AI音声ツールの選び方｜3つの作り方と、4つの声の聞き比べ

音声ファイルか、動画のナレーションか

同じ音声合成でも、できあがりが音声ファイルになるツールと、ナレーションの入った動画になるツールがあります。 使い道が決まっていれば、ここでツールの種類が絞れます。

音声ファイルが要るのは、音声だけを流したり配ったりする場合と、別のソフトで編集する場合です。 店内や館内のアナウンス、音声配信、教材の音声のように、映像を使わない場面がこれに当たります。

動画のナレーションにする作り方は、「動画の制作でAI音声合成を使う方法」で、手元の素材ごとに説明します。

自動音声を作るとき

お知らせや案内の文章をAIの声で読み上げた音声は、「自動音声」や「AI自動音声」と呼ばれることもあります。 作り方は音声合成と同じで、案内の文章を用意し、聞き取りやすい声を選んで読ませます。 音声だけを流すなら音声ファイルに書き出し、画面に文字も出したいなら字幕の入った動画にします。 日時や場所がたびたび変わる案内なら、文章を書き換えるだけで音声を更新できるツールが向いています。 案内に向く声の性質は、後半の「用途別の声の選定基準」で扱います。

動画の制作でAI音声合成を使う方法

研修、マニュアル、商品紹介、社内のお知らせのような説明の動画では、AI音声合成でナレーションを作れます。 使い方は、手元にあるのが原稿か、資料か、撮った映像かで、次の4つに分かれます。

広告や会社紹介のように、声の演技で印象を作りたい動画では、ナレーターに収録を頼む方法もあります。 自分たちで録音するか、プロに頼むかの判断は、ナレーション録音の方法で扱っています。

会社の動画で使うときの進め方

会社の動画にAI音声合成を使うときは、次の順に進めます。 それぞれの詳しい決め方は、この記事の後の節で説明します。

1. 用途と視聴場面を決める：誰が、どこで、何をしながら見るかを決めます。研修の手順を追いながら聞くのか、SNSで流し見するのかで、合う声と速さが変わります（「用途別の声の選定基準」）。
2. 原稿か資料を用意する：日付、数字、略語、人名は、読ませたい形で書きます。一文の用件を一つに絞ると、どの声でも聞き取りやすくなります（「声を替える前に、原稿と読み方で直す」）。
3. 方法を選び、声を絞る：上の4つから動画にする方法を選び、声の候補を2〜3に絞って、自分の原稿で聞き比べます（「ツールを比べるときに確かめること」）。
4. 動画に入れて確かめる：字幕との一致、BGMを重ねたときの聞き取りやすさ、場面の切り替わりを確かめ、台本を知らない人にも聞いてもらいます（「動画に入れた後の確認」）。
5. 設定をそろえて続ける：シリーズの動画では、声、速さ、読み方の指定をそろえます。手順や日付が変わったら、原稿を直して作り直します。

社員の声を再現して使うときは、本人から利用の同意を得ます。 研修や商品紹介のように会社で使う動画は、ツールと声の規約で、商用利用の条件も確かめておきます（「商用利用の条件」）。

ツールを比べるときに確かめること

作り方とツールの種類が決まったら、候補を2〜3に絞って比べます。 聞き比べるときは、ツールのサンプル音声ではなく、自分の原稿の冒頭から抜き出した同じ文を、どの候補にも読ませます。 サンプルは聞きやすいように用意された定型の文なので、自分の原稿にある固有名詞や数字、長い一文で崩れないかまでは分かりません。

無料で使える範囲

AI音声読み上げやAIナレーションを「無料」「フリー」とうたうツールでも、どこに上限があるかはツールによって違います。 よくある上限は、次のとおりです。

• 1か月や1日に読ませられる文字数、1回に読ませられる文字数
• 生成できる回数や、使えるポイント（クレジット）の量
• 無料で使える声の種類
• 音声ファイルの書き出し（ブラウザで聞けても、ダウンロードは有料など）
• できあがった音声や動画に入る透かしやロゴ
• 作ったものを保存しておける期間
• 商用で使えるかどうか

