05 ボイスロールと声のクローン

この章は、吹き替えでターゲット言語を話す声がどれなのかを扱います。ソースは4つあり、選ぶのは1つだけで済みます。

• 声のクローン：元音声からその話者の声質をその場で抜き取り、その声にターゲット言語を話させます。4つの中でオリジナルに最も忠実で、既定でもあります。
• 内蔵キャラクター：アプリに同梱されている音声です。そのまま使え、言語ごとに分けられています。
• カスタムロール：自分で（あるいは誰かに）セグメントを録音してアップロードし、以後いつでも使い回します。同じ人の声を複数の動画で通しで使いたいなら、これが唯一の経路です。
• ByteDance オンライン音声：クラウドから配信される音声のセットです。この節はアカウントがオンライン音声リストを取得できるときだけ現れます。リストが取得できないときはこの節ごと消えますが、それが壊れているという意味ではありません。
• この節の絞り込み行はカテゴリの複数選択です。欲しいカテゴリにチェックするか、既定の「すべてのカテゴリ」のままにするとすべてが表示されます。

1. 「ボイスロール」ページに何が見えるか

左のバーのボイスロールを押します。ページは上から3つのセクションで、見出しをクリックすると開いたり閉じたりします。カスタムロール（見出しの右に件数が表示されます）、システムロールで、オンライン音声が使えるときはそのセクションがもう1つ加わります。カスタムロールとオンライン音声の各セクションには、リストの上にそれぞれ絞り込みがあります。

• 言語：複数選択のドロップダウン — 何言語かにチェックするか、「すべての言語」を選びます。
• ステータス：すべて / 有効 / 無効。

システムロールのセクションには絞り込みがありません — 言語ごとに並べただけの一覧で、数が多いのでスクロールし続けるだけです。

カスタムロールは1件1行で、名前・言語・有効 / 無効のスイッチ・音声プレビュー・削除 が並びます。

2. カスタムロールの作り方

カスタムロールのセクション右上の「+ 新規ボイスロール」を押して、4つを埋めます。

1. 名前：空にはできません。128文字を超えることも、使えない文字を含むこともできません。同じ言語の中で名前を重複させることはできません。重複した場合は「同名の音声がすでに存在します」と報告されます。
2. 言語：この音声を後でどの言語に使うか。ドロップダウンには19言語が入っていますが、繁体字中国語はありません — 繁体字中国語は簡体字中国語の項目を使います。
3. ボイスファイル「参照」を押して手元の音声ファイルを選びます。mp3 / wav / m4a に対応しています。録音機能はありません — 別の場所で録音してファイルとして保存してください。
4. ステータス有効 / 無効（既定は有効）。

フォームの下には参考テキストのカードがあり、見出しは「以下の参考テキストに基づいて音声を生成してください」です。言語を選ぶと録音用のサンプルが出てきます。ポイントは参考音声の内容がこのサンプルに近いほど、クローンした声が安定するということです。録音するときは10〜30秒、静かな部屋、話者1人、背景音楽なしを目指してください。

「OK」を押すとそのロールはすぐに使えます（同期完了で、「生成中 / 学習待ち」の状態はなく、失敗後に再試行することもありません）。以後は編集できません。音声を変えるにはロールを削除して作り直します。削除は確認を求め、取り消せません。

3. 音声プレビュー

このとき選ぶ内蔵キャラクターなら、フォームの音声を閲覧… ボタンが音声ライブラリのダイアログを開き、そこから選べます（何も選ぶ前は「音声が選択されていません」と表示されます）。カスタムロールにはこのダイアログはありません — 作ったロールをドロップダウンから直接選びます。

各行に再生ボタンがあり、押すとそのロール自身の参考音声が再生されます。同時に再生できるのは1つだけ — 同じボタンをもう一度押すと停止します。音声が取得できないときは「プレビューに失敗しました」と表示されます。

指摘しておく点があります。新規プロジェクトフォームで「カスタムロール」のとなりにある音声プレビューボタンは、押しても何も起きません（その場所の機能はフォームに配線されていません）。ロールを試聴したいときは「ボイスロール」ページで — 同じことです。

4. プロジェクトの中でどう選ばれるか

注文フォームのターゲット音声は3択です：声のクローン / 内蔵キャラクター / カスタムロール。「カスタムロール」を選ぶと、ロールを絞り込む2つ目のドロップダウンが現れます。押さえる点はいくつかあります。

• プロ仕様動画翻訳の注文フォームにはこの項目がありません — 常に2つの固定ステップで実行され、音声は第2段（エディターの左パネル）で決めます。詳しくは 04 字幕と吹き替えの編集を参照。
• マルチスピーカーモード を有効にすると、内蔵キャラクターとカスタムロールは隠れます：アプリは検出された話者ごとに音声を割り当て、全体で1つの音声を選ぶ代わりに、エディターで話者ごとに変えます。
• エディターのドロップダウンには「有効」で、かつ言語がこのプロジェクトのターゲット言語に一致するロールだけが並びます。自分のロールが見当たらないとき、9割はこの理由です — 無効に切り替えたか、作成時に言語を間違えたかのどちらかです。

音声クローンはプランによって開かれています。プランが対応していない場合、選択肢は「現在のプランでは音声クローンは利用できません」と表示され、無効なうえ「(N/A)」と付記され、代わりに内蔵キャラクターが使われます。

プロフェッショナル音声にはアカウントが必要です。未ログインの間は、音質ドロップダウンの「プロフェッショナル」項目はグレー表示になり、そこにログインで解除と表示されます；ローカル音声はそのまま使えるので、登録する前でもプロジェクトを作って音声を試せます。無料アカウントでログインすると、プロフェッショナル音声が使えるようになります。

5. 感情モードと方言

「音声合成の品質」を感情にすると（Apple Silicon のみ）、吹き替えがエディタの文ごとの感情に従い、方言も切り替えられます。エディタの感情の選択肢は、エンジンが扱えるものだけに絞られます：喜び、興奮、悲しみ、落ち込み、怒り、恐怖、嫌悪、驚き、平常。

方言は中国語が対象言語のときだけ表示されます：標準中国語（既定）、広東語、四川語。クローンした声はそのままで、変わるのはアクセントだけです。

感情モードには逐字の書き起こし付きの参照が必要です。元の声（ボイスクローン）か内蔵キャラクターが使えます。カスタム音声には書き起こしがないため、感情を選んでいる間は無効になります。