AIテキスト読み上げ

関連: テキスト読み上げはAIですか? · AI音声クローン · セリフ、ボイスオーバー、字幕。
AIテキスト読み上げの仕組み
現代のテキスト読み上げシステムは、三つの段階を経ます。
- テキストの正規化: 数字、日付、略語、記号は言葉になり、その読み方は文脈で決まります。「Dr.」は人名の前では「ドクター」、通り名の後では「ドライブ」になります。
- 発音と抑揚: 言葉は音になり、モデルは文章全体から、アクセント、間、音の高さ、速さを予測します。だから質問は文末で上がり、リストには小さな間が入ります。
- 音声: ニューラルモデルが、音そのものである波形を作ります。その元になるのは、音を表す中間の図(スペクトログラム)か、直接の生成です。
古いシステムは、声優の短い録音をつなぎ合わせていたため、つなぎ目がぎこちなく聞こえました。ニューラル音声は、何時間もの録音された話し声で学習し、文章ごとに新しく生成するので、同じ声が見たことのない文章でも自然なリズムで読めます。
AIテキスト読み上げ、AI音声ジェネレーター、TTS:名前の意味
| 名前 | 通常の意味 | 典型的な用途 |
|---|---|---|
| テキスト読み上げ(TTS) | テキストを入れると、既成の声で読み上げた音声が出る | ナレーション、アクセシビリティ、記事の読み上げ |
| テキストから音声へ | 同じものの別名 | 同じ |
| AI音声ジェネレーター | テキスト読み上げに声の設計を加えたもの。声を選ぶか説明し、多くの場合は声をクローンする | ボイスオーバー、キャラクター、広告 |
| 音声クローン | 実在の人の録音から作られた新しい声 | 同意のもとで、自分の声を大量に使う |
| AIボイスチェンジャー | 音声を入れて音声を出す:自分の録音を別の声に変える | 配信、テイクの声の差し替え |
そのため、AI音声ジェネレーターとして売られているツールは、通常、より大きなライブラリとより多くの制御を備えたテキスト読み上げです。ボイスチェンジャーは例外で、テキストではなく、出発点として録音が必要です。
AIテキスト読み上げジェネレーターの選び方
- 言語とアクセント: 必要な言語と地域を正確に確認し、その言語で声を聞いてください。一つの言語で自然に聞こえる声が、別の言語では外国語のように聞こえることがあります。
- 声: デモの一文ではなく、ご自身の台本の一段落で複数の声を試し、視聴者が使う機器で確かめてください。
- 制御: 間、強調、速さ、音の高さ、名前やブランド語の発音リスト。多くのツールは、まさにこのための記法であるSSMLに対応しています。
- 長い文章: 一回のリクエストと一か月に何文字入るか、長い文章が文末で綺麗に区切られるかどうか。
- 権利: 音声を商用利用してよいか、広告や収益化されたチャンネルで使えるか、クレジット表記が必要か。
- 出力: MP3やWAVなどのファイル形式、そして声をアプリ内で動かす必要がある場合はAPI。
無料のAIテキスト読み上げ、または無料のテキスト読み上げ:無料プランでは通常何が制限されるか
無料プランは声を試すのに向いていますが、ほとんどは少なくとも一つを制限しています。月あたりの文字数、声の数、ダウンロード、商用利用、ファイルの品質などです。一部の無料のオンライン読み上げは、ブラウザで再生するだけで保存させないものもあります。無料プランでプロジェクトを作る前に、選んだ声が有料で契約するプランにも含まれているかを確認し、公開先のライセンスを読んでください。
声に出して読みやすい文章の書き方
- 紛らわしいものは書き下してください。「2/3」は「三分の二」とも日付とも読めます。
- 句読点で間を調整してください。読点は短い間、句点は長い間、段落の改行はさらに長い間になります。
- 読み方が難しい名前は、音に近い綴りに直すか、ツールの発音リストに追加してください。
- 文は短くしてください。長い文は抑揚が平坦になります。
- 一段落を生成して聞き、文章を直してください。同じ言葉を何度も生成し直すことはしないでください。
動画のAIボイスオーバー:映像の上に読むか、場面で話すか