同じツールでも、会員登録の有無で上限が変わることがあり、条件そのものが改定されることもあります。 使い始める前に、そのツールの料金ページとよくある質問で、最新の条件を確かめます。

商用利用の条件

「商用利用OK」と書かれていても、条件が付いていることがあります。 よくある条件は、次のとおりです。

• 動画の説明欄などに、ツール名や声の名前を表記する（クレジット表記）
• 無料のプランでは商用に使えず、有料のプランで使える
• ツールの規約とは別に、声（キャラクター）ごとの規約がある
• 音声ファイルそのものを配ったり売ったりすることは認めない

会社の研修動画や営業資料、商品紹介、広告、収益化しているチャンネルへの動画の投稿も、商用利用に当たることがあります。 自分の使い方がどれに当たるかを、ツールの利用規約と、使う声の規約で確かめます。 規約は改定されることがあるので、確かめた日付と規約のページを控えておくと、あとで見直せます。

音声合成の声を選ぶ基準

ここからは、音声合成で、一覧にある声から選ぶときの基準です。 声の候補は数十、数百と並びます。条件で絞る前に、何が声で決まり、何が原稿や設定で決まるのかを分けておくと、比べる対象がはっきりします。

仕上がりを決める3つの層：声・原稿・読み上げ設定

声を替えても直らない不自然さがあります。 数字の読み間違い、固有名詞のアクセント、息継ぎのない長い一文。これらは声の問題ではなく、原稿と読み上げ設定の問題です。 逆に、原稿を整えても「研修動画なのに軽い」「案内なのに暗い」と感じるなら、それは声の性質が用途に合っていません。

AI音声のナレーションは、次の3つの層で仕上がりが決まります。

原稿、声、設定の順に決めます。 原稿が整っていないと、どの声で聞いても同じ箇所で読み間違いや不自然な間が出るので、声の比較になりません。 声が決まってから、読みやテンポの過不足を設定で補います。

用途別の声の選定基準

用途が違えば、視聴者が聞く状況も違います。 研修動画は画面の手順を追いながら聞かれ、商品紹介は冒頭の数秒で興味を持たれるかが決まり、案内放送は一度で聞き取れなければ用をなしません。 声の性質は、この状況から逆算します。

「女性向けの商品だから女性の声」のような属性の一致だけで決めると、狙いを外しやすくなります。 効くのは属性より視聴場面とトーンです。同じ女性の声でも、落ち着いた低めの声と明るい高めの声では、向く用途が変わります。

NoLangの声の一覧では、性別・年齢・声質・用途・トーンで絞り込み、各声のサンプルをその場で再生できます。 ただ、絞り込みの条件だけで決めると、実際の声と印象が合わないことがあります。各声には「深みのある低音の男性声。ゆっくりと安定したペースで、ビジネス研修動画に最適」のような説明文が付いていて、こちらのほうが実際の声の印象を具体的に表しています。 条件で候補を減らし、説明文を読んで、サンプルを聞く。この順で、候補を2〜3に絞ります。

絞り込みと試聴で候補が2〜3に減ったら、最後は自分の原稿の冒頭を短い動画にして聞きます。 サンプル文で自然に聞こえた声が、自分の原稿の固有名詞や数字で崩れることは珍しくありません。

同じ原稿を4つの声で聞き比べる

架空の社内案内を題材にします。経費精算の締め切りと、アプリでの申請方法を知らせる4文です。 日付の数字、アプリの操作、人名、読者への呼びかけを含めてあります。

経費精算の締め切りは、毎月25日です。
領収書はスマホで撮影して、経費精算アプリにアップロードしてください。
金額は自動で読み取られるので、内容を確認して、申請ボタンを押すだけです。
わからないことがあれば、総務部の佐々木まで連絡してください。

