プロジェクトに合ったAI音声の選び方

音声一覧を開く前に、3つの質問に答えてみましょう。誰が聴くのか、どこで聴くのか、そしてどのくらいの時間聴くのか。初心者向けの5分のチュートリアル、30秒の商品紹介動画、2時間のオーディオブックでは、ふさわしい声がまったく違います。

• 短く勢いのあるコンテンツ（広告、ショート動画）には、明るめの声とやや速めのペースが向いています。
• 教育や解説には、自然な、またはやや遅めのペースで話す、はっきりとした落ち着いた声が必要です。
• 長時間のリスニング（オーディオブック、記事）には、長く聴いても心地よい声が必要です。数分で疲れを感じる声は避けましょう。

必ず、テキストを書いた言語向けに作られた音声を選びましょう。ほかの言語の音声では、文字自体は読めても、間違った音で読み上げてしまいます。

次にアクセントを考えます。スペインのスペイン語とメキシコのスペイン語、あるいはイギリス・アメリカ・インド・ナイジェリアの英語は、それぞれ響きが異なり、聞き手もその違いに気づきます。聞き手の多くが特定の国にいる場合は、その国の音声を選びましょう。音声は言語別または国・アクセント別で探せます。

音声一覧を開いて言語で絞り込み、短いプレビューを再生してみましょう。この段階ではまだ最終候補を決めようとせず、聞き手に明らかに合わない声を外すだけで十分です。たいていの方は3〜5つの候補が残ります。

プレビューは、きれいに聞こえるように書かれています。実際の台本は、そう都合よくはいきません。実際の文章から、人名、数字、疑問文、長い文など、読み上げにくい部分を含む100〜200語程度の一節を選びます。同じ一節をスタジオに貼り付け、候補の声それぞれで生成してみましょう。

次の点に注意して一度ずつ聴き、簡単にメモを取りましょう。

• 人名や重要な用語を正しく発音できていますか？
• 疑問文がきちんと疑問文らしく聞こえますか？
• ペースは心地よいですか？文と文がつながって聞こえていませんか？
• 1分ほど聴いたあとも心地よい声ですか？それとも耳障りになってきましたか？

可能であれば、聞き手が使うデバイスで聴いてみましょう。スマートフォンのスピーカーやイヤホンでは、ノートパソコンのスピーカーでは気づきにくい耳障りな響きがわかります。

お気に入りの声が決まったら、少し調整するだけでさらにぴったり合うようになります。スタジオでは、速度とピッチはそれぞれ -50 から +50 の範囲で設定できます。実際には、数段階の変更で十分なことがほとんどです。

• 教育、長いナレーション、その言語を学んでいる聞き手向けには、少し遅くしましょう。
• 短く明るいコンテンツには、少し速くしましょう。
• 落ち着いた真面目なトーンにしたいときはピッチを少し下げ、軽やかなトーンにしたいときは少し上げましょう。

どちらの方向でも大きく変えると、どの声も人工的に聞こえてしまいます。極端な設定でないとうまくいかない声は、おそらく合っていない声です。文と文の間のペースは、速度スライダーよりも句読点やポーズタグで調整するほうがうまくいきます。

音声名と、速度・ピッチの値を書き留めておきましょう。動画シリーズ、講座、本の全体を通して同じ声と設定を使うと、聞き手があなたのコンテンツだと認識しやすくなり、別々に生成したパートもひとつの録音のように聞こえます。