声とBGMを自然に混ぜる無料音声制作のコツ
「これ、声は本当に本人が読んでるんだよね？」
友人にそう聞かれたのは、土曜の午後、近所の喫茶店でYouTube用の短い動画を見せていたときだった。画面には旅行先の映像、手前には落ち着いたナレーション。その下で、少しだけ明るいBGMが流れている。友人は声の自然さに驚いたらしい。
実はその音声、録音した自分の声をそのまま使ったものではなかった。VoxCloneで用意した音声に、AudacityでBGMを重ね、何度も聞き直して仕上げたものだ。今回は、その日にどこでつまずき、どう直したのかを時間の流れに沿って書いてみる。
友人に聞かせるまでの準備
きっかけは、地域の小さなイベントを紹介する動画を作ろうと思ったことだった。映像素材はスマートフォンで撮れていたけれど、撮影当日は風が強く、現場で録った声には車の音や人の話し声がかなり入っていた。静かな場所で録り直す方法も考えたが、話し方を何度も合わせるのが面倒だった。
そこで、まず台本を短く整えた。文章が長いと、声がきれいでも説明が重たく聞こえる。ひとつの文を二十秒以上にしないように区切り、「ここで少し間を置く」といった印も入れた。敬体の説明が続く動画だったので、語尾が全部同じ高さにならないよう、文の長さにも気をつけた。
VoxCloneの無料音声克隆を試すときは、最初から完成版を作ろうとしなかった。短い文章をいくつか入れて、声の速さや抑揚を確認する。読み上げ音声は、入力した文章の句読点や改行にも影響されるため、台本をそのまま貼り付けるより、話し言葉に近い形へ直したほうが聞きやすかった。
声がBGMに負けた夜
最初のミックスは、今思えばBGMを大きくしすぎていた。波の音が入った映像だったので、海らしい雰囲気を出したくて、音楽を控えめにしたつもりだったのだが、友人に聞かせると「雰囲気はいいけど、後半の説明が少し聞き取りにくい」と言われた。
ヘッドホンでは問題ないと思っていた。ところが、スマートフォンの小さなスピーカーで再生すると、声の低い部分がBGMのベースに隠れてしまう。音量の数字だけを見て調整したのが失敗だった。声とBGMは、単純に同じ割合で下げればよいわけではない。
Audacityで声とBGMを別々のトラックに置き、まず声だけを聞いた。次にBGMだけを再生し、最後に両方を重ねる。声の山が大きくなった瞬間にBGMがぶつからないよう、音楽の音量を少しずつ下げた。目安として、ナレーションが入る場面ではBGMを最初の設定から約六デシベル下げ、間がある場面だけ少し戻した。
この作業をしてわかったのは、BGMは「聞かせる音」ではなく「支える音」として置く場面が多いことだ。サビのように音楽が盛り上がる部分を声の後ろへそのまま置くと、声が急に遠くなる。曲の中で音数が少ない部分を使うだけでも、かなり自然になった。
声の聞き取りやすさを整える
音量を下げても声が埋もれるときは、BGMだけを小さくするより、声の低い部分と高い部分を見直したほうがよかった。私の場合、読み上げ音声の低い響きが少し強く、BGMのベースと重なっていた。Audacityのイコライザーで低い帯域をほんの少し整理すると、声の輪郭が出てきた。
ただし、ここで調整をやりすぎると、今度は声が細くなる。最初は数値を大きく動かしてしまい、機械的で乾いた印象になった。そこで一度に大きく変えず、二、三デシベル程度の小さな変更にとどめた。編集画面だけで判断せず、スマートフォン、イヤホン、ノートパソコンのスピーカーで順番に確認するのも大切だった。
ナレーション案件を想定するなら、声の前後に余白を作ることも忘れたくない。文章の始まりに音がいきなり飛び込むと、聞き手は身構えてしまう。私は各文の前に約〇・二秒、文末に約〇・四秒ほど余白を置いた。短い動画でも、このわずかな間があるだけで、映像と音の切り替わりが落ち着いて聞こえる。
なお、検索すると「クローン ソフト 無料 窓の杜」や「クローン for windows ダウンロード」といった言葉も見かけるが、これは音声制作ではなく、別の種類のソフトを探す人向けの表現だ。声を作りたいのにドライブ クローン 無料 ソフトを入れてしまうと目的がずれてしまうので、探すときは音声、読み上げ、声の編集といった言葉を組み合わせたほうが迷いにくい。
使ってみてわかった選び方
今回の作業を始める前、私は「クローンソフト 無料 おすすめ 知恵袋」や「クローン ソフト 無料 windows 10」のような検索語も見ていた。けれど、ディスクの複製を探す情報と音声のクローンを探す情報が混ざりやすく、記事を読んでいるうちに何を選べばよいのかわからなくなった。
音声制作が目的なら、インストール作業の多さより、文章を入力してすぐ試せるか、声の確認を何度もできるかを見たほうが現実的だと思う。VoxCloneは登録なしで使えるため、短い台本を試す段階では助かった。完成した声をBGMと合わせる作業は別に必要だが、声を用意するまでの手間は少なかった。
一方で、「クローン フリーソフト windows10 無料」「クローン フリーソフト windows11 無料」「windows 10 クローン 無料」といった検索結果だけを基準にすると、音声ではなく保存データ用のソフトが出てくることがある。無料 ディスク クローン ソフトも同じだ。名称にクローンと入っていても、声を扱えるとは限らない。
声の素材を作ったあと、動画に合わせて細かく直したい人には、オンライン文字起こしではなく、正確にはオンライン文字列読み上げのような音声作成ページを使い、音量や間は編集ソフトで整える流れがわかりやすい。ちなみに、クローン for windows マニュアルを探していた友人には、まず用途を確認してから検索するよう伝えた。名前が似ていても、作業内容はかなり違う。
よく聞かれたこと
BGMの音量はどれくらい下げればいいですか？
固定の正解はないが、ナレーションが中心なら、まずBGMを小さく感じるくらいまで下げてから少し戻す方法が試しやすい。私の動画では、声のない場面よりも五〜八デシベルほど低くした。音量計の数字だけでなく、スマートフォンのスピーカーで言葉が聞き取れるかを基準にしたほうがよい。
無料の音声クローンでも動画に使えますか？
個人の動画や試作では便利だが、公開や案件利用をするなら、利用条件と声の権利を確認しておきたい。自分の声、または許可を得た声を使うことも大前提だ。作成した音声は、記事と使い方の案内を確認しながら、用途に合う形で扱うのが安心だ。
BGMを先に決めるべきですか？
私は声を先に作るようにしている。先に音楽を決めると、曲の雰囲気に引っ張られて台本のテンポが不自然になりやすいからだ。声の長さが決まってから、映像の切り替わりと合うBGMを選ぶほうが、音量調整も楽だった。
「これ、声は本当に本人が読んでるんだよね？」と聞かれたとき、やっと狙っていた自然さに近づけた気がした。
BGMは少し控えめくらいが、ちょうどいい。