中国語の音声合成：声調と多音字、その直し方

中国語の音声合成が難しいのは、声が漢字を音に変換しなければならず、その変換に落とし穴が多いからです。複数の読みを持つ漢字が多いこと、声調が隣の音によって変わること、そして中国語の文章には単語の間にスペースがないことです。いまの標準中国語の音声は、ふだんの文章ならうまく読みます。間違いが集中するのは、多音字、人名、数字、そして文脈の少ない短い文です。直すには、声にもっと文脈を与えるか、言い換えるか、問題の語の発音を一度設定します。

音声合成は、漢字の発音をどうやって知るのですか？

英語の音声は、不規則ではあっても綴りを頼りにできます。中国語の音声はそれができません。漢字は、その音を綴っていないからです。単語を発音する前に、システムはいくつかのことをこなす必要があります。別々の段階として行う場合も、1つのニューラルモデルの中で行う場合もあります。

1. 文を単語に区切る。 中国語にはスペースがないので、声が各単語の始まりと終わりを判断します。
2. 各漢字の読みを選ぶ。 漢字に複数の読みがあるときは、単語と文によって決まります。
3. 声調の変化を適用する。 声調には、次に来る音節によって変わるものがあります。
4. フレージングを計画する。 どこで間を置くか、どの語を強調するか、文の中でピッチがどう動くかです。

手順1が重要な理由の典型例が、南京市长江大桥です。ひとつの区切り方では Nánjīng shì / Chángjiāng dàqiáo、つまり「南京長江大橋」です。別の区切り方では Nánjīng shìzhǎng / Jiāng Dàqiáo、つまり「南京市長の江大橋さん」になります。漢字の「长」は、最初の読みでは cháng、2つ目では zhǎng です。区切りを1か所間違えるだけで、意味も発音も変わってしまいます。

標準中国語の音声合成で、声調がそれほど重要なのはなぜですか？

標準中国語には4つの声調と、軽く発音する軽声があり、声調は単語の一部です。教科書の定番の例です。

声調を間違えた声は、外国人っぽく聞こえるだけではありません。別の単語を言ってしまうことがあります。実際には、いまの音声が、よく使う漢字の基本の声調を間違えることはめったにありません。問題は、文脈で声調が変わる規則のほうにあります。

声が適用すべき声調変化の規則

• 第3声が2つ続く場合： 最初の音が、上昇する第2声に変わります。你好は nǐ hǎo と表記されますが、実際には ní hǎo と発音されます。
• 一（1）： 数えるとき、または序数のとき（第一、dì yī）は yī、第4声の前（一个、yí gè）では yí、それ以外の声調の前（一天、yì tiān）では yì と発音します。
• 不（〜ない）： ふつうは bù ですが、第4声の前では bú になります（不是、bú shì、不要、bú yào）。

ピンインは、たいてい変化後ではなく元の声調を示します。そのため、正しい発話で学習した声は、紙面から読み取るのではなく、これらの規則を身につけている必要があります。

軽声と儿化

後ろの音節を軽く読むと、意味が変わる語があります。东西 dōngxi は「物」ですが、dōngxī は「東と西」です。地道 dìdao は「本場の」、dìdào は「トンネル」です。北方の標準中国語では、語によって「r」の音が加わります（儿化、アル化）。哪儿 nǎr（どこ）、一点儿 yìdiǎnr（少し）などです。台湾で話される華語は、儿化も軽声もずっと少ないので、同じテキストが、ある聴き手には自然でも、別の聴き手には少し違和感がある、ということが起こります。

多音字とは何ですか？声はなぜ読み間違えるのですか？

多音字（多音字、duōyīnzì）は、2つ以上の読みを持つ漢字で、読みごとに意味が違うのがふつうです。中国語の音声合成で、最も多い間違いの原因です。

よく使う単語の中なら、読みは決まっていて、声は正しく読みます。間違いが出るのは、漢字が単独で置かれたとき、珍しい単語や人名の中にあるとき、そして、どちらの読みもありそうな文に出てくるときです。

実例

銀行の研修コースの冒頭の一文を例にします。欢迎参加银行业务培训。本课程重点讲解重新开户的流程。（「銀行業務研修へようこそ。このコースでは、口座を再開設する手続きを中心に解説します。」）

注意が必要な漢字は2つあります。行は、银行（銀行）では háng でなければなりません。重は、重点（重点）では zhòng、重新（再び）では chóng と読むので、1つの文の中に2つの違う読みがあります。さらに行长（銀行の頭取）、hángzhǎng を加えてみましょう。2つの漢字がどちらも、あまり一般的でないほうの読みになります。声が xíngcháng と読んだら、聴き手はすぐに気づきます。

