動画の編集はほぼ終わり、字幕も合わせ終わったのに、なぜかナレーションで止まってしまう。

別の声にすると、広告っぽすぎる。さらに別の声にすると、言葉ははっきり読まれているのに、まるでお知らせを読んでいるようだ。もう少し軽い感じを探すと、今度は軽すぎる。試聴リストをずっと見返した末に、結局誰を選べばいいのかわからなくなる。

多くの場合、コピーが悪いのではなく、声と映像が合っていない。

だからこの記事では、まずパラメータを並べない。Fish Audio コミュニティで個性のある声色をいくつか探し、それぞれの表現の方向性に合うオリジナルの短文を書き、実際に呼び出して試聴を生成した。まず聴いてから考えてみてほしい。自分の動画には、いったいどんな人に語ってもらう必要があるのか？

声選びに悩むクリエイター。目の前にはカセットテープ、原稿、ヘッドホンが置かれている

声を選ぶなら、名前だけを見ない

「優しい女性の声」「磁力的な男性の声」といったラベルは、どれも良さそうに聞こえるが、実際に動画へ入れると必ずしも合うとは限らない。

日常生活を語るなら、かしこまりすぎると距離感が出てしまう。歴史のナレーションなら、あまりに活発すぎると没入感を損ないやすい。声が心地よく聞こえるかどうかと、その声がこの内容を最後まで語るのを聴きたいかどうかは、別の話だ。

まずは自分にこう問いかけてみるとよい。この言葉は、誰が誰に向けて話しているのか？

友人との会話なのか、物語を語るのか、それとも舞台上のキャラクターなのか？　これをはっきりさせれば、声色リストを最初から最後まで見る必要はなくなる。

Fish で何ができる？　まずはナレーションに関係することから

Fish Audio はテキストを音声に生成でき、既存の声色を呼び出すこともできる。中国語公式サイトでは、多言語対応、音声クローン、感情表現などの機能が紹介されている。具体的な効果については、やはり自分の原稿で試してみる必要がある。Fish Audio 中国語公式サイト

日常的な制作においては、注目すべき点が二つある。一つは、声色の選択肢が多く、数種類のアナウンス調だけに縛られなくてよいこと。もう一つは、同じ声色 ID を繰り返し呼び出せるため、後から原稿を修正したり文を補ったりするときに便利なことだ。

すでに使用許諾を得た音声素材が手元にある場合は、長期的な声色を先に作成しなくても、一度限りの参照音声合成を行うこともできる。ここで区別しておく必要がある。声色モデルは「誰が話しているように聞こえるか」を決め、音声モデルは「どの合成機能で生成するか」を決めるものであり、同じものではない。

Ace Data Cloud 経由で接続する場合、reference_id は声色を指定し、HTTP リクエストヘッダー内の model は音声モデルを指定する。現在のインターフェース文書には s1、s2-pro、s2.1-pro が記載されており、MP3、WAV、再生速度調整などのオプションもサポートしている。パラメータ説明

自分のツールに組み込みたいなら、コードは短くてよい

以下で示すのは Ace Data Cloud の Fish TTS インターフェースであり、Fish 公式の直接接続インターフェースではない。Ace Data Cloud の API Token を使用する。例では環境変数を読み込み、キーをコードに書き込まない。

import os
import requests

# 换成你已确认使用权限的音色 ID
voice_id = os.environ["FISH_VOICE_ID"]

response = requests.post(
    "https://api.acedata.cloud/fish/tts",
    headers={
        "Authorization": f"Bearer {os.environ['ACEDATACLOUD_API_TOKEN']}",
        "Content-Type": "application/json",
        "model": "s2-pro",
    },
    json={
        "text": "别急着挑最好听的，先挑一个适合这段故事的。",
        "reference_id": voice_id,
        "format": "mp3",
        "prosody": {"speed": 1.0, "volume": 0},
    },
    timeout=180,
)
response.raise_for_status()
result = response.json()
if "audio_url" not in result:
    raise RuntimeError(f"未取得音频地址：{result}")
print(result["audio_url"])

まず requests をインストールし、ACEDATACLOUD_API_TOKEN と FISH_VOICE_ID を設定すれば、短文で一度試すことができる。取得される audio_url は音声アドレスであり、音声ファイルそのものではない。

最初から全文を生成しないこと。長文があり、間があり、感情の変化もある原稿を一段落選び、適切な話速を試してから続けよう。長文または一括タスクの場合は、文書に従って callback_url とタスク照会を使用すれば、ページをずっと待機させずに済む。

