無料音声クローンで読み仮名が誤る？録音のコツと実測翻車記
先週、友人のポッドキャストのオープニングを手伝うことになって、自分の声をクローンして無料TTSで読み上げさせてみたんです。そしたら「楽しい」が「ガクしい」って読まれて、もう笑うしかなかった。これ、あるあるじゃないですか？
今日は、無料音声クローンを使うときに誰もがぶつかる「読み仮名の誤り」と「録音のコツ」について、実体験を交えてシェアします。
なぜ読み仮名が誤るのか？
まず、無料の音声合成って、基本的に漢字の読みを文脈から推測してるんです。でも日本語って同音異義語が多いから、どうしても外す。
私がやらかしたのは「楽しい」が「ガクしい」になった件。原因は録音の音質でした。最初、スマホの内蔵マイクで適当に録ったんですが、背景にエアコンの音が入ってて、AIが音素を誤学習したっぽい。
だから、録音するときは静かな部屋で、マイクから20センチくらい離れて、ゆっくりハッキリ話す。これだけで読み仮名の精度がかなり上がります。
録音のコツ：たった5分で変わる
私が試行錯誤して見つけたコツをまとめると、こんな感じ。
- スマホのボイスメモでもいいけど、必ず機内モードにして通知を切る
- 録音時間は10秒〜30秒で十分。長くても意味ない
- 文章は「あいうえお」を意識して、母音をはっきり発音する
- 1回で完璧にしようとしない。3回くらい録って、一番自然なのを選ぶ
特に「母音をはっきり」が効きます。AIは母音の波形を解析してるので、ここがぼやけると読み仮名もぼやける。
実測：無料TTSで短編動画のナレーションを作ってみた
先週、YouTubeショート用に「コンビニで買える絶品スイーツ3選」っていう動画を作ったんです。ナレーションをクローン声で読ませたら、まあ酷い。
「スイーツ」が「スイートス」って読まれて、しかも「3選」が「3せん」になって、もう台無し。
でも、ここで諦めないのが大事。無料のTTSにはたいてい「読み仮名を指定する」機能があるんです。このサイト（https://ja.web666.cc/）のクローン機能にも、テキストにルビを振るオプションがありました。
「スイーツ」を「スイーツ」ってカタカナで書いて、「3選」を「さんせん」とひらがなで指定したら、ちゃんと直りました。
ポッドキャストのオープニングはもっと難しい
動画のナレーションはまだ短いから修正しやすいけど、ポッドキャストのオープニングって長いじゃないですか。しかも感情を込めたい。
私が作ったオープニングは「皆さん、おはようございます。今日はですね、最近ハマってるラーメン屋の話をしようと思うんですけど」っていう30秒の原稿。
クローン声で読ませたら、平坦な棒読みで、しかも「ハマってる」が「ハマってる」じゃなく「ハマッテル」ってカタカナ読みに。
ここで学んだのは、無料TTSは「感情」を表現するのが苦手ってこと。だから、ポッドキャストのオープニングには、クローン声ではなく、自分の生声を録音するのが正解だなって。
読み仮名を直すテクニック集
もうね、読み仮名との戦いは日常茶飯事。私が編み出したテクニックを書いておきます。
- 固有名詞はカタカナで書く（「渋谷」→「シブヤ」）
- 数字は読ませたい形で書く（「3選」→「さんせん」）
- 長い文章は句読点で区切る
- それでもダメなら、ひらがなに全部変換する（最終手段）
特に「ひらがなに全部変換」は、もう読み仮名で悩みたくないときの切り札。ただし、ひらがなが多いとAIが単語の区切りを間違えることもあるから、ほどほどに。
録音環境の意外な落とし穴
ここまで音質の話をしてきましたが、実は「録音環境」にはもっと地味な落とし穴があります。私が2回目に録音したとき、静かな部屋でちゃんとマイクも使ったのに、なぜか「東京」が「トウキョウ」じゃなく「トウキョー」って長音で読まれたんです。
原因を調べたら、部屋の反響音でした。カーテンがない窓ガラスが音を反射して、AIが余計な残響を学習してしまったらしい。
対策は簡単。布団やタオルを机の上に敷いて、音の反射を抑える。あと、録音中に足を組まない。椅子がきしむ音も拾うんですよ。
私は今、録音するときはクローゼットの中に入ってます。服が吸音材になって、驚くほどクリアな声が録れます。ちょっと変な格好ですが、効果は絶大です。
無料と有料、どこで差が出る？
「無料だから仕方ない」と諦める前に、有料版と何が違うのかを一度調べてみました。結論から言うと、読み仮名の誤り率は有料版のほうが確かに低い。でも、差は「録音の質」で埋まることが多いんです。
私は有料版の体験期間を試したことがありますが、同じ録音データを使えば、誤りは3割くらい減るだけでした。逆に、録音を丁寧にすれば、無料版でも有料版の8割くらいの精度は出せます。
つまり、最初からお金をかけるより、まず録音環境を整えるほうがコスパがいい。特に「読み仮名を直すテクニック」を組み合わせれば、無料版で十分実用的です。
私の場合は、ショート動画のナレーションなら無料版で間に合ってます。長編のオーディオブックを作るなら有料版を検討するけど、今のところ必要性を感じてません。
結局、無料でどこまでできる？
正直、無料の音声クローンで完璧な読み上げを求めるのは無理があります。でも、使い方次第でかなり実用的になります。
私は今、ブログの記事を音声で聞く用に、自分の声でクローンしたTTSを使ってます。オーディオブック風にしたいなら、読み仮名を直しながらテキストを整えるのが必須ですけどね。
このサイト（https://ja.web666.cc/clone）は登録不要で使えるので、気軽に試せます。最初は自分の声を録って、適当なテキストを読ませてみてください。きっと「おっ、自分だ！」って感動しますよ。
でも、読み仮名の誤りにイラッとしたら、それは正常です。誰でも通る道ですから。
まとめに代えて
無料音声クローンは、完璧を求めなければ、かなり使えるツールです。読み仮名の誤りは録音の質とテキストの書き方で9割防げます。
私も最初は「無料だし、こんなもんか」と思ってましたが、コツを掴んでからは、ショート動画のナレーションやブログの音声化に欠かせなくなりました。
あなたもぜひ、自分の声をクローンして、読み仮名の壁を乗り越えてみてください。きっと新しい世界が開けますよ。
では、今日はこのへんで。また次の記事で会いましょう。