されます
- 改行がなければノート全体が1つの音声チャンクになります
PPVoice を使う前に、VOICEVOX を起動しておいてください。デフォルトで http://localhost:50021 に接続します。
インストール後、スタートメニューまたはデスクトップの PPVoice から起動できます。入力ファイルの選択、話者・字幕の設定をGUI上で行えます。PPTXファイルはドラッグ＆ドロップでも入力できます。
PPVoice で生成した音声付きPPTXは、PowerPoint の標準機能で動画に変換できます。
- 生成されたPPTXファイルを PowerPoint で開く
- ファイル → エクスポート → ビデオの作成 を選択
- 「記録されたタイミングとナレーションを使用する」を選択
- ビデオの作成 をクリック
音声とスライド切り替えのタイミングが保持されたMP4が生成されます。
ノート内で {表示テキスト|読み} と書くと、字幕には「表示テキスト」が表示され、VOICEVOXには「読み」が渡されます。
{PPTX|パワーポイント}ファイルを読み込みます。
→ 字幕: "PPTXファイルを読み込みます。" → 読み上げ: "パワーポイントファイルを読み込みます。"
{ や } 単体は {...|...} のパターンに該当しない限りそのまま表示されるため、エスケープは不要です。
VOICEVOXの読み上げでアクセント（音の高低）が正しくない場合、3番目のパラメータで修正できます。
{橋|はし|2}を渡る。
番号は声の高さが下がる位置を表します。例えば「はし」（2文字）の場合:
| 番号 | 高低パターン |
|---|---|
0 |
は↗し （上がったまま） |
1 |
は↘し |
2 |
は↗し↘ （後続の助詞等で下がる） |
番号を 0 から順に変えてテスト再生し、正しく聞こえるものを選んでください。指定できる番号の範囲は 0 〜 読みの文字数です（「きょ」「しゃ」等の拗音は1文字として数えます）。
例として
{端|はし|0}を歩く。
{箸|はし|1}を持つ。
{橋|はし|2}を渡る。
という感じで音声が合成されます。 基本的には0,1,2,...と変え、しっくりくるのを探してください。
ノート内でHTMLライクなタグを使い、字幕テキストの一部に装飾を付けられます。タグは大文字・小文字どちらでも使えます。
| タグ | 効果 |
|---|---|
<b>...</b> |
太字 |
<i>...</i> |
斜体 |
<u>...</u> |
下線 |
<color=#RRGGBB>...</color> |
文字色 |
<font=フォント名>...</font> |
フォント変更 |
<br> |
字幕内の改行 |
<size=N>...</size> |
フォントサイズ変更（絶対: <size=24>, 相対: <size=+4>, <size=-2>） |
<speed=N> |
読み上げ速度を変更（<speed=1.5> で1.5倍速。文単位で適用） |
<pitch=N> |
ピッチを変更（<pitch=0.1>, <pitch=-0.05> など。文単位で適用） |
<intonation=N> |
抑揚を変更（デフォルト 1.0。<intonation=0.5> で抑揚を抑える。文単位で適用） |
<volume=N> |
音量を変更（デフォルト 1.0。<volume=0.5> で音量を下げる。文単位で適用） |
<wait=N> |
文と文の間に無音を挿入（<wait=1s>, <wait=500ms> など） |
<next> |
クリックアニメーションを発火（下記参照） |
<config ...> |
GUI設定の保存・読み込み（下記参照） |
これは<color=#FF0000>重要な</color>ポイントです。
<b><u>注意事項</u></b>を確認してください。
タグは読み上げには影響しません（TTSにはタグを除いたテキストが渡されます）。{<b>} のように {...} で囲むとタグがエスケープされ、そのまま表示されます。
スライドに設定されたクリック時アニメーション（mainSeq）を、音声の読み上げタイミングに合わせて自動発火できます。ノートに <next> と書くと、その位置に対応するクリックアニメーションが発火します。
最初の説明です。
<next>
ここでアニメーションが出ます。
→ 「最初の説明です」の読み上げ後にクリックアニメーション1が発火、続けて次の文を読み上げ
文の途中に書くこともできます。
ここで<next>アニメーションが出ます。
→ 文字数の比率からタイミングを推定し、読み上げ途中でアニメーションが発火
<next> の数よりクリックアニメーションが多い場合、余ったアニメーションは「未指定アニメを自動再生」が有効なら設定間隔で順次発火します。<next> が多い場合、余った <next> は無視されます。
GUI の字幕設定で「文字装飾」の 太字・斜体・下線 のチェックボックスを切り替えると、字幕全体のデフォルトスタイルを変更できます。ノート内の <b>, <i>, <u> タグによる個別指定はデフォルト設定に加えて適用されます。
字幕に表示される句読点を別の文字に置き換えることができます。GUI の「置換」で読点グループ（、 ， ,）と句点グループ（。 ． .）それぞれの変換先を選択できます。{...} で囲まれたテキスト内の句読点は置換の対象外です。
GUI の「設定保存」ボタンを押すと、現在の話者・字幕スタイルなどの設定を <config ...> タグとしてコピーできます。このタグを PPTX の任意のスライドのノート欄に貼り付けておくと、次回ファイルを開いた際に設定が自動的に復元されます。
<config speaker="ずんだもん" style="ノーマル" pause=0.5 fontsize=18 subtitle_style=outline bold=off italic=off underline=off>
必要なキーだけを書けば部分的に設定を上書きできます。複数のスライドにタグがある場合は後のタグが優先されます。
MIT
