1 / 1
Mフレ

ボイスクローンを
作ろう

自分の声で、自然なナレーションが作れるようになる90分

2026年8月23日（日）21:00〜22:30

↓ スクロール、または ↓キーで次へ
今日のゴール

90分後、この状態を目指します

①

選べるようになる

無料で使える日本語ナレーションの道具を、用途に合わせて選べる。

②

自分の声が持てる

自分の声のクローンが手元にでき、いつでも呼び出せる状態になる。

③

動画に使える

その声を、実際に動画のナレーションとして差し込む流れがわかる。

前回（8/21）の「解説・告知ショート動画」の続きとして進めます。まだ参加していない方も、今日だけで完結する内容です。
↓ 次へ
はじめに

「ボイスクローン」の前に、少しだけ

AIで動画を作ると、ナレーションだけ機械っぽい声になってしまう。そう感じたことはありませんか。

原因は「AIっぽさ」そのものではなく、使う声の選び方にあることがほとんどです。今日は、いきなり自分の声を複製する前に、まず「無料で、自然な日本語ナレーションを作る方法」を一緒に整理します。

ボイスクローン（自分の声を元に、AIに読み上げてもらう技術）は、その選択肢のひとつです。今日はそこまでたどり着きます。
↓ 次へ
選択肢マップ①

無料で自然な日本語ナレーション、何がある？

TTS（テキストを声に変える技術）の中から、日本語の自然さと無料度を軸に並べました。

本命

AivisSpeech

日本語特化・完全ローカルで0円・生成回数の上限なし。ソフト本体は商用利用も可能（使う声のライセンスは別途確認）。

お手軽

edge-tts

インストールだけで即使える標準音声。流暢だが「その人らしさ」は出ない。

大容量無料枠

Azure／Google Cloud

月50万〜100万文字まで無料。安定運用向きだが、クラウドアカウントの用意が要る。

「とにかく自分の声でなくてよいから、自然な日本語ナレーションが欲しい」なら、この中ではAivisSpeechが最有力です。
↓ 次へ
選択肢マップ②

無料のボイスクローン、何がある？

「自分の声」を元に読み上げてもらう技術です。それぞれ条件が違います。

長期0円

Qwen3-TTS

3秒ほどの音声で声を複製。完全ローカルで従量課金なし。Apple Siliconと相性が良い。

最短で高品質

Fish Audio S2.1 Pro

クラウド型でとても自然。ただし無料APIは2026年8月31日までの期間限定で、音声データがクラウドに送られる点に注意。

定番

GPT-SoVITS

5秒〜1分の音声で学習できる、実績の多いオープンソース。導入がやや技術寄り。

どれも「自分の声」を扱うので、複製してよいのは本人の声だけというのが共通のお約束です。
↓ 次へ
今日使うツール

両方を1本で叶えるのが
Irodori-TTS

「自然な日本語ナレーション」も「自分の声のクローン」も、無料・完全ローカルのIrodori-TTS1本でできます。

0円

完全ローカル

音声データを外へ送らず、自分のパソコンの中だけで完結します。

MIT

MITライセンス

無料で使ってよく、商用（お金が発生する用途）にも使ってよいという、緩やかな利用条件のひとつです。

2つの読み方（プリセット）を用意しています。standard＝落ち着いた説明口調、voice-first＝声の再現を最優先。あとで両方試して選びます。

・Irodori-TTS：https://github.com/Aratako/Irodori-TTS

↓ 次へ
知っておく

Irodori-TTSを使う前に、2つだけ

日本語専用です

英語など他の言語のナレーションには対応していません。英語で作りたい場合は、「無料で自然な日本語ナレーション、何がある？」のページで紹介した道具（Azure・Google Cloud等、多言語対応のもの）を使ってください。

