動画にナレーションを入れたいけれど、自分の声を録音するのは気が進まない。マイクや静かな部屋を用意するのも大変です。そんなときの選択肢として、無料で使える音声合成ソフト「VOICEVOX（ボイスボックス）」を選ぶ方が増えています。
ただ、VOICEVOXは「入力すれば自然に読み上げてくれる」だけのソフトではありません。聞きやすいナレーションに仕上げるには、読みやアクセントの調整が必要ですし、動画で公開するときのクレジット表記やキャラクターごとの規約も確認が必要です。
この記事では、VOICEVOXの公式サイトに載っている情報をもとに、動画用のナレーションを作る流れを整理します。操作画面の名称は、公式の使い方ページの表記に合わせています。
💻 動画編集用のパソコンを選ぶなら
書き出しやプレビューの快適さは、GPUやメモリなどの構成にも左右されます
- ✅ BTOパソコンの通販で、スペックや価格から機種を絞り込めます
- ✅ CPU・メモリ・SSD・GPUの構成を一覧で確認できます
- ✅ 構成・価格・納期は公式サイトで確認できます
※内容・料金は変更される場合があります。公式サイトでご確認ください。
VOICEVOXとは｜無料で使える音声合成ソフト
VOICEVOXは、公式サイトで配布されている、無料のテキスト読み上げ・歌声合成ソフトウェアです。公式サイトでは、次の点が特徴として挙げられています。
- 商用・非商用を問わず無料で利用できる（詳しくは各キャラクターの利用規約を参照）
- すぐに使えるソフトウェアで、Windows・Mac・Linuxに対応している
- イントネーションの詳細な調整ができる
- 喋り声で歌えるハミング機能がある
キャラクターは複数用意されており、それぞれ声の雰囲気が違います。キャラクターごとに利用規約が設けられているため、どの声を使うかで、動画での利用条件が変わる点は覚えておいてください。
導入から読み上げまでの基本の流れ
公式の使い方ページによると、基本の流れは次のとおりです。
- ダウンロード・インストール：公式サイトから、お使いのOS向けのものを入手します。Windowsでは、初回起動時に保護の警告が出ることがあります。発行元を確認してから実行する手順が、公式ページに案内されています。
- 音声合成エンジンの起動：最初にエンジンが起動します。GPUを搭載したPCでは、GPUモードで音声の生成が速くなります（Mac版はGPUモードに非対応です）。
- テキストを入力して再生：テキスト欄に文章を入力してEnterキーで確定すると、読みとアクセントが画面下に表示されます。再生ボタンで音声を確認できます。
- 文章を追加して並べる：右下の＋ボタンでテキスト欄を増やし、台本を段落ごとに並べます。
- キャラクターを選ぶ：テキスト欄の左のアイコンから、読み上げるキャラクターやスタイルを変更できます。
台本は、あらかじめ文章で書いておき、テキストファイルとして読み込む方法もあります。公式の使い方では、改行や半角カンマで区切ったテキストを読み込めること、キャラクター名で区切ってキャラクターを割り当てられることが案内されています。
動画のナレーションは、1つのテキスト欄を1〜2文にしておくと、あとで編集ソフト上で間を調整しやすくなります。
聞きやすいナレーションに仕上げる調整
入力したままの音声は、読みが違っていたり、抑揚が不自然だったりすることがあります。公式の使い方で案内されている調整機能を、順番に確認していきましょう。
| 調整したいこと | 使う機能 | ポイント |
|---|---|---|
| 単語が変なところで区切れる | 単語の接続変更 | アクセント項目で文字の間をクリックして結合・分離する |
| 抑揚が意図と違う | アクセントの変更 | 読みの上のバーを左右に動かして、アクセント位置を変える |
| 読み方が違う | 読みの修正 | アクセント欄で読みをクリックして、ひらがなや漢字で直す |
| 難しい単語が読めない | 読み方＆アクセント辞書 | 設定から単語と読みを登録する |
| 全体の速さ・高さを変えたい | パラメータ | 話速・音高・抑揚・音量・間の長さなど |
| もっと細かく抑揚を変えたい | イントネーション | 文字ごとの音の高さを直接調整する |
