まず実際の日本語音声を聞く
日本語の聞きやすさは、モデル名だけでは決められません。声の選択、文の長さ、数字や固有名詞の表記を分けて試すと、直す箇所が分かります。以下の3音声は同じ90文字の説明用台本です。
ElevenLabs / Yui
Eleven v4。説明用の90文字。
Microsoft / Nanami
同じ90文字の説明用台本。
Microsoft / Keita
同じ90文字の説明用台本。
Yui以外のElevenLabsボイスを比較した結果ではありません。音量や再生環境もそろえて聞いてください。
説明調から会話調に変えた試作
A：会話調
Stability 0.35。問いかけと抑揚を指定。
B：勢いをつけた語り
Stability 0.25。冒頭と最後の感情を変えた試作。
両方ともYui / Eleven v4です。前回の説明調から台本と設定を同時に変えたため、Stabilityだけの効果は切り分けていません。値を下げれば必ず自然になる、という結果ではありません。
Stabilityだけを変える、18文字の比較手順
声の自然さを調整するときは、一度に変更する項目を一つに絞ります。台本、声、モデル、感情タグまで同時に変えると、何が効いたのか判断しにくくなるためです。
2026年10月11日、次の18文字をYui / Eleven v4で生成しました。感情タグは付けず、Similarityを75%で固定し、Stabilityを50%と35%に変えています。
AI動画の声、なんか棒読みじゃない？
| 比較条件 | A | B |
|---|---|---|
| Stability | 50% | 35% |
| 声・モデル | Yui / Eleven v4 | |
| 台本・感情タグ | 同じ18文字・タグなし | |
| Similarity | 75% | |
| 保存した音声の長さ | 約3.4秒 | 約3.3秒 |
| ファイル検査 | MP3 / 44.1kHz / モノラル。2本とも全体のデコードに成功 | |
この結果は、2条件で音声を生成・保存できたことを示します。35%のほうが自然、短いほうが良い、という評価ではありません。同じ設定でも生成ごとに変わるため、最終的には同じ再生環境で数パターンを聞いて選びます。
聞き比べるときは、この3点を確認
- 問いかけ：「じゃない？」が質問として伝わるか。
- 区切り：「AI動画の声」のあとに不自然な詰まりや長い間がないか。
- 読み：「AI」「棒読み」を意図した通りに読んでいるか。
最初は短い一文で選び、そのあと実際に使う15〜30秒の台本で確認すると、長文を何度も作り直す負担を抑えられます。Shortsの視聴維持率や第三者による自然さの点数は、この比較では測っていません。
今回の2本はFreeで作成した内部試聴用で、このページには追加掲載していません。商用利用を予定する場合は、生成前にライセンスを確認してください。公式の公開・商用利用条件ではFreeに商用ライセンスが含まれないと案内されています（2026年10月11日確認）。
用途別に、何を聞き分けるか
| 用途 | 確認する点 |
|---|---|
| Shorts | 冒頭で話題が分かるか。疑問形の抑揚と一文の短さ。 |
| 商品説明 | 商品名・数字が正しく読まれるか。説明を急ぎすぎないか。 |
| 朗読 | 文末が単調にならないか。場面の切れ目で間が入るか。 |
下の3台本は新しく用意した比較素材です。3用途の全音声を生成・実測した結果ではありません。同じ声で読む比較と、同じ台本で声を変える比較を分けて使えます。
読み方を直すときの順番
10秒程度で問題を再現する
長文全部を再生成する前に、読みにくい一文を切り出します。
表記だけを変えて比べる
固有名詞をかなにする、数字を読みたい言葉にする、句点を足す、といった修正を一つずつ試します。
声とモデルを記録する
設定と消費量を保存すると、次の台本で同じ条件を再利用できます。
Shortsの視聴維持率はまだ測っていません。自然に聞こえる音声を選ぶことと、話題が伝わる動画を作ることは、それぞれ確認が必要です。
公式情報と確認元
公式情報の確認日：2026年10月8日。画面・プラン・利用条件は変わることがあります。この確認用サイトにはアフィリエイトリンクを設定していません。