元の声の録音は30秒まで

声の元になる録音（参照音声）は、30秒までが目安です。長く録っても、それより後の部分は自動で切り捨てられます。

この後の録音台本も、この条件に合わせて約30秒にしてあります。
↓ 次へ
みんなで揃える

今日使う共通フォルダを作る

パソコンの中の、わかりやすい場所（デスクトップなど）に、この名前でフォルダを作ってください。

mms-video-studio

デスクトップなど、あとで見つけやすい場所に、この名前で新しいフォルダを作る

Claude CodeまたはCodexのデスクトップアプリで、そのフォルダを開く

前回（8/21）のワークショップに参加した方は、すでにこのフォルダがあります。新しく作らず、そのまま開いて使ってください。
↓ 次へ
ワンポイント（任意）

次も使うなら、中身を整えておくと便利

今日1本作って終わりでもOK。もし「気に入った型を残して、次も使いたい」なら、Claude CodeまたはCodexに、フォルダを開いた状態でこう頼んでおくと後が楽になります。

このフォルダの中に、動画制作を続けていくための構成を作ってください。
・projects（今日作る動画など、1本ごとのプロジェクトを入れる）
・templates（気に入った型を保存しておく）
・output（書き出した動画ファイルを入れる）
・README.md（このフォルダの使い方を書いたメモ）

作ったら、簡単に説明してください。
前回（8/21）のワークショップと同じお願い文です。すでに作った方は、この後 tools/Irodori-TTS もこの中に増える形になります。
↓ 次へ
今日だけ共有

前回教材と、今日使う道具

画面共有でご覧に入れる、参加者限定の道具です。今日この場だけのご案内としてお願いします。

前回教材mms-ai-short-video-workshop.pages.dev
プロンプトビルダーmms-motion-prompt.pages.dev
モーションラボmms-motion-lab.pages.dev
テンプレート集mms-hyperframes-design-library.pages.dev
↓ 次へ
やってみる①

Irodori-TTSを準備する

少し時間がかかる作業です。ここでお願いしたら、そのまま次のページへ進んで大丈夫です。裏側で準備が進みます。

このフォルダの中に tools/Irodori-TTS というフォルダを作り、
https://github.com/Aratako/Irodori-TTS を使って、日本語の音声クローンができる状態にセットアップしてください。

・このパソコンの環境（Mac／Windows、GPUの有無）に合わせて、最適な設定を選んでください
・必要なツールが入っていなければ、インストールもあわせてお願いします
・セットアップが終わったら、自然な日本語の文章で短いテスト音声を1つ作って再生し、完了したことを教えてください

時間がかかってよいので、途中経過は簡潔に教えてください。
この後の「録音」を先に進めても構いません。準備ができ次第、教えてもらう形で大丈夫です。
↓ 次へ
やってみる②

録音の準備（3分）

機材

スマホのボイスメモでOK（設定→ボイスメモ→音質を「ロスレス」に）。

場所

エアコンや冷蔵庫の近くを避ける。布のある部屋の方が響きにくい。

スマホの位置

口から15〜20cm、正面ではなく少し斜めに置く。

普段話しているくらいの速さ・声の高さで大丈夫です。アナウンサー風にしなくてOKです。
↓ 次へ
やってみる③

この文章を、2回録音してください

読むときの話し方が、そのままナレーションの声になります。落ち着いた説明口調で読んでください（1回30秒ほど）。

こんにちは。今日は、自分の声を使って、動画のナレーションを作る方法を試してみます。難しい機材も、特別な練習も必要ありません。パソコンとAIがあれば、今日、初めての人でも十分に形にできます。普段話しているくらいの速さで、力を抜いて読んでみてくださいね。それでは、始めていきましょう。
録音ボタンを押してすぐ話さず、最初と最後に2秒ほど間を空けてください。2回録って、良い方を後で選びます。
↓ 次へ
やってみる④

