01ステップ 01
1. Canvas での大津法前処理
画像のコントラストを高め、適応型の大津の二値化を適用して、ムラのある照明や影から文字をきれいに分離します。
書籍・ノート対応
画像・写真・スクショを音声に変換して読み上げ
書籍のページやテキスト入り図表を、聞きやすいナレーション音声に変換して保存。
読み上げ速度1.00x
声の高さ1.00
文間の間0.40s
Canvas OCR 前処理:
元画像と OCR ビューアー
画像をドロップまたは貼り付け写真、スクリーンショット、本のページをドラッグ＆ドロップ
または Cmd+V でクリップボードから貼り付け
100% ブラウザ内 OCR · サーバーへのアップロードなし
抽出された読み上げテキスト
OCR 精度 96%0 語·約 0:00
左側に画像をアップロードまたは貼り付けてください
テキストが抽出され、聴くための読み上げ文に変換されます
0:00/0:00
100% ブラウザ内で処理 · ファイルも画像データもサーバーに一切アップロードされません
技術アーキテクチャ
ピクセルのスキャンから 人の話す速さの音声へ
ブラウザ内の OCR エンジンがノイズを除去し、行末のハイフンをつなぎ、音声を合成する仕組み。
02ステップ 02
2. ブラウザ内 OCR とハイフン結合
単語とその位置座標をブラウザ内で直接抽出します。行末で分割された単語をつなぎ直し、スキャン時のノイズを取り除きます。
03ステップ 03
3. 字幕とテキストの書き出し
同期したカラオケ風ハイライトを見ながら試聴し、同期済みの WebVTT・SRT 字幕、Audacity 用ラベル、整形済みテキストをダウンロードできます。
連携する仕上げワークフロー
ドキュメントの読み上げ、PDF 抽出、ラウドネス調整に役立つ関連ツール。
音響規格 & 研究
技術ガイド & 詳細ワークフロー
音響の基礎、音声合成のプロソディ、ドキュメント読み上げのワークフローを詳しく解説します。
再生速度変更6分で読めます
音程（ピッチ）を変えずに音声の再生速度を変更・調整する技術
タイムストレッチとサンプリング変換の違い：フェーズボコーダーを用いて音声を0.5倍速〜2.0倍速に伸縮しても明瞭度を保つ仕組み。
オンライン音声編集7分で読めます
Webブラウザ上で完結するオンライン音声編集：安全で可逆的な整音手法
Web Audio APIによるクライアントサイド処理の仕組み：サーバーへのアップロード不要、メモリ上でのプレビュー検証、オリジナル音源の保持。
無料音声編集7分で読めます
声の編集に最適な無料オーディオエディタの選び方とローカル処理の重要性
会話音声向けツールの5大評価基準：ブラウザ内ローカル処理によるプライバシー保護、非破壊可逆編集、会話テンポ制御、非圧縮WAV出力。
よくある質問
ブラウザ内 OCR と音声変換について知っておきたいこと。
AutoSilenceCut はどのように画像を読み上げ音声に変換しますか？+
AutoSilenceCut は、端末側の Canvas によるピクセル前処理（大津の二値化とコントラスト自動補正）と WebAssembly の OCR を組み合わせています。テキストを抽出して行末のハイフンをつなぎ直したあと、内蔵の音声合成エンジンが自然な間を入れたスタジオ品質の音声に変換します。
アップロードした写真や個人的なスクリーンショットはサーバーに送られますか？+
いいえ。画像データ、テキストの断片、音声波形はいずれも一切アップロードされません。OCR と音声合成はすべてブラウザのメモリ内で 100% ローカルに実行されるため、プライバシーは完全に守られます。
Speechify や NaturalReader と比べてどうですか？+
Speechify はカメラ・写真の OCR 読み上げを年額 $139〜$159 のサブスクリプションに限定しており、NaturalReader は無料ユーザーを 1 日 20 分に制限し、OCR は有料プランのみです。AutoSilenceCut は 100% 無料で、画像の変換は無制限、登録不要、劣化のない 16-bit WAV で書き出せます。
対応している画像形式は？+
PNG、JPG/JPEG、WebP、AVIF、BMP、TIFF ファイルをアップロードできます。Cmd+V / Ctrl+V でクリップボードからスクリーンショットを直接貼り付けることもできます。
関連ワークフロー
OCR・ナレーション向けの関連ツール
画像、文書、ウェブ記事からテキストを抽出し、自然な読み上げ音声を作成します。