無料音声クローンで「ガクしい」回避！読み仮名と録音のコツ完全版
5秒の録音で自分の声が再現されるって、正直信じてなかった。でも先週、VoxCloneで試したら、まさかの「ガクしい」が爆誕。楽しいがガクしい。笑ったけど、ちょっと切なかった。
でもね、これって私の録音が悪かっただけ。ちゃんとコツを掴めば、驚くほど自然になる。今日はその辺を、失敗談込みでシェアするよ。
読み仮名ミスは録音で防げる
最初、私はスマホのボイスメモで適当に10秒喋った。そしたら「楽しい」が「ガクしい」に。なんで？って調べたら、どうやら音声クローンは参考音声の「発音の癖」を拾いすぎるらしい。
特に日本語は、同じ漢字でも読み方が変わるでしょ。「今日」を「こんにち」って読んだら、そりゃAIも混乱する。
録音のコツ、これだけは守って：
- 静かな部屋で、マイクから20cmくらい離れる
- 早口にならない、ゆっくり目に
- 一文ずつ間を置いて、はっきり発音
- 特に「ん」と「っ」を意識する
これだけで、ガクしいはほぼ消えた。
録音環境の意外な落とし穴
ここ、みんな見落としがちなんだけど、録音環境って「静かさ」だけじゃないんだよね。私が2回目に失敗したのは、エアコンの音が入ってたから。人間の耳には気にならなくても、AIはその「ブーン」って低音を拾って、声の輪郭がぼやける。
具体的にどうしたかって？
- スマホじゃなくて、USBマイク（1000円くらいのやつ）に変えた
- 布団の中じゃなくて、クローゼットの中で録音した（服が吸音材代わりになる）
- 録音時間は30秒じゃなくて、45秒に伸ばした。長い方がAIが特徴を掴みやすいらしい
あと、録音する文章も大事。私は最初「あいうえお」だけだったけど、それだと母音の癖しか学習されない。次の録音では「かきくけこ」「さしすせそ」も入れて、子音の明瞭さも入れるようにした。
この「素材の質」を変えただけで、生成された声の自然さが段違いだった。ガクしいはもちろん、全体的に「もごもご感」が消えた。
登録不要の無料TTSがここまで進化
VoxCloneは登録不要で、ブラウザで完結。音声クローンのページで録音アップロードするだけ。無料なのに、声の高さや話す速さも調整できる。
私はオーディオブック用に、自分の声で小説を読み上げたくて使い始めた。最初は無料TTSの「棒読み」にがっかりしたけど、声をクローンすれば、もう棒読みじゃない。
もちろん、完璧ではない。長い文章だと、たまに変なアクセントになる。でも、テキスト読み上げ無料のページで、読み仮名を細かく指定できるから、そこを直せばOK。
読み仮名指定の実践テクニック
ここからは、実際に私がテキスト読み上げで使ってる「読み仮名の直し方」を具体的に。
例えば、こんな文章があったとする。
「彼は橋で会った」
これ、普通に読むと「かれははしであった」で通じるけど、AIが「橋」を「はし」ではなく「きょう」って読んだりする。そんな時は、テキストをこう書き換える。
「彼は[橋:はし]で会った」
このブラケット方式が使えるかどうかは、VoxCloneのヘルプページに書いてある。私の場合は、カタカナで直接「ハシ」って書く方が確実だった。
もう一つ、よくあるのが数字の読み間違い。「1234」を「いちにいさんよん」って読まれた時は、全部ひらがなで「せんにひゃくさんじゅうよん」に変換してから入れる。
地味だけど、この手間を惜しむと、結局やり直しになる。私は最初、読み仮名を直すのが面倒で、そのまま使ってたら、友達に「なんか変なアクセントだね」って言われた。
商用利用の落とし穴
ここが一番大事。音声クローンで作った声、商用で使える？
答えは「ケースバイケース」。自分の声なら基本OKだけど、他人の声を無断でクローンしたらアウト。あと、VoxCloneの利用規約も要チェック。無料でも商用可の場合と、要連絡の場合があるから。
私が失敗したのは、YouTubeの吹き替えに使ったら、広告収入が発生して「商用利用」扱いになったこと。規約をちゃんと読んでなかった。
だから、動画やオーディオブックで収益化するなら、事前にサポートに確認した方がいい。無料とはいえ、トラブル避けたいでしょ。
実際に使ってみた手順
- スマホで「あいうえお」から始まる短文を30秒録音
- VoxCloneのクローンにアップロード
- 生成完了まで待つ（1分くらい）
- テキストを打って、読み上げボタン
- 変な読み方だったら、読み仮名をカタカナで指定
これで、私の声のAI版が完成。感動した。
それでもAI感が残る時
どうしても「機械っぽい」と感じるなら、声のピッチを少し下げるといい。私は0.9倍にしたら、落ち着いた印象になった。
あと、句読点で自動的に間が入るけど、長い文は自分で「。」を増やすと自然になる。
正直、無料でここまでできるなら、プロのナレーターに頼む必要ないかも？って思っちゃう。でも、やっぱり人間の感情表現には敵わない。そこはAIの限界。
最後に
音声クローンは、使い方次第で超便利。読み仮名のミスは録音でほぼ防げるし、商用利用は規約を読めば怖くない。
まずは自分の声で、10秒だけ録音してみて。ガクしいが出たら、また録り直せばいい。私も3回やり直したから。
あなたの声が、どんな風にAIになるか、ちょっとワクワクしない？