自分そっくりの音声クローンを作成するための録音方法

音声クローンは、声質や話し方だけでなく、反響音、冷蔵庫の動作音、BGMなど、サンプルに含まれるすべての音をそのまま再現します。元の録音状態が良いほど元の声に近い仕上がりになり、プロバイダー側で後から録音品質を修正することはできません。

録音する場所

カーテンやソファなど、柔らかい素材のものが置かれた、狭くて静かな部屋（寝室など）で録音してください。何もない壁、浴室、家具のない部屋などは反響音が発生しやすく、クローンにもその反響が残ってしまいます。

• テレビ、音楽、扇風機、エアコンなどを止め、窓を閉めてください。

• スマートフォンを口から15〜30cmほど離し、録音が終わるまでその距離を保ちます。

• 手やケースでマイクを覆ったり、スカーフやマスクをつけたままで録音したりしないでください。

話し方のコツ

完成した音声で表現したいトーンに合わせて話してください。落ち着いたナレーションにしたい場合は落ち着いて読み、明るい雰囲気にしたい場合は元気に読み上げます。

• 普段のスピードと声量で話してください。ささやき声や大声を出したり、言葉を不自然に伸ばしたりしないでください。

• 画面に表示されたテキストを最後まで読み上げてください。クローンの生成に必要な、さまざまな発音やイントネーションが含まれています。

• 言い間違えた場合は、もう一度録音をタップして最初からやり直してください。途中の長い沈黙や咳払いもクローンに反映されてしまいます。

発話させたい言語で録音する

音声クローンは、サンプルの録音と同じ言語で話すときに最も自然に聞こえます。ロシア語で録音した音声でも英語を話すことはできますが、アクセントやイントネーションにロシア語の特徴が残ります。特にMiniMaxはこの影響を受けやすく、アプリ内の「新規ボイス」画面でも注意が表示されます。Qwen 3のボイスは、英語、ロシア語、中国語、ドイツ語、フランス語、スペイン語、イタリア語、日本語、韓国語、ポルトガル語の10言語に対応しています。

使用するファイルの選び方

BGMや効果音がなく、1人の声だけが含まれているファイルを使用してください。長さは10秒〜5分、ファイルサイズは最大20MBまで対応していますが、アプリでは60秒程度を推奨しています。

それでも声が似ていない場合

同じ録音データを使って、別のプロバイダーを試してみてください。MiniMaxとQwen 3では同じ音声でも仕上がりが異なり、Qwen 3のボイス作成には約1トークンしかかからないため、手軽に比較できます。一度作成したボイスを後から再学習させることはできません。改善したい場合は、より良い録音データを使って新しく作成し、古いものはマイスピーチから削除してください。その他の原因やエラーについては、音声クローンの作成に失敗した、または声が似ていない場合をご確認ください。