以下の声、いくつ知っている？

先に明確にしておく。以下の 20 本の音声はいずれも、今回 Ace Data Cloud Fish TTS を通じてコミュニティの声色を呼び出して生成した AI 合成試聴であり、人物本人の録音でも、原作のセリフや原作の吹き替えでもない。文章は今回のオリジナルであり、タイトルはコミュニティの声色名をそのまま使用または説明したもので、本人、声優、または関連機関の参加、許諾、推薦を意味するものではない。

中国語の会話、ナレーション、個性のあるキャラクター声色を混ぜて選んでおり、リアルタイムの人気ランキングではない。各音声には異なる場面の短文を使用しており、主に表現の方向性を感じてもらうためのもので、統一原稿による横断評価ではない。千早愛音は日本語を使用し、その他は中国語である。異なる言語の結果を直接比較することはできない。

音声リンクはアクセス可能であることを確認済みだが、聴感についてはまだ一つずつ審査を完了していない。以下の紹介は文章設計の意図を説明したものであり、生成結果の聴感を保証するものではない。

生成に成功したことは、使用許諾を得たことを意味しない。 コミュニティで公開されているモデルは、商用広告、本人になりすます行為、または虚偽の推薦に使用できることを意味しない。正式な公開、展示、または再利用の前には、声色、人物の音声権利、およびキャラクターに関する権利を確認する必要がある。本稿は未公開の状態を維持している。

異なる声のオリジナルキャラクターたちが順番にマイクの前へ立ち、にぎやかな声の小劇場を作り上げている

クレヨンしんちゃん｜おなじみのいたずらっぽさ

まずは子ども時代のチャンネルから。この声色には、小さなクッキーのことで頭がいっぱいになったいたずらっぽい言い訳を書いた。子どもが真面目な顔で言い訳を探すギャップを表したかった。音の高さだけでなく、間の取り方や文末も聴いてみてほしい。

ママ、今日ぼくはサボってないよ！　小さなクッキーを開けると、なんで勝手にぼくのおなかの中へ走っていくのか、真剣に研究してたんだ。えへへ、もう一枚ちょうだい！

孫悟空｜「オラ」のキャラクター感

道の偵察、師匠を守ること、そして如意棒をつないで、短いオリジナルのキャラクター台詞にする。豪快さとドラマチックな張りつめた空気を少し残す。普通のナレーションと比べて、同じく話しているのに、キャラクターらしさがどこから生まれるのか聴いてみる。

師匠、慌てるな！この先は山が高く道も険しい、まずはオラが様子を見てくる。もし妖怪が道を塞いでいたら、この如意棒は、杖代わりに持ってるんじゃないぞ！

スポンジ・ボブ｜今日もクラゲを捕まえに行きたい

元気いっぱいの外出の誘いとしてデザインし、コピーの方向性は明るく、活発で、期待感のあるものにする。映像そのものがすでににぎやかなら、吹き替えもこんなに詰め込むべきか、入れてみてから決めてもよい。

パトリック、早く起きて！今日の海はキラキラしてるし、クラゲたちもきっと遊びに出てきたいはず！網ももう用意したよ、あとは最高の相棒である君を待つだけだ！

パトリック・スター｜まずはカニバーガーを食べてから考えよう

前の段落とつないで小さな会話にする：一人は急いで出かけたがり、もう一人は先に食事のことを気にかけている。ここでは、ワンテンポ遅れて少し回り道をする論理で、おっとりしたライトコメディの方向性を表現したい。

スポンジ・ボブ、すごく賢い方法を思いついたよ。まずカニバーガーを一つ食べて、それからどこで遊ぶか考えよう。そうすれば、もし思いつかなくても、お腹を空かせずに済むからね。

ナマケ羊｜まずは少し横になってから

夢の中のケーキの山と、目覚められない昼寝が、このコピーに食いしん坊で眠たがりという方向性を与える。もう少しゆるい内容を作りたいなら、一言ごとに急いで前へ進める必要はない。

起こさないでよ、ちょうどケーキでできた小さな山の夢を見てたんだ。山のてっぺんのイチゴを食べ終わったら、起きて手伝うよ。本当だよ、もうほんの少しだけ寝るから。

宮廷の皇帝｜一言の台詞で場面が生まれる

これはオリジナルの宮廷独白であり、ドラマの台詞は引用していない。茶碗を置き、言いかけて口をつぐむ場面を用いて、人物の身分らしさと余白のための場所を空ける。

この茶はもう足さなくてよい。朕はしばし静かにしていたい。そなたが先ほど申したこと、朕はすべて覚えている。ただ、この宮中のことは、耳にしたことが真実とは限らず、目にしたことも、必ずしも全貌ではない。

ウマ娘｜元気な方向で探す

トレーニング終了前にもう一周走る場面を選び、お願い、粘り強さ、期待で台詞を動かす。もう少し朝のように元気なキャラクター表現を探したいなら、「甘い女声」を検索するだけでなく、このようなコピーの方向性から始められる。