特に、固有名詞やソフト名、専門用語は辞書に登録しておくと、毎回直す手間が省けます。動画編集のナレーションなら、「Premiere Pro」「DaVinci Resolve」など、同じ単語が繰り返し出てきます。最初に登録しておくと、台本が長くなってもそのまま使えます。
パラメータでは、公式の説明で「抑揚の数値が小さいほど棒読みに近くなる」とされています。聞き取りやすさを優先するなら、話速を少し落とし、間の長さで息継ぎを足すと、解説動画に向いた聞き心地になりやすいです。
音声を書き出して動画編集ソフトに入れる
調整が終わったら、音声を書き出します。公式の使い方によると、「ファイル」メニューの「音声書き出し」を押すと、すべてのテキスト欄の音声がWAVファイルとして書き出されます。ファイル名は、既定では「何行目_キャラ名_テキスト冒頭」の形式で保存され、設定で変更できます。
書き出したWAVは、Premiere ProやDaVinci Resolve、CapCutなどの編集ソフトに取り込みます。そのうえで、次の点を整えると仕上がりがよくなります。
- BGMとの音量差：ナレーションが埋もれないよう、BGM側を下げる
- 文と文の間：機械的な間になりやすいので、場面転換のタイミングに合わせて詰める・空ける
- 画面の切り替え：ナレーションの区切りに合わせて、カットやテロップを切り替える
- 字幕の同期：台本のテキストを字幕の元として使うと、表記の揺れが少なくなる
音声編集の基本は、次の記事でも整理しています。
編集中のナレーションの聞こえ方は、スピーカーとヘッドホンで印象が変わります。声の聞き取りやすさを確認するなら、モニター用のヘッドホン（たとえば、audio-technica ATH-M20xのような密閉型）で、細かい読みの違和感を確かめると安心です。
読み上げに向いた台本の書き方
音声合成は、台本の書き方によって、聞き心地が大きく変わります。文章として読む原稿と、耳で聞く原稿は別物です。次のポイントを意識して台本を作ると、調整の手間が減ります。
- 1文を短くする：読点が多い長い文は、抑揚が崩れやすくなります。40字前後で区切ります。
- 読みにくい漢字は、ひらがなに開く：同じ漢字でも文脈で読みが変わる語は、先にひらがなにしておきます。
- 数字や英字の読み方を決めておく：「4K」「H.264」などは、読みを辞書に登録するか、読みをカタカナで書きます。
- カッコ書きの補足は避ける：音声にすると意味が通りにくくなります。別の文として独立させます。
さらに、書き言葉の硬い表現を話し言葉に直すと、聞きやすさが上がります。「〜において」「〜に際して」のような表現は、「〜で」「〜のときに」と言い換えるだけで、ずいぶん自然になります。
台本ができたら、一度、通して再生してみて、引っかかる箇所に印をつけます。読みの違和感は、原稿の段階で直すほうが、後から音声の調整で直すより、はるかに早く済みます。
ナレーションの入れ方や、録音する場合のコツについては、こちらも参考になります。
動画の種類ごとの使い分けの目安
ナレーションの合成音声は、動画の種類によって向き不向きがあります。目的に合わせて使い方を決めておくと、視聴者の違和感を減らせます。
| 動画の種類 | 使い方の目安 |
|---|---|
| 解説・手順動画 | 落ち着いた声と少し遅めの話速で、内容を正確に伝える |
| ゆっくり系・ゲーム実況 | キャラクターの個性を活かし、テンポを優先する |
| ショート動画 | 短い文で、字幕と合わせて情報を詰める |
| 企業・店舗の動画 | 規約の範囲を先に確認したうえで、声の雰囲気を選ぶ |
公開するときのクレジット表記と規約の確認
VOICEVOXで作った音声を動画で公開するときは、クレジット表記が必要です。公式のソフトウェア利用規約には、「VOICEVOXを利用したことがわかるクレジット表記が必要」と記載されています。
公式のQ&Aでは、動画での表記について、次のように案内されています。
| 場面 | 公式Q&Aでの案内 |
|---|---|
| 動画で音声を使う | 動画の概要欄や動画内などに記載する |
| 音声だけを使う（電話音声など） | 音声の最初か最後にクレジットを入れる |
