古典文学をAI音声でオーディオブックにする方法

パブリックドメインの古典は、先にテキストを整えておけば、音声合成で立派なオーディオブックにできます。問題になるのは、声そのものではほとんどありません。古い本でAIのナレーションがつまずくのは、古い綴り、登場人物の名前、ローマ数字、詩の韻律、そしてダッシュだらけの長い文です。どれも、1行目を生成する前に直せます。

このガイドでは、作業全体を順に説明します。本が自由に使えるかの確認、テキストの整理、発音の修正、会話文の扱い、章ごとのファイルの作成、そして費用の見積もりです。

ナレーションにしてよい古典はどれですか？

まずここから始めてください。権利のない本を美しく録音しても、問題になるだけだからです。

パブリックドメインは国によって違います

したがって、『高慢と偏見』（1813年）、『白鯨』（1851年）、『ジェーン・エア』（1847年）は、ほぼどこでも自由に使えます。1930年代に出版され、著者が1960年代に亡くなった本は、アメリカでは自由でも、ヨーロッパでは自由ではないことがあります。

翻訳と版に注意してください

• 翻訳には、それぞれ著作権があります。 ドストエフスキーの作品はパブリックドメインですが、『罪と罰』の最近の翻訳はそうではありません。コンスタンス・ガーネットの訳のような古い翻訳は、パブリックドメインであることが多いです。
• 現代の版には、新しい内容が加わっています。 序文、脚注、編集上の訂正は、小説そのものがパブリックドメインでも、保護されることがあります。
• Project Gutenbergのテキストは、よく使われる入手先です。サイトには、収録する本はアメリカではパブリックドメインであり、ほかの国の読者は自国の法律を確認するよう書かれています。ナレーションにする前に、Gutenbergのヘッダーとライセンス文は削除してください。

これは一般的な情報であり、法的助言ではありません。

古典のテキストを音声合成向けに整えるには？

ナレーションの問題の多くは、テキストの問題です。ここに1時間かければ、行を何時間も生成し直さずに済みます。

元のテキストをきれいにする

• ページ番号、柱（各ページ上部の見出し）、挿絵のキャプション、転記者の注を削除します。
• 元のレイアウトのせいで文の途中で改行されている行をつなげます。
• 斜体を表すアンダースコアやアスタリスクを取り除きます。それぞれの強調を、声で強調するか、無視するかを決めます。
• 脚注は、本文の外に出すか、削除します。文の途中で脚注が読み上げられると、聴き手が混乱します。

声が推測できないものを展開する

そのうえで、整えた本を取り込みます。Leeloのドキュメントの取り込みを使うと、テキストがStudioに行として入り、1行ずつ編集、演出、再生成できます。

名前や古い言葉を正しく読ませるには？

古典には、現代の声がきちんと発音されるのを聞いたことのない言葉がたくさんあります。気づいたものをリストにして発音辞書に登録すれば、出てくるたびにまとめて直せます。

名前

• 『冬物語』のHermione：her-MY-oh-nee。
• 『リア王』のGloucester：GLOSS-ter。glow-chester ではありません。
• Raskolnikov：第2音節にアクセントを置いて、ras-KOHL-nee-kov。
• 「Rodion Romanovich」のようなロシア人の父称は、長い小説では何百回も出てきます。辞書に1件登録すれば、すべてに効きます。

同形異音語

英語には、同じ綴りで発音が違う単語があり、人間でも合成音声でも読み間違えやすいものです。

• 「The wind howled」と「wind the clock」
• 「a tear in her eye」と「tear the letter」
• 「she read it yesterday」と「read it aloud」
• 「lead pipe」と「lead the way」

最初に聴くときは、これらに注意して耳を澄ませてください。ある行で間違えたら、章全体ではなく、その行だけ直します。

詩と韻律

詩には、とくに注意が必要です。シェイクスピアの版では、行の韻律が合うように、最後の音節も発音することを示すため、「belovèd」にグレイヴアクセントを付けて印刷することがよくあります（be-LUV-ed）。古い詩では、「wind」と「kind」で韻を踏ませることもあります。歴史的な発音にするか現代の発音にするかを決めて、最後まで揃えてください。

古典は、ナレーター1人と、キャスト全員のどちらがいいですか？

どちらでもできます。本によって選びます。

ナレーター1人

一人称の小説（『ジェーン・エア』、『白鯨』）、エッセイ、そして語り手の声が本そのものである19世紀の小説の大半に向いています。英語の音声ライブラリから、何時間聴いても疲れないテンポの、温かく安定した声を1つ選びます。

ナレーターと登場人物の声

戯曲、会話の多い本、児童向けの古典に向いています。Leeloでは、すべての行に話者がいるので、同じプロジェクトの中で、描写にはナレーター、登場人物にはそれぞれ別の声を割り当てられます。

ナレーター： "It is a truth universally acknowledged…" Mrs. Bennet： "My dear Mr. Bennet, have you heard that Netherfield Park is let at last?" Mr. Bennet： "I have not."

