カートゥーン声ジェネレーター

対比がすべての技術です

昔ながらのアニメーション制作会社がアンサンブルをキャスティングするやり方は、作曲家が楽器を書き分けるのに似ています。声部が分かれて聴こえることを狙っているのです。長く続いたシリーズならどれでも聴き取れます。キャラクターはそれぞれ違う音域、違う話速、違う息の量を占めています。ここに高価な声は1つも要りません。要るのは、意図して距離を取ることだけです。

自作のカートゥーンの音がにごって聴こえるとき、原因はほぼいつも、全員が同じ狭くて感じのいい中性的な帯から選ばれていることです。直し方は最初は落ち着きません。高すぎる声を1つ、低すぎる声を1つ、速すぎる声を1つ選ぶ。順番に鳴らすと大げさに感じます。シーンの中で鳴らすと、キャラクターに聴こえます。

日本語で作るなら、もうひとつ意識しておくと楽になることがあります。日本のアニメは、1人の声優が複数の役を兼ねるのが当たり前の作り方で、聴き手もそれに慣れています。つまり「同じ声が2役やっている」こと自体は減点になりません。減点になるのは、兼ねていることに気づかせてしまう配り方です。兼ねるなら、同じ場面に出さない、年齢帯を離す、話速を変える（PlusとPro）。この3つのどれかを守れば、少ない声でも世界は広く聞こえます。

合成音声が演じられるセリフの書き方

3つの癖で差がつきます。1つめ、1行にひとつの意図。喜びから恐怖まで振れる行は、両方の平均として読まれます。割ってください。2つめ、句読点は演出です。句点は本当の間を作り、三点リーダーはもっと長い間を、疑問符は語尾を持ち上げます。3つめ、感嘆や相づちは文字として書く。単独行の「うわ。」は1回の芝居になりますが、「（うめく）」は何にもなりません。読み上げられるのはテキストであって、ト書きではないからです。

4つめはあまり言われません。カートゥーンの台本は名前と造語と擬音であふれていて、そこがまさに読み上げエンジンの外すところです。日本語ではさらに厄介で、同じ表記でも読みが割れます。「風車」は「ふうしゃ」か「かざぐるま」か、「一角」は「いっかく」か「ひとかど」か。造語から先に確認してください。読みを指定する設定はないので、外したものはかなに開くか区切りを入れて、その表記をどこでも使います。

シーンから完成したカートゥーンまで

1人で作っている人の多くは、絵より先に音を固めます。決まった音に合わせて絵を動かすほうが、逆より圧倒的に楽だからです。この道具はその進め方に合っています。芝居を仕上げて、ミックスか（Proなら）キャラクター別トラックを書き出して、もう変わらない音に口を合わせる。

順番が逆で、すでに絵があるなら、字幕の書き出し（PlusとPro）で行をタイムラインに置いてから、隙間に合わせて行ごとの話速を詰めてください。面倒ではありますが、人にもう一度録り直してもらうより速いのは確かです。

これができないこと

特定の商用作品の演じ手をまねることはしませんし、そのクローンも作りません。これは方針であると同時に実務上の線でもあります。有名なキャラクターに似た声はいちばん速く削除依頼につながりますし、制作会社は実際に見ています。日本のアニメ関連の権利者は、この点に関して特に動きが速い部類です。

それから、書いていないコメディの間を発明することもしません。レンダラーは渡された行を、指定された速さで演じます。オチが紙の上で立っていなければ、声に出したときにそれがはっきり分かるだけです。これはこの種の道具がやってくれることの中で、たぶんいちばん役に立ちます。