録音した音声を渡す

2回録った中から、噛まずに読めた方（または良い方）を1つ選ぶ

その音声ファイルを、Claude CodeまたはCodexのチャット欄にドラッグ＆ドロップする

下のプロンプトを一緒に送る

この音声ファイルを、自分の声のクローンの元（参照音声）として使えるように整えてください。
無音の部分や言い直しがあれば取り除き、Irodori-TTSで使える形式に変換してください。
↓ 次へ
やってみる⑤

2つの声で、聴き比べてみる

同じ文章を、2つの読み方で作ってもらいます。

さっきの声（参照音声）を使って、次の文章を2つの読み方で作って、両方聞かせてください。

文章：「こんにちは。今日は、AIを使った動画づくりについてお話しします。」

①standard：落ち着いた説明口調（参照音声＋話し方の指定を組み合わせる）
②voice-first：声の再現を最優先にした読み方（参照音声のみ）
1回で理想の声にならなくても大丈夫です。「もう少し落ち着いた感じで」のように言い直せば作り直せます。
↓ 次へ
やってみる⑥

気に入った方を「基本の声」にする

①と②、自分の声に近い方・聞き取りやすい方を選んでください。

①の方を、これからの動画づくりで使う「基本の声」に決めます。
このフォルダの中に分かりやすく保存して、次からはこの声を呼び出せるようにしてください。
①を②に置き換えれば、そのまま使えます。ここで、今日いちばんの山場は完了です。
↓ 次へ
やってみる⑦（時間があれば）

試しに、ナレーション動画を1本

前回作った型や、テンプレート集の型に、今日の声を差し込んでみます。

今日作った「基本の声」を使って、15秒の自己紹介ショート動画を作ってください。
台本には、名前・普段やっていること・今日できるようになったことを入れてください。
サイズは正方形 1:1（1080×1080）でお願いします。
動画の中に「ナレーションは、本人の声をもとにAIで生成しています」という一言も入れてください。
時間が足りなければ、ここは持ち帰りでOKです。声はもう手元にあるので、いつでも続きが作れます。
↓ 次へ
おまけ

字幕・BGMも、こう頼めば足せます

前回のワークショップで使ったのと同じお願い方です。ナレーションの指定だけ、今日の声に変えます。

この動画に、字幕・BGMを足してください。
・ナレーションは、今日作った「基本の声」の音声ファイルをそのまま使ってください
・BGM：邪魔しすぎない、静かなもの
・字幕：ナレーションと同じ内容を画面下に表示
↓ 次へ
おまけ②

実は、mirai自身もこう作っています

裏側で何が起きているか、正直に共有しますね。コストも時間もかけずに、というのは私自身の作り方そのものです。

ナレーション

ボイスクローンを使う時も、使わない時も、実は毎回同じIrodori-TTSです。落ち着いた説明口調にしたい時はstandard、声そのものを前面に出したい時はvoice-first。使い分けているだけで、道具はいつも1つ。

BGM

今日つないだHyperFramesに内蔵されている音源ライブラリから選んでもらっています。追加の契約や料金は発生しません。

字幕

ナレーションの音声に合わせて、HyperFramesの中で自動的に表示させています。別のサービスは使っていません。

つまり、今日ここまでできれば、私の作り方とほぼ同じです。
↓ 次へ
大事なこと

使うときに、覚えておきたい2つ

本人の声だけ

クローンしてよいのは、自分自身の声だけです。他の人の声は、本人の同意なく複製しないでください。

AIで作ったことを一言添える

動画やSNSに、「ナレーションは、本人の声をもとにAIで生成しています」のような一言を添えると安心です。

この2つさえ守れば、あとは自由に使って大丈夫です。
↓ 次へ
今日の地図

今日からできること

参考・出典

・Irodori-TTS：https://github.com/Aratako/Irodori-TTS

・AivisSpeech：https://aivis-project.com/

・Qwen3-TTS：https://github.com/QwenLM（モデルカード参照）

・Fish Audio：https://fish.audio/

・GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS

・edge-tts：https://github.com/rany2/edge-tts