Bram
酒場の主人、なりゆきでクエストを配る人
声のカテゴリー
ゲームキャラクターのボイス生成
ゲームにあるのはシーンというより表です。40人ぶんの200行が並んでいて、来月そこに50行足したときも同じ声で鳴らなければいけません。CastDubはその形の大半に合っています。プロジェクトごとに1度キャスティングして、その配役を保ち、まとめて生成する。合わない部分についても、このページでは隠さず書きます。
ゲームのセリフは芝居の問題ではなくパイプラインの問題です
小さなスタジオに、ボイス収録の何が高いのかと聞いてみてください。最初に出てくるのはスタジオ代ではありません。修正です。9週目にセリフが変わり、声優のスケジュールが取れず、新しいテイクは前のテイクと部屋鳴りが合わず、結果1行のはずが3行の録り直しになる。合成音声がインディーのチームに魅力的なのは、この往復が数秒に潰れるからです。
ただしそれは、ツールがパイプラインを尊重している場合に限ります。export-1.mp3 という名前で40ファイル届く音声は、作業を消したのではなく移しただけです。CastDubは1行ごとのファイルをそもそも書き出しません。書き出せるのはミックス、Proのキャラクター別トラック、PlusからのSRTです。だから、いまのプロジェクト構成に合わせる工程は、ミックスをSRTのタイムコードで切ることになります。1度書けば済む短いスクリプトです。
長い開発期間のあいだ、声を揃え続ける
ゲームにおける合成音声の失敗の仕方は、品質ではなく漂流です。少し平板な読みはプレイヤーが許します。第2章で鍛冶屋が別人になっていることは即座に気づかれます。人の聴覚はまさにそこに合わせて調整されているからです。
1つのプロジェクトの中では、漂流は構造的に起こりにくくなっています。キャラクターはライブラリのキャラクターと既定の感情を保ち、その言語の声を使い切るまで2人が同じ声になることはありません。ただしキャラクターはプロジェクトをまたいで引き継がれないので、長い開発ではキャスト表を残してください。ライブラリのキャラクター、人物像、そのキャラクターの語彙の表記です。6か月目に新しいライターが入ったら、その人は声を選ぶのではなく表から組み、書き出す前に最初のセリフを聴くので、音に関することは誰の記憶にも依存しません。
本当にお金を使うべきところ
合成音声が苦手なことについては正直でいてください。そこが予算を置く場所だからです。弱いのは身体的な負荷、つまり痛み、力み、笑い、泣きです。それと、演じ手の判断が場面を支える長い感情的な独白。強いのはゲーム台本の巨大な中間層です。店主、チュートリアル、クエストのテキスト、環境の会話、システムの掛け声。
いくつかの小規模チームが取っている現実的な分け方があります。全部生成して、脇役には生成音声を出荷し、物語が本当に依存している2〜3役だけ声優に頼む。生成版はそのまま仮の尺としても働くので、声優が入る前にタイミングが決まっています。
法律面の基本ルール
2つのルールでプロジェクトは面倒を避けられます。書面の許可がない声はクローンしないこと。ほかのゲームの演じ手も含みます。そして、生成した声を宣伝で特定の俳優の声だと説明しないこと。これは音声の作り方とは独立した、パブリシティ権の問題です。
声優と実際に組んでいて、修正用の道具としてクローンを使いたいなら、契約に明記して、範囲を書いて、プロジェクト終了時にモデルがどうなるかを書いてください。ボイスクローンはまだ公開していません。私たちのクローンポリシーのページには、モデルを作る前に求めることになる同意の手順が書いてあります。
必要な声は、すべてここに
数ステップで台本から音声まで
- いま持っている形のまま持ち込む
多くのチームはセリフを表計算かYarn／Inkのファイルで管理しています。「名前：セリフ」の列を貼れば、CastDubはそれを地の文ではなくキャスト表として扱います。
- キャストをプロジェクトの中で固定する
NPCごとに、ライブラリのキャラクター、人物像、既定の感情をプロジェクトの中で1度決めます。だからチュートリアルの衛兵と第3章の衛兵は同じ衛兵です。キャラクターはほかのプロジェクトには持ち越されないので、そのためにキャスト表を残しておきます。
- まとめて書き出す
1人ぶんの行を一度に生成して、かたまりで確認します。一貫性の問題は40行続けて聴いたときに出てきて、1行ずつ見ているあいだは絶対に出てきません。
- SRTからファイルを切り出す
1行ごとのファイル書き出しはありません。ミックスとSRT（Plusから）を書き出すと、字幕の1項目が1行で開始と終了の時刻が入っているので、短いスクリプトでMP3を切り分け、手元の行IDからUnity・Unreal・Godot用のファイル名をつけられます。
- 変わったところだけ作り直す
企画が8行書き直したら、その8行だけ再生成します。ほかの音声は既存のまま残るので、ビルドが無駄に膨らみません。
よくあるご質問
商用ゲームに入れて売れますか。
有料プランなら売れます。商用ライセンスはゲームに同梱して出荷するところまで含みます。ダウンロードした時点でどのプランだったかは控えておいてください。無料プランの音声は出荷しないこと。ライセンスは個人・非商用の利用に限られます。
日本語のNPCを大量に並べると声が足りませんか。
足ります、ただし前提を書いておきます。日本語で1つのプロジェクトに届く声は最大14種類で、そのうちja-JPのネイティブは2つ、残り12は日本語を話す多言語対応の声です。どの声に当たるかはキャラクターの性別と年齢帯で決まり、40人のキャラクターのうち36人は最初の候補から多言語の声なので、主役だからネイティブの声になるわけではなく、具体的な声を指定することもできません。15人目以降は同じ声を2人で共有することになるので、共有させる相手は同じ場面に出ない役を選んでください。人間の収録でも兼ね役は同じ考え方です。
セッションをまたいでNPCがぶれないようにするには。
できるだけNPCを同じプロジェクトに置き、分けるしかないときはキャスト表（NPCごとのライブラリのキャラクターと人物像）を使って、耳で選び直さないでください。ぶれはほぼ例外なく、数週間後に誰かが似て非なる声を選んだことから起きます。モデル側が変わるからではありません。新しいプロジェクトでは、書き出す前に各NPCの最初のセリフを聴いて確かめます。
掛け声や戦闘のうめき声はどうですか。
短い戦闘ボイスは合成音声のいちばん弱いところです。うめき、悲鳴、力む声は言葉ではなく身体の出来事だからです。仮素材としてなら生成してください。ただし出荷前に、収録した音か効果音ライブラリに差し替える予算を見ておくべきです。
リップシンク用のタイムスタンプは取れますか。
字幕の書き出し（PlusとPro）で行単位のタイミングが取れます。簡単な口パクと字幕表示にはこれで足ります。本格的なリップシンク用の音素レベルのデータは、今回のリリースには入っていません。
造語の固有名詞や漢字の読みはどうなりますか。
推測しますし、珍しいものは外します。日本語のゲームだと、地名と人名と魔法名の読みがまず割れます。「白銀」は「しろがね」か「はくぎん」か、外側からは決まりません。読みを指定する設定はないので、正しく読まれる表記（かなに開く、区切りを入れる）を決めて、台本のすべての行でその表記を使ってください。固有名詞のある世界を書いているなら、初日にやる価値のある作業です。
この声で、みんなが作っているもの
今夜、最初の1シーンをキャスティング
台本を貼り付ければ、CastDubが登場人物一人ひとりに声を割り当てます。あとは完成したボイスドラマを書き出すだけです。
無料で作ってみるクレジットカードは不要です。無料枠は一度きりの持ち分です。