AIの声の変更は、「演技はいいのに声だけが合わない」そんな場面のための機能です。すでに録音（仮ナレーション、キャラクターの読み上げ、スポークスパーソン用トラックなど）があり、1行も録り直さずに別の声のアイデンティティへ切り替えたいときに役立ちます。VisionStoryなら、演技（話し方）を指定した音声へ変換し、そのまま同じ処理でトーキングアバターを動かせます。
このチュートリアルでは、10秒の英語の商品ナレーションを取り込み、Anika – Sweet and Livelyに変換し、16:9・1080pのスポークスパーソン動画として書き出します。始める前に、録音データ・動画・キャラクター画像・使用予定の変換先音声について、利用権限があることを確認してください。
Step 1: アバターを選び、Importに切り替える
AI動画のワークスペースを開き、完成イメージに合うデジタルプレゼンターを選びます（キャラクターライブラリから選択、または権利のある写真をアップロード）。次に右側のImportタブへ切り替え、録音データまたは動画の音声トラックを取り込みます。
VisionStoryが現在取り込める形式は AVI、MP3、MP4、M4A、WAV、MOV です。ナレーション音声だけを置き換えるのが目的なら、クリーンな音声ファイルのほうが適しています。既存の動画内に音声が含まれている場合は、対応形式の動画をそのままインポートしてください。
Step 2: 録音を取り込み、使用する区間を確認する
アップロードエリアをクリックして、元の録音または動画をインポートします。パネルには波形、全体の長さ、選択範囲が表示されます。ここでは10秒ナレーションの00:00–00:10全区間を選んでいます。
元音声を一度再生し、冒頭と末尾が途切れていないか確認します。明らかな室内ノイズがある場合はノイズを除去を有効にします。ただし、無音にしようとしすぎないでください。過度なノイズ除去は、息づかい・弱い子音・感情の細部まで削ってしまい、変換後の声の人間らしさが失われます。
Step 3: Voice Libraryから変換先の音声を選ぶ
Change VoiceをクリックしてVoice Libraryを開きます。Language、Gender、Age、Use Caseで絞り込み、各音声カードの再生ボタンでプレビューできます。
例では、平坦な商品ナレーションを、より明るくSNS向けの女性音声にするためにAnikaを選びます。広告、研修、キャラクターストーリー、解説動画では、求められる「明瞭さ」「エネルギー」「年齢感」の比重がそれぞれ異なります。サンプルが心地よいかだけでなく、コンテンツの目的に合わせて選びましょう。詳しい選び方はhow to choose an AI voiceで解説しています。
Step 4: 変換先の音声と出力設定を確認する
作成ページに戻ると、Change Voiceの欄に選択した変換先音声が表示されます。続けて、アバター、アスペクト比、動画モデル、解像度を設定します。例では16:9、V-Character 4.0、1080pに切り替えます。横長の商品解説やYouTubeに最適です。
声の変更は「声のアイデンティティ」を入れ替える機能であり、最適な出演者や画角まで自動で選んでくれるわけではありません。生成前に、変換先音声がアバターの見た目の年齢感・ジェンダー表現・コンテンツのトーンと合っているか確認しましょう。違和感があれば、Voice Libraryまたはキャラクターライブラリに戻って調整してください。
Step 5: 生成して、声を変更した動画を確認する
Generate Talking Videoをクリックします。VisionStoryが元の演技（話し方）を変換先音声に変換し、それに合わせてアバターのリップシンクと表情を駆動します。レンダリングが完了したら、全編を通して再生してください。
固有名詞、弱い音、間（ポーズ）、文末の感情をチェックし、早口の箇所では口の動きも確認します。声がキャラクターや内容と合わない場合は、戻って変換先音声を変更してください。問題がノイズやトリミング不良なら、元音声を修正しましょう。音声変換は、壊れた素材を救うことはできません。
よくある問題と対処法
- 変換後の声がこもって聞こえる／ノイジー。元素材に環境音、クリッピング、音量不足がないか確認し、ノイズを除去を有効にするか、よりクリアに録り直してください。変換では、ひどく歪んだ素材は修復できません。
- 声は自然だが、アバターに合っていない。キャラクターの年齢感・ジェンダー表現・エネルギーに近い音声を選び直すか、アバターを変更してください。音声とキャラクターはセットで評価します。
- 感情が元の録音と違って聞こえる。変換はテンポや感情の手がかりを維持しますが、音色や表現幅は音声ごとに異なります。複数候補を比較し、必要ならより明確な演技で録り直してください。
- 早口のセリフでリップシンクがズレる。元素材に早口すぎる、滑舌が悪い、言葉がつながっている箇所がないか確認しましょう。音声を次々試すより、短い文にする／よりクリアに録るほうが効果的です。
使える「声を変更した動画」は、単に声Aを声Bに差し替えるだけでは完成しません。必要なのはクリーンな元の演技、適切な変換先音声、合うアバター、そして完成動画の徹底レビューです。まず演技を固め、次に音声を選び、最後にリップシンクとキャラクターを監査する――この順番が、録り直しを最小化します。自分の声を再利用できる形で作りたい場合は、cloning your voice with AIもご覧ください。