登場人物の声は、少なめにしてください。主要な登場人物3〜4人に別々の声を当てれば十分です。脇役はナレーターが読めます。

演技をディレクションする

古典の散文には、セミコロンやダッシュを含む長い文があります。ダッシュには間を入れ、大事な箇所ではゆっくり読ませ、重要な行（章の最後の一文、有名な引用など）は、テイクを複数残して、いちばんいいものを選べるようにしておきます。

オーディオブックの長さと費用はどのくらいですか？

オーディオブックのナレーションは、たいてい1分あたり150〜160語ほどです。約120,000語の『高慢と偏見』で計算してみます。

• 再生時間： 120,000 ÷ 150 で約800分、およそ13時間です。
• 標準の声のクレジット： 約120,000クレジット（1語1クレジット）。
• プレミアムの声のクレジット： 約180,000クレジット（1語1.5クレジット）。
• 修正の余裕： 再生成した行や別テイクのために、10〜20%を加えます。

Creatorプラン（月額39ドル、200,000クレジット）なら、プレミアムの声でも小説1冊分を1か月でまかなえます。Starter（19ドル、80,000クレジット）なら、2か月に分けるか、12か月有効な追加パックで補います。失敗した処理のクレジットは返還されます。すべてのプランは料金ページをご覧ください。オーディオブックの販売を含め、音声の商用利用は有料プランで認められています。

プラットフォームの仕様に合わせて書き出すには？

販売店や配信事業者は、技術要件を公開しています。ACXがオーディオブックについて公開している、広く使われている仕様は、ほかで販売する場合でも基準として役に立ちます。

• 1つのファイルは1章または1セクションにし、それぞれ120分未満にします。
• 各ファイルの冒頭にオープニングクレジット（タイトル、著者、ナレーター）、最後にエンディングクレジットを入れます。
• 各ファイルの冒頭に0.5〜1秒、末尾に1〜5秒の、ルームトーン（無音の部屋の音）を入れます。
• ラウドネスは-23〜-18 dB RMS、ピークは-3 dB以下、ノイズフロアは-60 dB未満にします。
• MP3で192 kbps以上、44.1 kHz、固定ビットレートにします。

Leeloから、章ごとに別々のファイルとして書き出して（MP3またはWAV）、無料のラウドネスチェッカーでいくつかのファイルを確認してください。AIがナレーションした本については、開示も含め、プラットフォームごとに独自の規則があり、変わっていきます。アップロードする前に、使う予定のストアの最新の方針を確認してください。

オーディオブックのヘルプガイドでは、プロジェクト全体の流れを順を追って説明しています。オーディオブックの活用例ページには、サンプルもあります。

古典の音声版は、誰の役に立ちますか？

• 学生。 課題図書を読み進める人、とくに、密度の高い19世紀の散文が読みにくい人です。印刷されたテキストを目で追いながら聴くと助けになることがあります。詳しくはディスレクシアのための音声合成で説明しています。
• 弱視の人。 市販の録音がない特定の版や翻訳を、聴きたい人です。
• 教師。 授業のために、1つの章や1編の詩の音声版を、思いどおりの読み方でほしい人です。
• 小さな出版社。 絶版のパブリックドメインの作品を、新しい音声版として再刊する出版社です。
• 通勤中や散歩中の人。 『ミドルマーチ』を座って読むことはなくても、聴くなら続けられる人です。

よくある質問

パブリックドメインの本のオーディオブックを作るのは合法ですか？

はい。使うテキストが、公開する場所で本当にパブリックドメインであれば問題ありません。出版年と著者の没年を確認し、独自の著作権がある現代の翻訳や版を使っていないことを確かめてください。新しく作った録音は、あなた自身の作品です。

古典をAIでナレーションしたオーディオブックを販売できますか？

Leeloでは、有料プランで音声の商用利用が認められています。個々のストアがAIのナレーションを受け付けるか、どのように表示する必要があるかは、そのストアの最新の方針によります。多くの古典にはすでに音声版があるので、丁寧なテキスト、よいキャスティング、わかりやすい掲載情報が大切です。

AI音声が古い言葉や名前を読み間違えないようにするには？

1語ずつ発音辞書に1回登録すれば、プロジェクトのすべての行に反映されます。「wind」や「tear」のような同形異音語は、その行だけを直します。最初に最後まで通して聴けば、たいていの問題は見つかります。

小説1冊を作るのに、どのくらいかかりますか？

生成は速く、時間がかかるのは準備と確認です。テキストの整理と発音リストづくりに数時間、そのあと品質チェックのために等倍で聴く時間を見込んでください。すべての行を確認するなら、120,000語の小説でおよそ13時間です。抜き取りで確認するなら速くなりますが、見落としのリスクは高まります。

古典の小説には、声を1つ使うべきですか、複数使うべきですか？

ほとんどの小説、とくに一人称の小説には、ナレーター1人が合います。戯曲、会話の多い本、児童向けの古典には、ナレーターに数人の登場人物の声を加えるとうまくいきます。別々の声を当てるのは主要な登場人物だけにして、残りはナレーターに任せてください。