IVRの音声プロンプト、どう録る？ショート動画のナレーションとポッドキャストの冒頭を比べてみた
先週、妹がやってる雑貨屋の電話自動応答（IVR）を録り直すことになった。三回録り直しても、どれも「就活セミナーの案内」みたいなトーンで、聞いた客がすぐ切りそうな感じ。
不思議なのは、ショート動画のナレーションとポッドキャストのオープニング、どっちも「マイクに向かって喋る」だけに見えるのに、求められるスキルが全然違うこと。
先月、あるグルメ系TikTokのナレーションを頼まれた。台本は80文字程度。なのに二時間近くかかった。難しいのは「映像に合わせる」こと。食材がフライパンに落ちる音とピタリ合うよう、語尾を伸ばしたり、間を取ったり。半拍遅れただけでスワイプされてしまう。
一方、ポッドキャストの冒頭は一発録りが鉄則。先週、インディー番組のオープニングを録ったとき、部屋には自分しかおらず、無音の空間が妙にプレッシャーになる。ニュース読みみたいにならないよう、深夜ラジオの「隣で語りかけてる」感覚を出すのが地味にきつい。五回録り直しても「営業トークみたい」と言われ、結局自分の声じゃないみたいでボツ。
ショート動画ナレーションが一番嫌う「読み上げ感」
15秒で商品の魅力、感情の起伏、行動喚起を詰め込むから、つい「テレビショッピング」になりがち。BGMが被さると、せっかくクリアに録った声が半分消える。プラットフォームの審査でNGワードが出ると、口パク直しと再録音の無限ループ。最後は自分でも聞きたくない出来に。
ポッドキャスト冒頭の別の壁
映像がない分、声そのものが丸裸。ノイズも息遣いも、緊張で震える微細な揺れまでリスナーの耳に届く。五回録り直しても「台詞間違い」じゃなくて「客対応の外注みたい」と言われる。あの「部屋の空気感」を出せないと、ただの案内放送になってしまう。
IVRが求める「ちょうどいい声」って？
IVRはショート動画でもポッドキャストでもない、ちょうど中間にある独特のキャラ。
- 明確で聞き取りやすい
- 感情を出しすぎない（クレーム電話の相手に「元気すぎ」は逆効果）
- 単調すぎず、でも「棒読み」に聞こえない
何より「繰り返し耐性」。同じガイダンスが一日数百回流れる。少しでも耳障りな高域があると、客が用件を言わずに切る。だから中性的で温かみのある 無料 音声クローン で生成した声を、少しゆっくりめに、適度な間を置いて流すのが正解。
自宅録音環境のリアルな苦労
最初は「デスクトップマイクで適当に」と思ってた。初回テストでPCファンの唸り声、窓の外から管理組合の放送が混入。再生して「これじゃ無理」と即座に諦めた。
距離感も罠。マイクに近すぎると「パ行」が破裂音みたいに飛び出し、遠すぎると部屋の残響とエアコン音が目立つ。IVRみたいに装飾のないドライな音声を求められる場合、わずかな環境音が何百回もループされるとノイズストームになる。
録音アプリのデフォルト設定も要注意。圧縮率が高すぎて高域がカットされ、声が平板になる。結局、無圧縮WAVで取り直す羽目に。後からイコライザー弄っても元が悪ければ直せない。
なぜショート動画のナレーションをIVRに流用できないのか
知り合いの動画クリエイターが「前のナレ素材をIVRに使えない？」と聞いてきた。試しに当てはめてみたら、即座に問題が露見。動画用ナレはシーンに合わせて音程を上げたり、売り文句の前でわざと間を伸ばしたりする「演技」が入ってる。IVRではそれが「うるさい」「何言ってるか分からない」と感じられ、肝心の案内が頭に入らない。
IVRは「24時間対応の電話コンシェルジュ」。ラジオ体操の指導声みたいに、聞き取りやすさだけで勝負する。語速は動画より遅め、間は「ボタンを押す時間」や「次の指示を考える時間」として機能する。無理に流用すると、後で全部録り直し、調整、リサンプリング……手間が倍増。最初からIVR専用のサンプルを用意して、電話回線向けにチューニングした声を作るのが一番早い。
VoxCloneで無料クローンしてIVR音声を作る
プロのナレーターを雇う予算も、スタジオを借りる時間もない。最近は VoxClone という 登録不要 音声合成 サービスを使ってる。ブラウザを開くだけで、アカウント作成も課金も一切不要。
手順はこうだ。
- 自分が「これならいける」と思う客服トーンのサンプルを用意（自分のクリーンな録音でもOK）
- 無料 声クローン ページにアップロードし、自分のAIボイスを生成
- オンライン テキスト読み上げ でIVRスクリプトを入力。例：「お電話ありがとうございます。○○商店です。ご注文の確認は1番、オペレーターへの転送は2番を押してください」
- 生成された音声をダウンロードし、PBXやクラウド電話システムにアップロード
インストール不要、完全 オンライン 無料 声クローン。数分で商用利用可能な 無料 AI 音声 が手に入る。ウォーターマークなし、無制限 テキスト読み上げ も可能だから、小規模事業者がIVRを頻繁に更新するのに最適。
将来的に自社システムへ組み込みたい場合も、無料 音声合成 API が用意されており、ドキュメントは チュートリアル一覧 で確認できる。
よくある質問
IVR音声プロンプトにクローン声を使っても大丈夫？
問題ありません。クローンした声がクリアで標準的な発音なら、IVRガイダンスとしてそのまま採用できます。背景ノイズがないこと、語速が適度であることがポイントです。
無料 TTS で生成した音声を商用利用できる？
VoxClone は 永久 無料 声クローン プラットフォームとして提供されており、生成音声は客服電話、ショート動画、ポッドキャスト、オーディオブック 音声 作成 など商業用途でも自由に使えます。版权トラブルの心配は不要です。
スマホで30秒ほどの挨拶を録り、VoxClone にアップロードしてみてください。生成された声が、自分で台本を読むより自然に聞こえるか、すぐに実感できるはずです。