| キャラクターの規約に案内がある | そちらを優先する |
| モーフィング機能を使った | 使った音声の両方の規約が適用され、範囲の狭い（厳しい）規約が優先される |
ソフトウェアの利用規約では、作成した音声を利用する際は、各音声ライブラリの規約に従うよう求められています。さらに、禁止事項として、ソフトウェアの無断再配布、逆コンパイルやリバースエンジニアリング、製作者や第三者に不利益を与える行為、公序良俗に反する行為が挙げられています。
キャラクターごとの規約には、商用利用の条件や、表記の書式が指定されているものがあります。使う声を決めたら、そのキャラクターの利用規約ページをぜひ開いて最新の内容を確認してください。条件は、公式サイトで更新されることがあります。
公式の利用規約は、ソフトウェア利用規約のページで確認できます。
うまくいかないときのチェックポイント
- 読みが違う：読み方＆アクセント辞書に登録する。登録した単語が反映されない場合は「単語優先度」を上げてみる
- 棒読みに聞こえる：抑揚の値を上げる。アクセントの位置を直してから、必要なら文字ごとのイントネーションを調整する
- 音声の生成が遅い：GPUを搭載したPCなら、GPUモードに切り替える。Mac版はGPUモードに非対応
- 長い台本の管理が大変：プロジェクトファイル（.vvproj）に保存して、あとで読み込めるようにする
生成の速さは、PCの性能にも左右されます。長い台本を何度も調整する場合は、パソコンの性能が作業効率に直結します。AIの音声合成や動画編集を同じPCで進めるなら、GPUを搭載したパソコンを選ぶと、待ち時間を減らしやすくなります。PC選びの考え方は、次の記事で解説しています。
よくある質問（Q&A）
Q. VOICEVOXで作った音声は、収益化しているYouTubeチャンネルで使えますか？
ソフトウェアの利用規約では、商用・非商用を問わず利用できるとされていますが、実際には、各キャラクターの利用規約に従う必要があります。使うキャラクターの規約で商用利用の条件を確認し、クレジット表記も忘れずに入れてください。
Q. 会社や店舗の動画にも使えますか？
使えるかどうかは、使うキャラクターの規約で決まります。企業のサービスや製品の音声として使う場合は、規約の範囲を特に慎重に確認してください。判断が難しいときは、専門家に相談するのが安全です。
Q. 歌も作れますか？
公式サイトによると、歌声合成機能（ハミング・ソング）が用意されています。公式の使い方では、プロトタイプ版として提供されている旨が書かれており、機能や制限は更新される可能性があります。
Q. 自分の声に変えることはできますか？
VOICEVOXは、用意されたキャラクターの声で読み上げるソフトです。自分の声をそのまま再現する用途のソフトではありません。
Q. スマホでも使えますか？
公式サイトで案内されている対応OSは、Windows・Mac・Linuxです。スマートフォン向けの提供があるかどうかは、公式サイトの最新の案内で確認してください。
Q. 同じ台本を、あとから別のキャラクターに変えられますか？
テキスト欄ごとにキャラクターやスタイルを変更できます。ただし、キャラクターが変わると、読みやアクセントの調整結果の見え方も変わるため、変更したあとは、もう一度通して聞き直してください。
まとめ｜調整と表記を丁寧に行えば、ナレーションは作れる
VOICEVOXは、無料で使えて、イントネーションまで調整できる音声合成ソフトです。入力して書き出すだけでも使えますが、読みの辞書登録とアクセント調整まで行うと、動画のナレーションとして聞きやすい仕上がりになります。
公開するときは、クレジット表記と、使うキャラクターごとの利用規約の確認を忘れないでください。ルールを守って使えば、ナレーションを自分で録音する負担を、大きく減らせます。
💻 動画編集用のパソコンを選ぶなら
書き出しやプレビューの快適さは、GPUやメモリなどの構成にも左右されます
- ✅ BTOパソコンの通販で、スペックや価格から機種を絞り込めます
- ✅ CPU・メモリ・SSD・GPUの構成を一覧で確認できます
- ✅ 構成・価格・納期は公式サイトで確認できます
※内容・料金は変更される場合があります。公式サイトでご確認ください。
