無料クローンソフトで声を複製してみた結果、Windows10でも動く？
先週、ふと思い立って自分の声をクローンしてみた。理由は単純、Podcastを録り直すのが面倒で、過去の自分の声で新しい原稿を読ませたかったから。で、検索して出てきたのが「無料 声 クローン」のサイト。正直、無料でここまでできるとは思ってなかった。
最初に使ったのは、ブラウザ上で動く無料の声クローン。登録すら不要で、マイクに向かって40秒くらい話すだけで学習が始まる。録音はスマホのボイスメモで十分だった。ただし、読み仮名の誤りには泣かされた。
例えば「楽しい」を「ガクしい」と読まれた。漢字の読みを間違えるんだよね。日本語って同音異義語が多いから、無料AIだと文脈を読み取るのが苦手なのかも。有料のTTSなら大丈夫だろうと思って、試しに1ヶ月課金してみた。結果は……意外だった。
有料TTSは確かに読みは正確。でも、感情の乗せ方が不自然で、棒読み感が強い。無料のクローンは読み間違いはあるけど、自分の話し方のクセ（語尾の伸ばし方とか）はちゃんと再現されてた。どっちが「自分の声」かと聞かれたら、無料の方だ。
無料クローンの実際の手順と、録音のコツ
サイトは https://ja.web666.cc/clone にある。ここで「クローン作成」を押すと、録音画面になる。最初はスマホの内蔵マイクで録ったら、ノイズが多くて認識率が下がった。コツは、静かな部屋で、口から20cmくらい離して、一定のリズムで読むこと。特に、母音をはっきり発音すると、読み仮名の誤りが減る気がする。
あと、Windows10のデスクトップで使いたい場合は、ブラウザ版で十分。ダウンロード不要だし、インストールの手間がない。知恵袋で「クローンソフト 無料 おすすめ」と検索すると、よく「窓の杜」の記事が出てくるけど、あれはディスククローン（HDDの複製）の話。声のクローンとは別物だから注意。
ちなみに、私が使ったのはブラウザ版の無料クローン。Windows11でも問題なく動いた。ただ、EdgeよりChromeの方が安定してたかな。
録音環境の差が、仕上がりにどう響くか
ここ、意外と盲点なんだけど、録音環境ってクローンの品質にめちゃくちゃ影響する。私は最初、リビングで録った。エアコンの音、冷蔵庫のモーター音、遠くで走ってる車の音……全部拾ってた。結果、生成された声が「こもった感じ」になった。特に無声音（カ、サ、タ行）が曖昧で、聞き直すと「何言ってるかわかんない」場面があった。
で、試しに押入れの中に布団を敷いて、その中にスマホを置いて録ってみた。そしたら、びっくりするくらいクリアになった。反響が消えて、声だけがまっすぐマイクに届くんだよね。押入れ録音、意外と使える。もし押入れがなかったら、布団をかぶって録るのも手。見た目はアレだけど、品質は段違い。
もう一つ、録音時間の長さも大事。サイトの最低要件は40秒だけど、私は3分録るようにしてる。理由は、長いほど話し方のクセを拾えるから。特に、笑い声やため息みたいな「言葉にならない音」が入ってると、クローンがそれを再現してくれる。逆に、短すぎると「平坦な声」になる。まあ、3分録るのは最初だけ。以降は10秒くらいの追録で十分だ。
読み仮名の修正、実はここが一番大事
無料クローンの最大の弱点は、漢字の読み間違い。でも、これって修正できるんだよね。サイトのテキスト入力欄の下に「読み仮名を編集」みたいなボタンがあって、そこを開くと、文節ごとに読みが表示される。ここで「楽しい」を「たのしい」に直すだけ。最初は面倒だけど、慣れると1分もかからない。
ただ、ここで注意したいのが、修正しても、その読みが「その文だけ」にしか反映されないってこと。別の文で同じ「楽しい」が出てきたら、また「ガクしい」になる。だから、長文を読ませるなら、事前に読み仮名を全部チェックするのが吉。私はコピペしたテキストをメモ帳に貼って、怪しい漢字にマーカーを引いてから入力するようにしてる。
あと、これは無料版の仕様なのかもしれないけど、句読点の扱いがちょっと独特。読点（、）があると、そこで無駄に長い間が入る。逆に、句点（。）は短め。だから、テキストを書くときは、読点を減らして、その代わりに改行を増やすと、自然なリズムになる。私の場合は、原稿を「一文ずつ改行」するスタイルに変えたら、だいぶ聞きやすくなった。
有料TTSとの比較、ここが違った
有料のTTS（月額3000円くらい）は、まず読みが正確。漢字の読み間違いがほぼゼロ。でも、文の区切りで間を置くのが不自然で、「……えっと」みたいなフィラーが入らない。無料クローンは、元の録音にフィラーが含まれてると、それを再現してくれる。
例えば、私が「えー、つまり」とよく言うんだけど、無料クローンはちゃんと「えー」を入れて読む。有料は省く。これ、聞いてると妙に違和感があるんだよね。
もう一つ、クローン速度の違い。無料版は学習に約5分。有料版は秒で終わるけど、その分テキストの入力に時間がかかる。どっちが速いかは、使う人の状況次第。
結局、無料で十分？それとも有料？
私は今、無料版をメインで使ってる。理由は、読み仮名の誤りを直す方法がわかったから。具体的には、テキストに読み仮名を振る機能があるんだけど、ここで「楽しい」を「たのしい」と手動で直せる。一度直せば、次からは記憶してくれる。
有料版は、どうしても読みが正確な音声が必要なとき（例えば、ビジネス用のナレーション）にだけ使う。でも、個人のブログやSNS用なら、無料で十分すぎる。
注意点：データ保護とライセンス
日本語の読者は、ここが気になると思う。無料クローンは、アップロードした音声をサーバーで処理する。個人情報が含まれる録音は避けたほうがいい。私は、声だけを渡して、住所や名前は言わないようにしてる。あと、生成した音声を商用利用する場合は、サイトの規約を確認して。無料版は個人利用のみのことが多いから。
まとめに代えて、試してほしいこと
まず、自分の声を30秒録って、無料クローンで試してみて。読み仮名の誤りに笑うか、その正確さに驚くか、どっちかだと思う。私も最初は「ガクしい」で吹いた。でも、直せばいいだけの話。
もし、Windows10で使いたいなら、ブラウザ版でOK。ダウンロード不要だし、ドライブのクローンとは違うから、間違えないでね。
最後に、この記事が役立ったら、あなたの録音のコツをコメントで教えてくれると嬉しい。私もまだ試行錯誤中だから。