生成AI・LLM — 16 / 30
文字で書いた文章を、人が話しているような自然な声に変えて読み上げるAIのことです。TTSは英語のText-to-Speech(文字から音声へ)の略です。最近は、抑揚や間の取り方が自然になり、声の種類や話す速さも選べるようになっています。
音声合成は以前からありましたが、昔は機械的で棒読みに聞こえるものが中心でした。AIの技術が進んだことで、人の話し方を大量に学習し、文の意味に合わせて抑揚や間をつけられるようになりました。そのため、聞き手が違和感を持ちにくい読み上げが作れるようになっています。
サービスには、決まった声の中から選んで使うものと、録音した声をもとに特定の人に似た声を作れるものがあります。後者は、本人の声を使ったナレーションを作るといった使い方ができる一方、なりすましに悪用される危険もあるため、使い方には特に慎重さが求められます。
読み上げの元になるのは文章なので、原稿の書き方で仕上がりが変わります。耳で聞いてわかりやすいように、一文を短くする、漢字の読みが分かれる言葉はひらがなにする、といった工夫が有効です。読み方を個別に指定できるサービスもあります。
中小企業では、商品紹介動画や社内研修動画のナレーション、電話の自動音声案内、店内放送、ホームページの読み上げなどに使われています。録音のために人を集めたり、言い間違えるたびに録り直したりする手間を減らせます。
従業員25人ほどの食品工場が、衛生管理の手順を説明する社内研修動画に、AIの読み上げでナレーションを付けるといった使い方が考えられます。手順が変わったときも、原稿を直して作り直すだけで済みます。
地域のスーパーが、特売の案内やお知らせの店内放送をAIの音声で作るといった例が考えられます。毎回担当者が録音しなくても、文面を差し替えるだけで新しい案内を流せます。
地域の学習塾が、保護者向けのお知らせ動画や、教材の読み上げ音声をAIで作るといった使い方が考えられます。使う声の商用利用の条件や、教材として配布する場合の扱いは、利用規約で確認しておきます。
※ 特定の企業の事例ではなく、よくある場面をもとにした想定例です。
サービスごとに、商用利用の可否やクレジット表記の条件などの利用規約があります。実在の人の声をまねて使うことは、本人の同意がない限り避けるべきです。
地名や人名、専門用語、数字の読み方を間違えることがあります。公開する前に、必ず最後まで聞いて確認します。
無料で使えるソフトやサービスもありますが、商用利用できるか、クレジット表記が必要か、といった条件はそれぞれ違います。仕事で使う場合は、必ず利用規約を読んで条件を確認してください。
本人が同意していれば、声を再現できるサービスを使う方法があります。ただし、作った音声が悪用されないよう管理し、外部に出す場合はAIで作った音声であることを示すなどの配慮が望ましいです。
電話の自動音声案内の文言をAIで作る使い方は考えられます。電話システムに組み込む方法は製品によって違うため、今使っている電話サービスの提供会社に、音声ファイルの差し替え方法を確認するのが近道です。
「原稿さえあれば、録音しなくてもナレーションが作れます。読み方の確認だけは人がやりましょう」