この原稿を、性質の異なる4つの声で順に読ませました。 前半が4つの声の聞き比べ、後半が同じ声で原稿と読み方を変えた3段階です。

4つの声は、男女それぞれに、声の高さとトーン（落ち着いた／明るい）の違いを掛け合わせて選びました。名前はNoLangの一覧に表示される名前です。 聞こえ方と向く用途を並べます。

同じ4文でも、声1は手順の説明として聞こえ、声2は呼びかけとして聞こえます。 この差が用途への向き不向きに直結しますが、定型のサンプル文ではつかみにくく、自分の原稿で聞くとはっきり分かります。

声を替える前に、原稿と読み方で直す

不自然なら別の声にすればよいのでは、と思うかもしれません。 しかし、動画の後半を聞くと、同じ声のまま原稿と設定を変えるだけで不自然さの大半が解消されることが分かります。

後半の3段階は、声1のまま次のように変えています。

段階1の原稿は次のとおりです。

経費精算の締め切りは毎月25日(木)17:00で、領収書はPDFかスマホ撮影で経費精算アプリにUPし、申請No.A-12を記入のうえ、不明点は総務部佐々木迄ご連絡下さい。

段階1では、「(木)」「17:00」「UP」「No.A-12」「迄」のように、書き手の頭の中では読めていた記号と略語が、そのまま音になります。一文が長いので、息継ぎの位置も決まりません。 段階2は原稿を4文に分け、記号と略語を言葉に置き換え、人名の読みを指定しただけです。声は同じなのに、聞き取りにくさの大半がここで消えます。 段階3は速度を125%にしています。手順の案内にはやや速く、短い告知には合う速さで、同じ原稿でも用途によって適切な速度が違うことが分かります。

原稿で直せる範囲は、次の表のとおりです。

読み方を指定する場所は、編集画面の台本にある「読み方修正」です。 動画内の語を検索して、ひらがなかカタカナで読みを入れます。辞書に登録すると、次の動画からも同じ読みになります。

速度と音量は、台本の各シーンにある話者のアイコンから変えます。「読み上げ速度」のプリセット（100%・125%・150%・200%）かスライダーで選び、「このキャラの全シーンに適用」で同じ声のシーンにまとめて反映します。同じメニューから「キャラのボイスを変更」もできます。 手順の説明は標準かやや遅め、SNS縦型はやや速めが目安です。数値で決めるより、自分の原稿で一段階ずつ聞いて決めます。

動画に入れた後の確認

声と原稿が決まり、動画に入れたあとに確認することは5つです。 問題があったときに戻る場所を右の列に示します。

研修動画として全体を設計する場合は研修動画の作り方、場面ごとの画面とナレーションの対応表は動画の構成案テンプレートで扱っています。

NoLangで3つの作り方を使い分ける

NoLangでは、「文章や資料を読み上げる」「自分の声で読み上げる」「録音した音声をそのまま使う」の3通りで、ナレーションの入った動画を作れます。 入口は、「生成する」で開く作成メニューにあります。

できあがるのは、ナレーションと字幕の入った動画（MP4）です。 音声だけが必要なときに、動画から音声を取り出す方法もAI音声の作り方で扱っています。

研修やマニュアル、商品紹介の動画を部署ごとに続けて作るなら、手元の資料や台本からナレーションと字幕の入った動画を作れるNoLangを、会社として使う方法もあります。 研修動画での使い方は法人向けの研修動画のページで紹介しています。 会社での導入はお問い合わせから相談でき、詳しい資料は下のボタンから請求できます。

迷ったときに決める順番

AI音声のツール選びで迷うのは、性質の違うツールが、同じ「AI音声」という言葉で並ぶからです。 手元にあるのが文章か録音か、残したいのが内容か声か話し方か、できあがりが音声ファイルか動画かを決めれば、合う作り方とツールの種類が決まります。 動画のナレーションにするなら、手元の原稿、資料、撮った映像に合う方法を選びます。 候補は自分の原稿で聞き比べ、無料で使える範囲と商用利用の条件を、使う時点の料金ページと規約で確かめます。 声は用途から性質を絞り、読み間違いや不自然な間は、声を替える前に、原稿と読み方と速さで直します。