VOICEVOXでAI動画のナレーションを自動生成する【無料の音声合成ソフトを実際に使用】

AI日本株自動売買実験では、その日の売買結果をまとめたYouTube Shorts動画を毎日無人で生成しています。この動画に付けているナレーションは、人間が読み上げているのではなく、VOICEVOXという無料の音声合成ソフトで実際に生成したものです。

VOICEVOXとは

VOICEVOXは、テキストを入力すると自然な日本語音声を生成できる、無料の音声合成ソフトです。複数のキャラクターボイスが用意されており、多くのキャラクターで商用利用も認められています(キャラクターごとに利用規約・クレジット表記の条件が異なるため、使う前に必ず公式サイトで確認が必要です)。ローカルでエンジンを起動し、API経由でテキストから音声ファイルを生成できるため、プログラムに組み込んで自動化しやすいのが特徴です。

このブログでの使い方

AI日本株自動売買の動画生成では、その日の売買結果・AIの判断理由をテキストとして組み立てた後、そのテキストをVOICEVOXのAPIに渡して音声ファイル(wav)を生成しています。生成した音声は、その日の動画素材と合成され、YouTube Data APIでの無人アップロードまでそのまま自動で進みます。人間が声を録音する工程は一切なく、テキストの組み立てから音声生成、動画合成、アップロードまでが無人で完結しています。

実際に使ってみて感じたこと

• 抑揚は人間ほど自然ではないが、聞き取りにくくはない: 短い実験記録の読み上げという用途であれば、十分実用に耐えるクオリティだと感じています
• ナレーターの手配・録音の手間が一切かからない: 毎日更新する動画で、人間のナレーションを毎回用意するのは現実的ではありません。無人運用を続ける上で、この手間がゼロになっているのは大きなメリットです
• 数値の読み上げには一工夫必要: 株価や資産額のような数字を含む文章は、桁区切りや単位の付け方によって聞き取りやすさが変わります。テキストを組み立てる段階である程度読みやすい形に整えるようにしています

ライセンス・利用規約は必ず確認する

VOICEVOXは多くのキャラクターで無料の商用利用が認められている一方、キャラクターごとにクレジット表記の要否など細かい利用規約が定められています。動画や記事で使う前には、使用するキャラクターの利用規約を必ず公式サイトで確認することをおすすめします。

よくある質問

Q. VOICEVOXは商用利用できますか? A. 多くのキャラクターで商用利用が認められていますが、キャラクターごとに利用規約・クレジット表記の条件が異なります。使う前に必ず公式サイトで対象キャラクターの利用規約を確認してください。

Q. 人間の声でナレーションするより違和感はありますか? A. 抑揚は人間ほど自然ではありませんが、聞き取りにくいというほどの違和感はありません。毎日の売買結果を淡々と読み上げる用途であれば、むしろ機械的な読み上げの方が「実験の記録」という位置付けに合っていると感じています。

Q. 無人で毎日ナレーションを生成する上で注意していることはありますか? A. ナレーション文章の元になるのは、AIが出した判断理由をそのまま使う部分と、資産状況などの数値を組み立てた部分です。数値の読み上げ方(桁区切りや単位の扱いなど)によって聞き取りやすさが変わるため、文章を組み立てる段階である程度読みやすい形に整えるようにしています。

動画のアップロード部分の実装についてはYouTube Data APIで動画を公開予約付きで無人アップロードする、判断ロジックについてはAI日本株自動売買の判断ロジックとリスク管理ルールを公開しますであわせて解説しています。