深夜2時にナレーションが足りなくて、無料の音声クローンを試したら予想外だった話
深夜2時、YouTube用の製品紹介動画を編集していて、ナレーションが足りないことに気づいた。有料のTTSサービスを開くと、月額9,800円、年額69,800円……即座に閉じた。
たまたまTLで見かけた「永久無料 音声クローン」「登録不要 音声合成」という謳い文句のサイト、無料 音声クローン サイト。怪しいと思いつつも、貧乏クリエイターの性でポチッと開いてみた。そこから1週間、毎日触り倒した記録をここに残す。
1日目：登録画面すらなくて、拍子抜けした
トップページは派手なアニメーションもケーススタディもない。ただテキストボックスと「合成開始」ボタンだけ。いつものように「アカウント作成」ボタンを探すが、どこにもない。ページの隅に小さく「登録不要 音声合成、開いてすぐ使える」とあるだけ。
これまで使った無料TTSは必ずメール登録かLINE連携、最悪は電話番号まで要求してきた。それが一切ない。試しに「こんにちは、これはテストです」と入力して合成ボタンを押すと、3秒ほどでMP3がダウンロードされた。ウォーターマークも広告音もなし。
音質比較：無料と有料、差は思ったより小さい
同じ原稿を、以前契約していた有料TTS（月額9,800円の某サービス）と並べて聞き比べた。ヘッドホンで目を閉じて聴くと、最初はどっちがどっちか分からなかった。
有料版は高域が少し「明るく」伸び、語尾の減衰が滑らか。一方、無料 音声クローン サイト の音声は若干「平坦」だが、アクセント・ポーズ・イントネーションはかなり自然。特に「感情強度」を中間に設定すると、商品説明の語尾が自然に上がり、まるでプロのナレーターが読んでいるかのようだ。
さらに自分の声 クローン 機能 も試した。スマホで10秒「今日は良い天気ですね」と録音し、アップロード。生成された音声を母に送ったら「あなた、風邪引いた？」と本気で心配された。クローン精度は体感85〜90%。方言や早口だと精度が落ちるが、標準語なら十分実用レベル。
安定性：1週間毎日使って一度も落ちなかった
無料ツールの最大の不安は「突然サービス停止」や「重くて使えない」だ。そこで朝8時、昼12時、夜22時、深夜2時と時間帯を変えて、毎日数回合成を実行。長文（約2,000文字のブログ記事）も、短文（15文字のキャッチコピー）も、並列で2タブ同時に合成してもエラーゼロ。ページ読み込みは常に1秒以内、合成レスポンス2〜4秒。
更新履歴ページ には毎週のようにチュートリアルやマイナーアップデートの記録があり、放置サイトではないことが分かる。
機能制限：どこまで無料なのか探った
「無料版は文字数制限があるんじゃないか」「音色は数種類だけ」と疑ったが、ページには「無制限 テキスト読み上げ 無料」と明記。実際に2,500文字の短編小説を一気に合成しても切れず、句読点のポーズも自然。男性・女性・子供・お年寄りなど十数種類のプリセット音色がすべて無料で切り替え可能。
唯一の注意点は商用利用時のクレジット表記「出典：VoxClone」を推奨している程度で、強制課金はない。多くの無料ツールが「商用不可、ライセンス購入必須」とする中、これはかなり珍しい。
有料ツールとの実力差を表で整理
| 比較項目 | VoxClone（無料） | 某有料TTS（月額9,800円） | |----------|----------------|--------------------------| | 1回合成文字数 | 無制限 | 3,000文字まで | | プリセット音色 | 約15種類 | 約40種類 | | 声クローン | 対応（無料） | 対応（上位プランのみ） | | 感情調整 | 3段階 | 5段階 | | 商用ライセンス | クレジット表記推奨 | 標準で商用可 | | 出力形式 | MP3 | MP3 / WAV |
差は音色バリエーションと感情調整の細かさ、無損失WAV出力の有無くらい。日常のショート動画ナレーション、オーディオブック 音声 作成、多言語 音声合成 無料で済ませたい案件なら、無料版で全く困らない。
実例：3分の商品PVを無料ナレーションで仕上げた
友人の小規模ECサイト向けに、3分・約500文字の製品紹介動画を作成。以前ならナレーターに15,000円払って外注していた。今回は「落ち着いた男性ボイス」、速度0.95倍、感情「フォーマル」で合成。剪映（CapCut）で映像と合わせ、納品。友人から「このナレーション、どこで録ったの？料金いくら？」と聞かれたので「無料だよ」とURLを送った。翌日、彼の会社の次月プロモーション動画も同じ 無料 TTS で制作し、API経由で編集パイプラインに組み込んだと報告が来た。
よくある疑問に答える
無料ツールは録音データをこっそり収集してない？
プライバシーポリシーには「ユーザー音声データは保存せず、合成完了後即削除」と明記。登録すら不要なサービスがわざわざデータを蓄積するメリットは薄い。どうしても気になるなら、重要でない短いフレーズで試せばいい。
クローン声は本物とどれくらい似る？
10秒録音で85〜90%の類似度。抑揚・間の取り方はほぼ一致。ただし、強い訛りや滑舌の悪さがあると精度が下がる。現状、長文のクローン合成は処理時間が長くなるため、短いセリフ向け。
無料版で十分？ それとも有料に移行すべき？
趣味・副業・小規模商用なら無料版で十分。プロの声優業務、大量の音色バリエーション、WAV納品が必須なら有料プランを検討。ただ、浮いた予算で高性能マイクや編集ソフトを買う方が、最終的なクオリティアップに繋がることも多い。
最後に一つ聞きたい。あなたは「無料で少し手間をかけて設定を詰める」派？ それとも「最初から有料で安心を買う」派？ この1週間、無料でもここまで出来ることを知って、私は「安いからダメ」という先入観を捨てられた。
無料 音声クローン サイト を一度試してみない？ もし「便利だった」と思ったら、コメントやSNSで感想をシェアしてほしい。次回はAPI連携で自動ナレーションパイプラインを作る手順を書く予定だ。