AIの声を動画に載せる方法は二つあります。通常の方法はボイスオーバーです。ナレーションを音声として生成し、エディターで映像の下に敷き、映像を音声に合わせて切ります。解説、チュートリアル、ドキュメンタリーに向いており、画面の誰も話さない場合に使います。
画面上のキャラクターがセリフを言う必要がある場合、別の音声ファイルでは後から口の動きを合わせなければなりません。新しい動画モデルは、音声を映像と一緒に生成するので、話者の口と言葉が同じ工程から生まれます。これはナレーションよりもドラマや会話に向いています。
自分のAI音声を作る:クローンと同意
音声クローンは、サンプルの録音から声を作ります。きれいな音声が多いほど、より近い声になりやすくなります。自分の声か、使用許可を得た声だけをクローンしてください。その許可は書面で残し、音声が合成であることは説明文に書いてください。有名な声のクローンを拒否するサービスは多く、プラットフォームも、リアルな合成音声には表示を付けることをクリエイターに求めるようになっています。
声を決める前の五分間テスト
- 台本の段落で、名前、数字、疑問文が入っているものを選んでください。
- 三つの声で生成し、視聴者が使うスマートフォンなどのスピーカーで聞いてください。
- 名前と数字の書き方を直してから、もう一度生成してください。
- 必要な映像のテンポや読む時間と照らし合わせて、話すペースを確認してください。
- 台本全体を生成する前に、公開先のライセンスを読んでください。
| 動画の上のナレーション | 映像と一緒に生成される音声 | |
|---|---|---|
| 向いている | 解説、チュートリアル、ドキュメンタリー | ドラマ、会話、画面に出るキャラクター |
| 口の動き | 画面の誰も話さない、または後から合わせる | 同じカットでセリフの言葉に合わせて動く |
| セリフの変更 | 新しい音声を作り、カットを編集し直す | そのカットを生成し直すか、吹き替え直す |
| 声 | どのテキスト読み上げの声でも | そのキャラクターに設定された声 |
FAQ
SceneMixerにはテキスト読み上げがありますか?
音声ファイルとして単独でダウンロードすることはできません。SceneMixerでは、各キャラクターのセリフは生成される動画の中で、そのキャラクターに設定された声で話され、話者の口の動きがセリフに合わせて動きます。
SceneMixerで声は無料ですか?
声は別料金ではなく、動画の料金に含まれます。新規のSceneMixerアカウントは50 クレジットから始まり、標準プランの動画は1秒あたり10 クレジットです。キャラクターに声を割り当てる費用はかかりません。
キャラクターの声はどう選びますか?
SceneMixerでは、各キャラクターに声を文章で設定できます。年齢、声の重さ、話すペースなどを書くか、声のライブラリからプリセットを選び、選ぶ前に再生して確認できます。
自分のAI声を作れますか?
有料のSceneMixerプランでは、キャラクターの声として使う権利のある録音をアップロードできます。その声は、そのキャラクターが話すすべてのセグメントで使われます。
AIのボイスオーバーはどう追加しますか?
SceneMixerの絵コンテで、セリフのメモの先頭に(ボイスオーバー)と書いてください。そのセリフはカットの中で聞こえ、画面の誰も口を動かしません。
セリフを怒った声、疲れた声、ささやき声にできますか?
はい。SceneMixerでは、各セリフに(低く、落ち着いて)のような話し方のメモを括弧で付けられ、その話し方で演じられます。
キャラクターはどの言語で話しますか?
SceneMixerのステップ1で選ぶ、プロジェクトのセリフの言語です。セリフはその言語で書いてください。声はその言語で話されます。
動画を作ったあとでセリフを変えられますか?
はい。SceneMixerの「再吹き替え」は、完成したクリップのセリフを差し替えます。「オリジナル音声」を選ぶと、そのクリップの話者の声が残ります。
有名人の声をクローンできますか?
いいえ。SceneMixerで使えるのは、ご自身の声か、使用許可を得た声だけです。
インストールするAIテキスト読み上げソフトですか?
いいえ。SceneMixerはブラウザで動き、Androidではアプリとして使えます。声は動画と一緒にサーバー上で生成されます。
2026年11月20日更新