AI音声クローン用の録音のコツと、読み間違い（促音・数字）の修正方法
高価なスタジオを使わずに自宅で反響を抑えた音声を録音する手順と、音声合成時に発生しやすい漢字や数字の読み間違いを防ぐ実践テクニック。
音声サンプルで本当に大切なこと
背景の雑音や部屋の反響は、サンプルの使いやすさに影響します。アップロード前に元の録音を聞き、1 人の声が明瞭に入っていて、音楽が混ざっていないことを確認してください。雑音があるとすべての生成音声に同じ雑音が残るとは限りませんが、結果を評価しにくくなります。
高価な防音室は必要ありません。大切なのは、部屋の響きや背景のノイズが入っていない、乾いた直接音を録ることです。
1. 音が反響しない場所を探す
壁や窓などの硬い面は、声の反響を生むことがあります。録音できる場所を 2 か所選び、短く録って反響の少ないほうを使ってください。布や家具が役立つ場合もありますが、録音を聞いて確かめましょう。
自宅で手軽にできる対策：
- クローゼットの前。 服の掛かったクローゼットに向かって短く録音し、いつもの場所と比べてください。吸音材より優れていると決めつけず、反響が減ったかを聞いて確かめます。
- 枕と毛布。 硬い面の近くに布やクッションを置くと、反響が減る場合があります。短い録音で確認し、機器の通気口はふさがないでください。
- 家電の音を止める。 録音する数十秒間だけでも、エアコン、扇風機、換気扇を消してください。パソコンのファンが気になる場合は、ケーブルの届く範囲で本体を遠ざけます。
2. マイクの選び方と置き方
定番のダイナミックマイクやUSBコンデンサーマイク、あるいは手元のiPhoneでも、配置さえ適切であれば十分な音質で録音できます。
| 機材 | 特徴 | 気をつける点 | 推奨距離 |
|---|---|---|---|
| ダイナミックマイク | 近くで話す録音に使える | 雑音は距離と配置にも左右される | 5〜10 cm から試して聞く |
| コンデンサーマイク | 話し声の細部を拾える | 雑音と反響を確認する | 15〜20 cm から試して聞く |
| スマートフォン | 追加の機材が不要 | 処理は端末とアプリで異なる | 約 15 cm、少し横から試す |
録音時に意識したい3つのポイント
- マイクの正面から息を吹きかけない。 パ行やタ行を発音するときに出る息の塊がマイクの振動板に当たると、ボフッという低音ノイズが出ます。マイクを口の正面から30度から45度ほど横にずらし、口角を狙うようにセットすると息が直接当たりません。
- マイクの処理設定を聞き比べる。 録音アプリに声の分離やノイズ低減の設定があれば、オンとオフで同じ文を録音してください。子音が明瞭で、小さな声の単語が途切れないほうを選びます。設定は端末とアプリによって異なります。
- 音量は -12 dB から -6 dB を目安にする。 一番声が張った瞬間でも 0 dB に当たらないように注意します。デジタルクリップ（音割れ）を起こした音声は、後からAIを使っても綺麗には修復できません。
3. 録音時間はどれくらい必要か？
VoiceCloner では、1 人が明瞭に話す 30〜120 秒の録音から始めることをおすすめします。アップロードの標準範囲は 10〜300 秒、ブラウザー録音の上限は 120 秒です。実際に使うときは、ツールに表示される制限を確認してください。録音を長くしても、反響や音量のばらつきは直りません。
目の前の同僚に普段のトーンで話しかけるような、自然な音量とスピードを意識してください。
録音用のサンプル文章
ビジネス用語や硬いスローガンではなく、日常的な会話や物語の文章を読むのがおすすめです：
今朝の電車は5分ほど遅れていましたが、ホームの人たちは特に気にする様子もありませんでした。駅前のコーヒースタンドでホットのカフェラテを買い、ベンチに腰掛けて読みかけの文庫本を開きました。ドアが開く頃には、ガラスの屋根に静かに雨が当たり始めていました。
文と文の間では自然に息を吸ってください。静かにしようとして息を止めながら話す必要はありません。録音するときは、普段どおりに息を継いでください。
4. 合成音声の読み間違いや不自然さを直すコツ
VoiceCloner で音声をクローンした後、テキストを入力して音声を生成する際、文章の書き方を少し調整するだけで発音の精度が大きく上がります。
数字・日付・助数詞
テキストエンジンは数字の扱いを誤りやすく、年号を数量として読んでしまうことがあります：
- 年号：
2026年でつまずく場合は、にせんにじゅうろくねんと直接ひらがなで書きます。 - 助数詞の促音化：
1本（いっぽん）を「いちほん」、3本（さんぼん）を「さんほん」、1回（いっかい）を「いちかい」と読んでしまうときは、迷わずいっぽんさんぼんいっかいとひらがな化します。 - 日付の訓読み：
4月1日は4月ついたち、20日ははつかと指定して、結果を確認してください。 - 記号や範囲：
3-5日は3日から5日、50%は50パーセントまたはごじゅっパーセントと書きます。
同形異音語の対策
前後の文脈で読み分けが難しい漢字は、ひらがなに置き換えるのが一番簡単です：
- 「角を曲がる」で「つの」と読まれるなら、
かどを曲がると書く。 - 「一日」が「ついたち」か「いちにち」か意図と合わない場合は、
ついたちまたはいちにちとひらがなにする。 - 「辛い料理」は
からい料理、「辛い日々」はつらい日々と書き分けます。
英語の略称やブランド名
アルファベットの略語をローマ字読みしようとして発音が崩れることがあります：
APIやTTSで違和感がある場合は、A-P-IやT-T-Sのようにハイフンで区切るか、エーピーアイとカタカナで指定します。- 英語と日本語が連続する場合は、前後に半角スペースを1つ挟むと、音節の切れ目が綺麗に処理されます。
句読点で話すテンポを整える
句読点は読み方に影響する場合があります：
- 読点（、） は文の区切りを示す手がかりですが、決まった秒数の間を指定するものではありません。結果を聞き、まだ速すぎる場合は文を短くしてください。
- 句点（。） は文の終わりを示します。選んだ音声がどう読むかを確認してください。
- 三点リーダー（…） で間や抑揚が変わる場合があります。少なめに使い、不要なためらいが入らないかを聞いてください。
5. アップロード前のチェック項目
音声ファイルを送信する前に、ヘッドホンで確認してください：
- 無音部分に冷蔵庫の音や外の車の走行音が入っていないか。
- パ行やタ行でボフッという吹かれノイズが出ていないか。
- 30〜120 秒の安定した話し声を目安にし、ツールの現在の時間制限を確認したか。
- MP3、WAV、M4A のいずれかを使い、元の録音を残したか。雑音のあるファイルを WAV に変換しても、失われた細部は戻りません。
準備ができたら、VoiceCloner で音声モデルを作成してみてください。特定の単語の調整や長文の生成について気になる点があれば、お問い合わせ ページよりいつでもご連絡ください。
一度に変える条件は一つにする
元の録音と原稿を残し、短い文章で生成してください。その後、参考録音、読みにくい単語、句読点のうち一つだけを変えます。前後のファイルと設定を保存し、抜けた単語、発音、雑音、文末を聞き比べてから長い文章に進みましょう。
本文の読み上げ原稿と表記例は試すための案であり、公開済みの音声実験の結果ではありません。読みをひらがなに変える方法も、モデルによって結果が異なります。変更するたびに文全体を聞いてください。自分の声か、クローンへの利用を明示的に許可された録音を使いましょう。