eラーニングのナレーションを音声合成で作る実践ガイド

テキスト読み上げは、いまやほとんどのeラーニングのナレーションを任せられる品質になりました。コンプライアンス研修、ソフトウェアの操作説明、新人研修、製品トレーニングなどです。いちばんの強みは最初の収録ではなく、そのあとの更新です。ナレーターを手配したり、モジュール全体を録り直したりしなくても、1文だけ直せるからです。講師の個性や語り、顔の見える進行役が講座の核になっているなら、人間のナレーターに依頼する価値は今も変わりません。

ここでは実践的な流れを紹介します。AIナレーションを使うかどうかの判断、声に出して通じる台本の書き方、タイミングと読み方の整え方、講座を最新に保つ方法、そして翻訳です。

声優ではなくテキスト読み上げを使うのは、どんなときですか？

簡単な目安として、次の表を使ってください。

よくある折衷案は、歓迎動画と講座の感情に訴える場面は人間が収録し、四半期ごとに変わる手順のモジュールはテキスト読み上げに任せる方法です。

声に出して自然に聞こえる、eラーニングの台本はどう書きますか？

「機械的」なナレーションの原因は、たいてい声ではなく台本です。スライドで読むための文章は詰まっていますが、耳で聴くための文章はそうではありません。

耳のために書くルール

• 1文に、考えは1つ。 1文は15〜20語を目安にします。読点でつないだ節が2つ以上ある文は分けましょう。
• 操作を先に言います。「変更を残すには、「保存」をクリックします」のほうが、「保存をクリックしない限り失われてしまう変更は、クリックすることで残せます」よりずっと伝わります。
• 数字は、人が話すとおりに言います。 正確な数字が重要でない限り、「1,987」より「およそ2,000」のほうが聞き取りやすくなります。
• 道しるべを置きます。「手順は3つあります。まず……」のように言えば、画面を見返せない聞き手の助けになります。
• スライドを読み上げません。 画面の文字を一言一句ナレーションで繰り返すと、学習者の注意が読むことと聴くことに分散します。マルチメディア学習の研究では、これを冗長性効果と呼びます。キーワードは画面に、説明は音声に任せましょう。

改善前と改善後

スライド向けの文章：

「規程4.2に基づき、基準額を超える経費の申請には、明細つきの領収書を添付するものとし、添付がない場合は払い戻しが遅れることがあります。」

耳のために書いた文章：

「経費が50ドルを超えるときは、明細つきの領収書を添付してください。ないと、期日どおりにお支払いできないことがあります。」

まだ台本がない場合は、LeeloのAI台本ライターが、あなたのアウトラインから下書きを作れます。そこから自由に編集してください。

ナレーションは、どれくらいの長さになりますか？

プロのナレーションはおよそ1分あたり150語で、研修コンテンツでは画面を追えるように、これより少しゆっくりになることがよくあります。計画にはこの数字を使ってください。

• 5分のマイクロレッスンは、約750語。
• 20分のモジュールは、約3,000語。
• 平均8分のモジュール10本の講座は、約12,000語。

制作の前に再生時間を確かめるには、無料の台本の長さ計算ツールに台本を貼り付けます。モジュールが長すぎるときは、速度ではなく語数を削ってください。枠に収めるために声を速くすると、聞き取りにくくなります。

ナレーションは、どんな手順で作りますか？

LeeloのStudio（テキスト読み上げ）での手順です。1行ずつ作業できます。

1. 台本を取り込みます。 貼り付けるか文書を取り込み、1行ずつ見ていきます。どの行も、単独で編集して作り直せます。
2. 声を決めます。 音声ライブラリからナレーターを1人選び、講座のすべてのモジュールで使います。「完璧な」声より、一貫していることのほうが大切です。
3. 読み方は一度だけ直します。 製品名、略語、専門用語を読み方リストに登録すると、「SaaS」「SQL」や社名が、どのモジュールでも同じ読み方になります。
4. 話し方を演出します。 重要な定義の行はゆっくりに、質問の前には間を入れ、導入は明るく。
5. 難しい行は、テイクを複数残します。 いくつか生成して、いちばんいいものを選びます。ほかのテイクは、気が変わったときのために残っています。テイクをご覧ください。
6. 役立つ場面では、2人目の声を加えます。 シナリオ型の研修（「お客様がクレームの電話をかけてきて……」）は、同じプロジェクトで2人の話者による会話にしたほうがうまくいきます。
7. 書き出します。 モジュールごと、またはスライドごとにMP3かWAVをダウンロードして、オーサリングツールに取り込みます。

ほとんどの講座で必要になる読み方の登録

• 略語を1文字ずつ読むか、1語として読むか：「FAQ」（F-A-Qか、"fak"か）、「GDPR」（1文字ずつ）、「NASA」（1語として）。
• 製品名：「Qlik」や「Xero」のような綴りのブランドは、ルールがないと読み間違えることがあります。
• 同形異音語： 金属の「lead」とチームを「lead」する意味、名詞の「record」と動詞の「record」。文を書き換えるか、その行に読み方を設定します。
• 単位と記号：「5 ms」「24/7」「°C」。それぞれをどう読むかを決めておきます。