読み間違えた漢字を直すには

1. 文脈を与える。 見出しの中の単独の単語はいちばん難しいケースです。文全体にすると、たいてい直ります。
2. 言い換える。 还がいつも間違えて読まれるなら、归还（guīhuán、返す）のような類義語にすれば、曖昧さがなくなります。
3. 発音を一度設定する。 人名や繰り返し出てくる用語は、発音辞書に登録すれば、出てくるたびに同じように読まれます。やり方は発音のヘルプページで説明しています。

標準中国語、広東語、台湾華語。どの中国語が必要ですか？

「中国語」には複数の話し言葉が含まれ、書く文字がアクセントを決めるわけではありません。

• 中国本土の標準中国語（普通話） は、中国本土の標準で、幅広い中国語話者に向けるときの定番です。
• 台湾華語 は繁体字を使い、読みや語彙が一部異なります。垃圾（ごみ）は、本土では lājī、台湾ではしばしば lèsè と読みます。ソフトウェアは、本土では 软件 ruǎnjiàn、台湾では 軟體 ruǎntǐ です。タクシーは、本土では 出租车、台湾では 計程車 です。
• 広東語 は、香港、マカオ、広東省で話されています。主な声調が6つあり（伝統的には9つと数えます）、嘅、冇、佢のような、広東語独自の口語の漢字があります。音声合成では、標準中国語のアクセントの1つではなく、事実上別の言語として扱います。

どんな種類やアクセントがあるかは中国語の音声ページで聴いて確かめ、原稿は、届けたい聴き手の語彙で書いてください。

中国語の音声合成では、数字、日付、英語はどう書けばいいですか？

• 2： 数えるときや日付では 二（èr）（二月、èryuè、2月）ですが、量詞の前では 两（liǎng）です（两个人、liǎng gè rén、2人）。
• 電話番号や部屋番号： 1 は yāo と読むことが多く、110 は yāo yāo líng です。
• 年： 1桁ずつ読むので、2026年は èr líng èr liù nián です。
• 大きな数： 中国語は千単位ではなく万（wàn）単位で区切るので、120,000 は 十二万（shí'èr wàn）です。声は、欧米式に区切られた数字を区切り直す必要があります。
• パーセント： 50% は 百分之五十（bǎi fēn zhī wǔshí）です。
• 英語の単語： 中国語のビジネス文書には、英語がたくさん混ざります（App、PPT、ブランド名など）。英語で読む声もあれば、中国語に近い発音で読む声もあります。1つずつ聴いて確認してください。

数字を特定の読み方にしたい場合は、漢字で書いてください。

自然な中国語の音声合成にするには？

1. 聴き手に合わせて、種類と声を選びます。
2. 全角の句読点（，。？！、）を使います。 中国語の読点は、声が息つぎする場所です。読点のない60字の文は、慌ただしく聞こえます。
3. 1行ずつ生成して聴きます。 多音字、人名、数字に目を配ってください。Leeloのスタジオでは、1行だけ再生成でき、複数のテイクを残して聴き比べられます。
4. 読みを直します。 言い換えるか、発音辞書を使います。
5. ペースと間を調整します。 話し方が単調に感じられる箇所です。話し方のディレクションをご覧ください。
6. ネイティブスピーカーに確認してもらいます。 とくに語学学習のコンテンツでは、声調を間違えると、間違った単語を教えてしまいます。

これがとくに大切なのは、何時間ものナレーションをすべての行で確認するのが現実的でないeラーニングと、動画を標準中国語に吹き替えるときです。後者では、翻訳した原稿を、声を生成する前に確認してください。

よくある質問

AI音声合成は、標準中国語の声調を正しく発音できますか？

よく使う単語を文として読む場合は、できます。いまの音声は、基本の声調と主な声調変化の規則をうまく扱います。間違いの大半は、声調そのものではなく、多音字、人名、ごく短いテキストから生じます。

中国語の音声合成は、繁体字でも使えますか？

文字とアクセントは別のものです。声は繁体字でも簡体字でも読めますが、アクセント、語彙の選び方、lājī と lèsè のような読みは、その声がもともと作られた種類に従います。文字ではなく、聴き手に合わせて声を選んでください。

広東語の音声合成はありますか？

広東語の声はありますが、広東語は、主な声調が6つあり、独自の口語表記を持つ別の話し言葉です。使える声は声の一覧で確認し、自然な広東語に聞こえるようにしたいなら、原稿を広東語で書いてください。

誤った発音で読まれる漢字は、どう直せばいいですか？

まず、文脈を増やすか、文を言い換えてみてください。人名や製品名のように繰り返し出てくる語なら、発音辞書で発音を設定すれば、出てくるたびに同じように読まれます。

英語の動画を標準中国語に吹き替えられますか？

はい。動画の吹き替えは、音声を翻訳して中国語の音声を生成するもので、ほかの機能と同じクレジットで利用できます。公開する前に、翻訳した原稿に多音字や人名の問題がないか確認してください。