AI で会話を音声化：複数の声で掛け合いを作る

対照的な声を選ぶ

選ぶ前に、同じセリフで全部の声を聞き比べましょう。並べると違いが分かりやすくなります。

• 低い声と高い声、落ち着いた声と元気な声を組み合わせると、誰が話しているか常に分かります。
• 標準ボイス10種（M1〜M5、F1〜F5）は無料で、男性5種と女性5種を組み合わせられます。
• カタログのキャラクター音声は寸劇やファンのシーンに向いています。
• シリーズを通して、話者ごとに同じ声を使い続けましょう。

各セリフを無料でオンライン音声化

1人目の声のページで30〜100文字のセリフを入力し、言語を選んで生成ボタンを押します。返事は2人目の声で同じようにします。アカウントなしで録音をダウンロードし、CapCut や Audacity などの編集ソフトで順番に並べます。

声のための台本を書く

セリフの間の短い間は自然に聞こえます。同時に話すことはできないので、割り込みはダッシュで終わる途切れたセリフとして書きましょう。

• 各行の最初に、A: や B: のように話者のラベルとコロンを付けます。
• 返事は短めに。本当の会話は行ったり来たりします。
• 句点や疑問符を使いましょう。声は句読点に沿って読みます。
• 名前、数字、略語は読ませたい形で書きます。

台本全体を1つのファイルに

台本を dialogue.txt に「A: 今の聞こえた？」「B: 聞こえた。」のような行で書きます。次に無料エンジンを python -m pip install superclonica-cpu で入れて python -c "import numpy as np; from superclonica import Superclonica; tts = Superclonica(); V = {'A': 'F2', 'B': 'M3'}; gap = np.zeros(int(0.4 * tts.sample_rate), dtype=np.float32); tts.save('dialogue.mp3', np.concatenate([np.concatenate([tts.synthesize(t.strip(), V[s.strip()], 'ja')[0], gap]) for s, t in (l.split(':', 1) for l in open('dialogue.txt', encoding='utf-8') if ':' in l)]))" を実行します。各行がラベルに割り当てた声で読まれ、返事の間に0.4秒の無音が入り、1つの dialogue.mp3 になります。話者を増やしたり、F2 を購入した声のファイルのパスに替えたりもできます。

実在の人物と適切な利用

本物の録音と誤解されるような、実在の人物の偽の会話は決して作らないでください。キャラクター音声はファンメイドで権利者の公認ではなく、パロディ音声にはパロディと表示されています。収益化する動画には、OpenRAIL-M ライセンスの標準ボイスか、同意を得て学習した声を使いましょう。