講座全体で、音量をそろえるには？

あるモジュールが次のモジュールより小さく、そのたびに音量を調整しなければならないと、学習者はすぐに気づきます。講座の目標ラウドネスを決めて、それを守りましょう。オンラインで再生する音声では、-16 LUFS前後を目標にするチームが多くあります。公開の前に、書き出したファイルをいくつか、Leeloの無料ラウドネスチェッカーなどのラウドネスメーターで確認してください。

BGMを入れるなら、声よりずっと小さくし、内容が詰まった説明のあいだは完全に切ります。Leeloの音楽と効果音のトラックはナレーションの下に並ぶので、ミックスはセクションごとに設定できます。

録り直さずに、講座を更新するには？

テキスト読み上げがいちばん時間を節約できるのは、ここです。たとえば画面が変わって、「送信」というボタンの名前が「承認を依頼」になったとします。

1. プロジェクトを開いて、「送信」に触れている行を探します。
2. その行を編集します（3行あるとしましょう）。
3. その行だけを作り直します。モジュールのほかの部分には触れないので、声も間も音量も、そのまま合っています。
4. 書き出して、オーサリングツールの音声を差し替えます。

人間のナレーターなら、同じ変更でも、収録の日程を押さえ、最初のマイクの環境を再現し、数か月後でも同じ声に聞こえることを祈るしかありません。

eラーニングを、ほかの言語にするには？

方法は2つあります。

台本を、新しい声で読み直す

台本を翻訳し、スペイン語、フランス語、ドイツ語など、言語ごとにネイティブの声で制作します。いちばん細かく調整でき、スライド中心の講座に向いています。タイミングには余裕を持たせてください。翻訳した文章は英語より長くなりがちなので、英語の音声に合わせて作ったスライドには、数秒の余裕が必要になることがあります。

動画を吹き替える

モジュールが画面録画や講師の出る動画なら、吹き替えが動画全体を翻訳して、声を入れ替えます。まずは無料の動画翻訳ツールで、短いクリップを試してみてください。

講座のAIナレーションには、いくらかかりますか？

Leeloはクレジット制です。標準の声は1語につき1クレジット、プレミアムの声は1語につき1.5クレジットです。失敗した処理のクレジットは返還されます。上の10モジュールの講座（約12,000語）で計算してみましょう。

• 標準の声：約12,000クレジット。
• プレミアムの声：約18,000クレジット。
• 作り直した行や別のテイクを加えて、さらに20〜30%ほど見ておきましょう。

Starterプラン（月額19ドル、80,000クレジット）に十分収まります。完成した動画の吹き替えも、同じクレジットで、動画1分ごとに消費されます。毎月のクレジットは繰り越されないので、大きな制作は1つの請求月のなかで計画するか、12か月有効な追加パックを購入してください。クレジットの数え方を含む詳細は料金のページにあります。音声の商用利用は、販売する講座も含めて、有料プランで認められています。

ナレーションで、講座のアクセシビリティは高まりますか？

音声は、詰まった文章を読むのが苦手な学習者の助けになります。ディスレクシアのある多くの人もそうです（ディスレクシアのためのテキスト読み上げで取り上げています）。ただし、音声だけでは、聴覚障害のある学習者や難聴の学習者を取り残してしまいます。WCAGなどのアクセシビリティガイドラインは、動画には字幕を、音声のみのコンテンツにはトランスクリプトを求めています。台本がそのままトランスクリプトになるので、音声と一緒に公開してください。台本のない録音には、Leeloの文字起こしツールでテキストを作れます。

講座を作るチーム向けのアイデアは、eラーニングの活用例のページにもあります。

よくある質問

ナレーターがAI音声だと、学習者は気にしますか？

ほとんどの学習者が気にするのは、誰が録音したかよりも、わかりやすさ、テンポ、音質です。問題になるのは、たいてい、紙面向けに書かれた台本、読み間違えられた用語、そろっていない音量です。どれも直せます。聞かれたら正直に答えましょう。ナレーションが合成音声であることを隠す必要はありません。

eラーニングのナレーションに、いちばん合う話す速さは？

1分あたり150語前後が出発点です。専門的な定義や、第二言語で学ぶ学習者には、少しゆっくりにします。モジュール全体ではなく、行ごとに速さを調整すれば、重要なポイントにより多くの時間を割けます。

販売する講座に、AIナレーションを使えますか？

Leeloの有料プランでは、音声の商用利用が認められています。有料の講座やクライアントワークも含まれます。無料プランに一度だけ付与される1,000クレジットは、Studioを試すためのものです。販売するプラットフォームの規約も確認してください。

オーサリングツール向けには、どの音声形式で書き出せばいいですか？

ほとんどのeラーニングのオーサリングツールは、MP3とWAVの両方を受け付けます。このあと音声をさらに編集するならWAV、そのまま取り込むときはファイルが小さいMP3を使いましょう。スライドごと、またはセクションごとに1ファイルで書き出すと、あとから更新しやすくなります。

数か月あけて作った複数の講座でも、同じ声を保つには？

すべてのモジュールで、同じ声、同じ話し方の設定、同じ読み方リストを使います。声は合成なので、人間の収録環境のように、時間がたって変わってしまうことがありません。ほかの誰も使わない声がほしいなら、声をデザインするか、同意を得た講師の声をクローンしてください。