この記事は作業マニュアルです。扱うのは一つの作業だけです。一人の話者の短い録音を、さまざまな原稿で使い回せる声に変え、出来が悪いときにどこを直せばよいかを判断できるようにすること。ここで使うツールは FreeVoiceClone です。クローン作成のフォームに、サンプル長、対応形式、文字起こしの確認、許諾のチェックといった要件がすべて明示されているためです。記事は意見ではなく手順として組み立てています。何を準備するか、フォームの各ステップが何を求めているか、完成した声をどう試すか、どんな症状が録音に原因を持つのか。スタジオも、事前の経験も前提にしません。
がっかりするクローンの多くは、ソフトウェアが動く前から決まっています。モデルは聞こえた音声しか手がかりにできないので、下に音楽が流れているサンプル、部屋に別の話者がいるサンプル、残響の強いサンプルは、矛盾した情報を与えてしまいます。幸い、自宅録音でたいてい十分です。必要なのは機材ではなく「きれいさ」です。
壁がむき出しの広い部屋より、小さくて柔らかい部屋を選びます。カーペット、カーテン、閉めた窓は、マイクを高いものに替えるより反射を抑えてくれます。芝居がかった読みではなく、中立的な一段を読みます。サンプルは、完成品で聞かせたい話し方そのものを代表しているべきです。話者は一人、テイクも一つ。途中で笑ったり、咳をしたり、マイクから顔を背けたりしないでください。
目安は約 30 秒です。フォームは 5〜30 秒を受け付けますが、短い側は技術的には有効でも、その声がさまざまな音に対してどう振る舞うかの手がかりが少なくなります。30 秒読めば、母音、子音、文末が十分に含まれるのが普通です。
作業の流れでは、その声を作る権限を持っていることの確認を求められます。これは形式ではなく、実質的なステップです。話者が顧客、同僚、出演者なら、録音前に同意を取り、その声をどこに出してよいかをはっきり伝えます。無料プランで作った声は公開され、コミュニティで共有されます。非公開の声は有料プランの枠に含まれます。「公開してよいか」の答えがノーなら、サンプルに時間をかける前に、この案件に必要なプランが分かったということです。
作業画面は「ソース音声」と「声の情報」の二段階に分かれています。順番に進めてください。後半は前半で取得した内容に依存します。
既存ファイルをドラッグするか、ブラウザ上で録音します。MP3、WAV、M4A に対応し、上限は 30 MB です。ブラウザで録る場合はカウンターを見て、上限の手前で止めます。最後の一文を急いで読むより、少し短くてもきれいな方がましです。ファイルをアップロードするなら、次に進む前に一度ヘッドホンで聴いてください。フォルダから別のテイクを選んでしまうことはよくあります。
アップロード欄には最短時間が明記され、たいていの声では約 30 秒で足りる旨も示されます。詳細へ進むボタンと、音声を再解析する選択肢もあります。再解析は思ったより重要です。途中で不自然に切れたファイル、開始位置を誤って保存したファイルを、ここで直せます。質の悪い区間で声を作ってから「なぜこんなに張った声になるのか」と後で悩むより、ずっと早い段階で対処できます。
詳細の段階では、サンプルの言語を選び、システムが作った文字起こしを確認します。自分が実際に言った内容と突き合わせてください。語が抜けている、言語が違う、という場合はたいてい音声が不明瞭か、言語設定が録音と合っていません。どちらも生成される声に影響します。直せるうちに直します。文字起こしは、録音と「いま作られている声」をつなぐ橋だからです。
許諾のチェックは、本当に該当するときだけ入れます。同時に、公開の声にするか、非公開の枠が必要かを決めます。この二つは本来セットです。一方は「誰の声か」に関わり、もう一方は「その声を誰が見られるか」に関わります。サイトは設定を先に済ませ、声を作る時点でログインできるので、実際の順序は「準備 → 確認 → 確定」です。
作成後、短い原稿を入れて試聴します。自分の名前か商品名を含む文、数字を含む文、疑問文の三つを用意します。短いテスト三つの方が、長い一段より多くのことが分かります。試聴は無料で回数無制限ですが、ビープ音のウォーターマークが入ります。つまりここは実験の段階であって、納品の段階ではありません。きれいな音声のダウンロードには download pass が一回分必要です。
結果が期待外れなら、変えるのは一度に一つだけにし、同じ三つの文で再テストします。よくある症状は四つで、ほぼ網羅できます。
三つのテスト文のうち二つで明瞭さが基準に達しなければ、サンプルを録り直します。一つだけ落ちて、しかも珍しい固有名詞が原因なら、発音を直します。この基準があれば、「一語が拗れたせいで声そのものを作り直す」というよくある無駄を避けられます。
このサービスは、一度作った声から 505 言語で出力できます。本当に使える機能であると同時に、慎重さが必要な理由でもあります。多言語版を公開する前に、その言語で短い一文を読ませ――できれば母語話者に聞いてもらい――理解できるかどうかだけでなくリズムを聴きます。クローンはすべての語を正しく発音していても、翻訳文を読み上げているように聞こえることがあります。その場合は声を替えるより原稿を直す方が効きます。文を短く、重ねた従属節を減らし、名前を現地化する、といった調整です。
チームは同じ録音ミスを繰り返しがちです。手順を固定するには、共有セッションで一度 短い音声サンプルから自分の声をクローンする の操作を通し、フォームが実際に何を求めたかを書き出します。所要時間、形式、言語、文字起こしの確認、許諾。その一枚のメモは、どんなスタイルガイドより役に立ちます。抽象的な指示を、新しいメンバーが迷わず実行できる手順に変えてくれるからです。
無料プランの生成は一回 150 文字までなので、声を作った後でも長い原稿は分割して組み立てます。有料プランでは 3,600 文字、15,000 文字まで上がります。試聴にはウォーターマークが入ります。つまり「試すのは無料、納品は無料ではない」ということです。無料の声は既定で公開共有、非公開の枠と商用ライセンスは有料側にあり、download pass はきれいなファイルにだけ消費されます。これらはサンプルの録り方を変えませんが、その周辺の段取りはすべて変えます。
短く、きれいで、話者が一人だけの録音に、確認済みの文字起こしとはっきりした許諾判断が揃えば、クローンのトラブルの大半は起きる前に片付きます。あとは反復です。三つの短いテスト文、一度に一つだけ変える、明瞭さが落ちたら録り直すことをいとわない。ソフトウェアが速くしてくれるのは作業であって、品質はやはりこちらが渡した 30 秒で決まります。