トレーナーさん、今日の風はちょうどいいですね！最後の一周、もう一度挑戦したいです。今はまだ少し足りなくても、一歩ずつ追いついてみせます。私がゴールを駆け抜けるところを見ていてください！

千早愛音｜言語を変えて、練習感を聴く

この音声のために日本語のバンド練習の短い台詞を書いた。少し緊張しながらも、仲間を誘ってもう一度試したい気持ちを表現したい。これは中国語の発音テストでも、原作の録音でもない。

ねえ、今日の練習、もう一回だけ合わせない？ さっきより、きっといい音になると思うんだ。ちょっと緊張するけど、みんなとなら大丈夫！

中国語の大意：今日の練習、もう一度合わせない？きっとさっきよりよくなると思う。少し緊張するけど、みんなと一緒なら大丈夫！

名前を知らなくても、好きな声は見つけられる

キャラクターらしい声は覚えやすいですが、自分の動画に合う吹き替えを選ぶなら、結局は「自然かどうか」「長く聞いても疲れないか」に立ち返ることが多いです。次のいくつかは、別の角度から聞いてみてください。

AD先輩｜短い台詞で、まずは口調を聞く

文案はゲーム内でのチームを率いる注意喚起という設定で、少しのきびきびした感じとお茶目さを求めつつ、他人を攻撃して勢いを出すことには頼っていません。短文なら口調を感じ取りやすいですが、長尺動画には別途、連続した語りをテストする必要があります。

自分はダメだって言ってばかりいないで、まずこの試合を終わらせよう。動きが少し遅くても大丈夫、頭まで一緒に回線落ちしないでよ。さあ、私についてきて。この一戦は本気でやろう。

嘉嵐3.0｜友達に何かを話しているように

「怖いけど、やってみたい」という小さな葛藤は、友達との会話として書くのにぴったりです。繰り返し、ためらい、そしてその場で条件を一言足すことも、ナレーション文案の一部になります。すべての文を説明書のように書く必要はありません。

ねえ、あのゲーム、本当に一人じゃ怖くてできないんだ。でも、あなたが一緒なら、なんとかいける気もする。先に言っておくけど、ドアが鳴ったら、私より先に逃げちゃダメだからね！

女子大学生｜図書館、夕食と一杯のミルクティー

これはコミュニティ音声の名前であり、身分認証ではありません。ありふれたキャンパスの日常の一節を選び、勉強の計画とつい気が散ってしまう小さな本音を同じ文章に詰め込み、生活感のある語りの方向性をテストしています。

今日、やっと図書館で窓際の席を取れた。日差しがすごく気持ちよくて、本をまだ二ページもめくらないうちに、もう夕食は何を食べようかなって考え始めちゃった。まあいいや、先にこの章を覚え終わってから、自分にミルクティーを一杯ご褒美にしよう。

優しく心地よい女性の声｜すべての言葉を急いで言わなくてもいい

この文案は静かな寄り添いであって、急かすものではありません。寝る前の物語や穏やかな語りを作りたいなら、このような方向性の長文、間、文末を重点的にテストできます。

もし今日少し疲れているなら、手にしていることをひとまず置いてみて。窓の外の風はとても穏やかで、お茶もまだ温かい。急いでもっと良くならなくていい、この瞬間は、ゆっくり呼吸すればいい。

丁真｜紹介文を読むのではなく、風景を語る

雪山、露、そして一本の小道を選んだオリジナルの情景短文で、表現の方向性は穏やかで口語的です。ここでは同名のコミュニティモデルによるAI合成デモであり、本人の発言、旅行の推薦、または広告宣伝ではありません。

朝出かけたとき、山の頂上にはまだ少し雪が残っていて、草原の露がきらきらしていた。この小道をゆっくり歩いていこう。急がなくていい、風が遠くの音を運んできてくれるから。

蔡徐坤｜少し軽やかな若い男性の表現

架空の練習室での独白を書き、小さな動きと音楽で話題をステージの雰囲気へと導いています。これは人物の実際の経験、インタビュー、または本人の発言ではなく、コミュニティ音声の合成デモにのみ使用されています。

練習室の明かりはまだついている。さっきの動き、もう一度やってみたい。ときどき、成長はこういう小さなところに隠れている。音楽が鳴り始めれば、すべての真剣さに響きが返ってくる。

孫笑川258｜もう少し気ままなおしゃべりの方向性

夜更かし、ゲーム、冷めたデリバリーを使って、ちょっとした自虐を書いています。探しているのは気軽な雑談のリズムであって、正式なアナウンスではありません。文案は架空のものであり、本人の経験や実際の発言ではありません。

