「その声、ナレーター雇ったの？」——EC商品動画のナレーション、実は自分の声をクローンしたものです
先週の水曜、深夜0時をまわったころ。スマホが震えて、友人からLINEが一通だけ届いた。「さっきの動画、ナレーター誰に頼んだの？」
僕がその日の夕方にアップした、ステンレスボトルのTikTok用ショート動画のことだ。AIだよ、と返したら「は？」「まじで？」「息継ぎのタイミングまで人間なんだけど」と3連投。悪い気はしなかった。
2年前にも同じことをやろうとして、見事に失敗している。当時の音声合成は、カーナビの音声案内みたいな抑揚で、EC動画に載せたら最後まで見てもらえる気がしなかった。それが今回は、無料 音声クローン に自分で録った3分ほどの音声を食わせて、あとは全部その声に読ませている。友人にバレなかったのは、正直ちょっと嬉しかった。
ナレーションの失敗は、映像がボケてるより効く
ネットショップをやっている人なら分かってもらえると思う。商品ページ、サムネ、ショート動画の3点セット。前の2つはPhotoshopと根性でなんとかなる。動画は、声が出た瞬間に終わる。
よく見るのがこれだ。カット割りは丁寧、BGMもいい感じ、なのにナレーションが機械的で、等間隔で、一文字ずつ噛みしめるように読む。説明書の朗読みたいな声。ユーザーは1.5秒でスクロールする。
で、人間のナレーターに頼むと高い。30秒の原稿で1本1万〜3万円、修正するたびに追加費用。週に5本出す店には無理がある。かといって棒読みの機械音は使えない。その間にあるのが、無料 TTS やオンラインの音声クローンで作る「自分の声」だ。動画 ナレーション AI に任せるようになってから、撮影以外の作業がかなり軽くなった。
「無料」と書いてあるツールで、僕が踏んだ地雷
先に言っておくと、無料のツールで一番高くつくのは、たいてい自分の時間だ。
僕は7〜8個試した。テキスト読み上げ 無料 と書いてあったのに、開いたら30秒までしか合成できず、続きは課金。会員登録に電話番号、本人確認まで要求されて、その間に動画の編集が終わったやつもある。ひどいのは、書き出した音声の後ろに毎回「この音声は◯◯が提供しています」と入ってくるパターン。あれ、消すのにどれだけ時間を使ったか。
で、今使っているのがVoxCloneだ。最初は警戒した。永久無料とか書いてあるツール、このご時世なかなか信じられない。実際に開いてみたら、登録不要で、そのまま音声を録るかファイルをアップするだけ。数分待つと自分の声が出来上がっている。登録不要 音声合成 は僕にとって死活問題で——クライアント先で急に原稿を直すことが多く、他人のPCを借りている状態で、一言のナレーションのためにアカウントを作るわけにはいかない。
仕組みは単純だ。きれいな人声を1〜3分渡す。するとその声を学習して、あとは原稿を放り込めば、自分の声で読み上げてくれる。音声合成 無料 の精度は、日本語の句読点や語尾の処理が思っていたより自然で、「ね」「よ」「っ」あたりが不自然に硬くならない。ここは正直、期待していなかった部分だ。
今の僕のナレーション手順
4ステップ。それ以上はない。
- しゃべり用に原稿を書く。息継ぎの位置で区切り、1文は20文字以内
- テキスト読み上げ 無料 に原稿を貼り、前に作った自分の声を選ぶ
- 音声を書き出して、Premiere ProかCapCutに読み込んで映像と合わせる
- 一番売りたい一文だけ、手動で0.2秒の間を足す
簡単そうに見えて、細かいところで差が出る。
原稿は絶対に「人の言葉」で書く。「本製品は食品グレードの304ステンレス鋼を採用しております」——これをAIに読ませると地獄になる。「内側は304。お湯を入れても匂わないやつです」に変えるだけで、同じ声なのに急に生きてくる。薬機法や景表法に引っかからない範囲で、です・ますを崩す勇気が要る。ちなみに、無料のテキスト読み上げで一度音読させて、リズムを耳で確認するだけでも十分使える。
それと、一発で決めようとしないこと。僕はだいたい2〜3パターン出して、一番テンポのいいものを選ぶ。AI 音声 無料 なら何度でもやり直せる。1本いくらの課金ツールだと、この「とりあえずもう1回」ができない。
録音環境も地味に効く。最初はリビングで録って、エアコンの音まで学習されてしまった。合成した音声の語尾に、毎回かすかに「ヴー」と乗る。あとで気づいて全部録り直した。今はクローゼットの中にノートPCを持ち込んで録っている。この辺の細かいコツは もっと詳しい使い方 にも書いてあった。
あと、これは面白いと思った話。ペット用品を扱っている知人が、自分の声が高めで、猫の餌を売るには軽すぎると悩んでいた。そいつは音声クローン オンライン で自分の声を少し低くして、奥さんの声をちょっと混ぜた。二人の間くらいの、誰の声でもない声。権利的にグレーにならないし、純粋な合成音より温度がある。自分の声 クローン をここまで調整できるようになるとは、2年前は考えられなかった。
よく聞かれること
音声クローンって、難しくないの？ 技術は全然分からないんだけど
分からなくて大丈夫。モデルもGPUもコードも要らない。1〜3分のきれいな音声をアップして、あとは待つだけ。無料で試せるツールの中では、VoxCloneは手順が一番短いと思う。開いてすぐ、というのは大きい。
無料のツールって、途中で有料化したりサービス終了したりしない？
その心配はもっともだ。僕は大事な音色の元データだけ、必ずローカルに残している。もしサービスが変わっても、別のところで学習し直せばいい。失うのは10分程度。ただ、今のところ永久無料と書いてある通りで、回数制限や秒数制限で止められたことはない。無制限で使えている。
作った音声って商用利用できる？ プラットフォームに怒られない？
僕は自分のショップの動画にそのまま使っている。今のところ警告は来ていない。理由は単純で、声が僕自身のものだからだ。自分が自分に許可しているだけ。逆に、他人の声をクローンするなら、必ず本人の許諾が要る。ここは譲れない。YouTubeやTikTokもAI生成コンテンツの表示ラベルを用意しているので、そこは素直に従っておくのが安全だと思う。
ちなみにコードが書ける人なら、API も叩けるらしく、SKUごとのナレーションをまとめて作るときに楽らしい。まだ試せていないので、来月やる予定。
それと、吹き替え AI 無料 の使い方も気になっている。越境ECで英語や中国語の商品動画を出すとき、多言語 音声合成 無料 で同じ声のまま別言語にできれば、チャンネルの印象が揃う。オーディオブック 音声 作成 も理屈は同じで、自分で書いたテキストを自分の声で聴ける形にできる。ナレーションの使い道は、たぶん想像より広い。
で、結局どうすればいいの
友人に説明したあと、彼は少し黙ってから「俺の声でもできる？」と聞いてきた。できるよ、と答えて https://ja.web666.cc/ を送った。翌朝、20秒の音声が届いた。自分の声で、実家の茶葉の売り込みを読んでいた。ちょっと得意げな口調で。
ナレーターを探すかどうかで悩む前に、10分だけ自分の声を録ってみればいい。無料なんだから、失敗のコストはほぼゼロ。本当に難しいのは、ツールじゃなくて、原稿を「人の言葉」に書き直す勇気のほうだ。