ナレーターボイスジェネレーター

ナレーションは持久力の問題です

短いサンプルで声を魅力的に見せるものはすべて——個性、特徴、珍しい音色——1時間の中では負債になります。聴き手は数分で声に慣れ、そのあとに気づくのは、その声の不規則なところだけです。変わった母音、特徴的なサ行、文末で習慣的に上がる癖。最初はどれも見えず、3章目には耐えがたくなっています。

プロのオーディオブックのナレーションが比較的地味に聞こえるのはそのためです。野心の欠如ではありません。同じ声が8時間、気づかれないままでいなければならない形式に対する、正しい工学的な答えです。

ちゃんとした試し聴きのやり方

いちばん役に立つ習慣は、サンプル文ではなく実際の原稿で試すことです。いちばん気に入っていない段落——造語の地名が並ぶところ、技術的な説明、切れなかった長文——を取って、全候補をまさにその段落で走らせてください。あなたの最悪の段落を生き延びた声は、ほかのどこでも問題ありません。

それから長さを確かめます。3分が最低限の有用なテストで、5分ならもっといい。聴き手と同じように、何かをしながら聴いてください。内容ではなく声のほうに注意が引っかかり続けるなら、それが答えです。

ナレーターとキャストを一緒に

フルキャストの作品では、ナレーターに構造上の明確な仕事があります。枠を保ち、劇化できないものを描写し、登場人物に受け渡す。聴き手が地の文とセリフを瞬時に区別できなければ、この仕事は失敗します。

確実な解決は、帯と処理で分けることです。どの登場人物も占めていない音高の範囲にナレーターを置き、PlusかProなら話速をわずかに遅くし、ミックスするならわずかに違う空間を与える。シーンよりやや乾いた、あるいは近い場所です。聴き手は2往復のうちにこれを拾い、そのあとは二度と意識しません。それこそ狙いどおりです。

日本語には、もうひとつ使える分離の軸があります。文体です。地の文を常体（「だった」「である」）で書き、セリフを敬体にする。あるいはその逆にする。日本語の読み手にとっては馴染みのある書き分けで、音声にしたときも、声の帯とは独立した第2の手がかりとして働きます。

読みを確認する工程

造語のある作品には必ず、名前と地名と造語をすべて洗い出して、どう読まれるかを確認する工程が要ります。先にやれば20分です。9章書き出したあとにやれば、その9章ぶんかかります。

日本語ではこの工程が英語より重くなります。漢字は読みが一意ではないからです。人名の「琴音」「彩」「湊」、地名の「日暮」、造語の「天穹」。どれも複数の読みがあり得ますし、合成エンジンは統計的にありそうなほうを選びます。読みを指定する設定はないので、外したものは台本の側でかなに開き、うまくいった表記を一覧にしてください。長い作品では、12章目を1章目と揃えているのはその一覧です。あとで人のナレーターに頼むことになったときも、最初に求められるのがその資料です。

ナレーションの速度と、聴き手の時計

出版されているオーディオブックは、英語でおよそ1分あたり150語、日本語でおよそ300字から350字で進みます。ほとんどの人の第一印象は「遅すぎる」です。遅すぎません。黙読の速度はその2倍から3倍あるので、自分の読む速度に合わせたナレーションは、自分には軽快に感じられ、運転や料理や歩行をしながら聴いている人には追えません。

遅いままにしておく理由はもうひとつあります。聴き手は自分で速度を上げるからです。オーディオブックとポッドキャストの相当な割合が1.25倍以上で聴かれていて、速く録った素材はその設定で使い物にならなくなります。自然に感じるより少し遅く作ることが、聴き手に選ぶ余地を渡すことになります。

例外は、地の文の中のセリフです。登場人物の行は周りの地の文より速くていいですし、速くあるべきです。その対比自体が、描写から発話に移ったことを聴き手に伝える仕組みの一部だからです。