今日は早く寝るって言ったのに、時間をちらっと見たら、またこんな時間だ。ゲームには勝てなかったのに、デリバリーはずいぶん早く冷めた。よし、先にご飯を食べよう。お腹いっぱいになってから、さっきいったい誰のせいだったのか考えよう。

解説感や物語感が欲しいなら、ほかの選択肢もある

雷軍｜客席の観客を巻き込んで話す

椅子に関する仮定の質問で解説練習を書き、「まず質問してから、説明する」という対話感を試す。実在する製品の発表、価格、性能の約束には一切触れず、本人の見解や推薦を示すものでもない。

皆さん、考えてみてください。一脚の椅子で、いちばん大切なのは何でしょうか？ 見た目がどれだけ複雑かではなく、一日忙しく過ごしたあと、座ったその瞬間に、本当にくつろげるかどうかです。小さなことをきちんとするのも、一つの力です。

鄭翔洲｜ややフォーマルなビジネス解説

オリジナルの文章は目標、役割分担から結果までを語り、フォーマルな解説に明確な段階を設ける。会話調の段落と比較して、フォーマルさの変化がもたらす距離感を感じることもできる。内容は本人の見解や講義録音ではない。

チームをつくるなら、まず規模の話を急がないことです。目標を明確にし、役割分担を落とし込み、そのうえで一人ひとりに、自分の仕事が結果とどう関わるのかを理解してもらう。方向が一致していることは、表面的な忙しさより重要です。

ドキュメンタリーのナレーション｜風景の文章にもう少し重みを与える

コミュニティモデルの元の名称は「CCTV吹き替え」である。ここでは表現の方向性を説明するために「ドキュメンタリーのナレーション」と表記しており、CCTVとの提携または許諾を示すものではない。今回はオリジナルの渓谷の朝の短文を使用し、長文の組み立てに注目できる。

朝、一筋目の陽光が山の尾根を越え、渓谷はゆっくりと目を覚ます。水の流れは岩を回り込み、村も通り抜ける。ありふれたように見える日々は、この幾重もの水音のなかに、ゆっくりと痕跡を残していく。

壮大なプロモーション映像｜オープニングをもう少しフォーマルにしたいとき

街の灯りと普通の人々の暮らしでオープニングの短い文を書く。製品に関する約束は加えない。この種の表現を動画全体で使う必要はなく、まず冒頭の数文に置いてみて、濃すぎないか確認してもよい。

朝の最初の一灯から、深夜になっても止まらない足取りまで、一つの街の温もりは、真剣に生きる一人ひとりの心に隠れています。平凡なものを見てもらい、すべての努力に、響きがあるように。

黒手｜モノローグに少し物語性を与える

雨の夜、古い手紙、そして旅立ちを描いた架空のモノローグを書いた。設計の方向性は、抑制的で、シリアスで、物語があるもの。この種の文案はキャラクター練習により適しており、あらゆる種類の解説原稿に無理に当てはめる必要はない。

雨が止んだとき、彼はその手紙をポケットに戻した。街角の灯りはまだついていたが、彼の説明を待つ人はもういなかった。ある道は、いったん背を向けたら、自分一人で夜明けまで歩くしかない。

聴き終えてすぐに決めず、自分の映像に戻してみる

原稿が魚型ラジオを通って音声の紙テープになり、制作者が編集台の前でヘッドホンをつけて確認している

試聴時に気に入った声も、自分の映像に戻してみると、また別のことかもしれない。

まずは二、三の候補を残し、同じ原稿で生成して、同じ映像に合わせて聴いてみるとよい。最初の一文だけを比べず、長い文で急いでいないか、文末がきちんと収まっているか、BGMを加えたあとでも聞き取りやすいかも聴いてみる。

それでも合わないなら、まず原稿を直す。書き言葉を少し減らし、長い文を分け、転換するところに間を残す。ときには、音声を十種類変えるよりも、一文を普段本当に話すような形に直すほうがずっとよい。

Fishが提供するのはより多くの声の選択肢であり、最終的に合うかどうかは、やはり耳で判断する必要がある。視聴者が「ここはナレーションだ」と忘れ、内容を最後まで聴こうと思ってくれれば、それだけでも十分に良い。

続けて試したいなら、ここから見られる

本記事の挿絵は AI 支援によって制作されたコンセプトイラストであり、製品インターフェースのスクリーンショットではありません。20 本の音声は、今回オリジナルの原稿を用いて Fish コミュニティ音声を呼び出して生成した AI 合成のデモであり、本人または原作の録音ではなく、関連する人物、声優、または組織による許諾、参加、もしくは支持を示すものでもありません。正式公開前に、1 本ずつの試聴審査、プレーヤーのフロントエンド再生チェックを完了し、音声、キャラクター、および音声表示と今後の用途に関する許諾範囲を確認してください。