企業YouTubeのナレーションをAI音声にする。そこで最初に詰まるのはツール選びではありません。誰の声にするか、YouTubeの開示を[はい]にするか、読み間違いを何回直すか。この3つです。従業員5〜30名で、集客とWebを社長か兼務担当が見ている会社を想定して書きます。弊社が2026年9月に作った2本の制作記録も、未公開で成果が測れていないという限界つきで開示します。発注者側の4択・読み修正の工程・業種別の線引きを1本で通した日本語記事は、弊社の調査範囲では見つかりませんでした。
結論:企業YouTubeのAI音声で先に決めるのは、誰の声か・開示するか・何回直すか
先に決めるのは、次の3つです。ツールの比較はそのあとで構いません。
- 誰の声にするか(社長本人の声クローン/社内の実声+AI補正/既製の中立な合成音声/キャラクター音声)
- YouTubeのAI開示を[はい]にするか
- 読み間違いを1本あたり何回まで直すか
開示から片づけます。迷ったら[はい]で構いません(開示による不利益は公式に否定されています。根拠と場合分けはH2-4)。
一方、視聴者が拒否しているのは「AIを使ったこと」ではありません。声質と読み間違いです。Q&Aサイトには、音声が聞こえた瞬間におすすめから外す、という趣旨の投稿があります(原文は未取得)23。X(旧Twitter)にも、AI音声の漢字の読み間違いが多いという指摘があります(要約)2。ラベルの話と、耳の話は別の層です。
そして誤読は、日本語の漢字が複数の読みを持つことから生まれます。ツールを乗り換えても、読みを直す工程そのものは消えません。だから3番目の「何回直すか」を先に決めます。
弊社も同じ順で決めました。既存の公式LINEキャラクターを解説役の基準にし、試作の台本を流す前に声のサンプルだけ2回取っています。1本目で声を確定させず、試聴してから決める形にしました。 詳細はH2-7に書きます。
顔出しなしの4形式(スライド・図解・キャラクター・AI音声)の選び方そのものは、隣の記事「顔出しなし・撮影なしの企業YouTube設計」で扱っています。本記事は、そこで示した「誰の声か」の3択を4択に広げ、規約と工程まで降ろした続きです。
例えば:視聴者が「気持ち悪い」と言うのは、具体的にこの4か所
「不気味の谷」という言葉で止めると作業になりません。視聴者が引っかかる箇所は、次の4つに分けられます。
1. 固有名詞と同音異義語の誤読。 X上で共有されている例に「水曜日」を「みずようび」と読むというものがあります(要約)2。人名や同音異義の動詞でも同種の報告がありますが、出所の原文は確認できていません。出典なしでも分かる例なら、「市場」(いちば/しじょう)、「牧場」(まきば/ぼくじょう)、「一日」(ついたち/いちにち)のように、辞書的に二通り読める語です。企業の動画は社名・商品名・担当者名が毎回出ます。二通りに読める漢字を含む語は、最初に登録する対象です。

2. アクセントの位置。 誤読を避けようとしてひらがなで書くと、今度はアクセントが崩れます。このトレードオフはX上でも指摘されています(要約)3。ひらがな置換は最後の手段にして、辞書登録を先に使うほうが安全です。
3. 句読点の「間」。 日本語の読点は文法上の区切りであって、息継ぎの位置ではありません。生の原稿をそのまま渡すと、読点ごとに等間隔で切られて一本調子になります4。句読点は「ここで一拍置いてほしい」という指示として打ち直します。
4. 声質そのもの。 「ロボットみたいな声」だと音声ありでは見られない、という趣旨の投稿がQ&Aサイトにあります(原文は未取得)23。対策は、同じ台本を2〜3の声で読ませたサンプルを作り、社内の複数人で聞いてから1本目の声を確定することです。弊社も声のサンプルだけ2回取ってから制作に入りました(H2-7)。
企業にはもう1つ、5つ目があります。詐欺広告のAI音声と同列に見られることです。X上には、あるAI音声が誇張的なショート動画に多用され、その声自体に胡散臭さが付いてしまうのではないか、という懸念の投稿があります(要約)5。声の選定は品質の問題ではなく、信用の問題だと考えたほうが実務に合います。対策は、自社の商圏で既によく見かける声を避けることです。声質の良し悪しではなく、視聴者がその声をどこで聞いているかで決まります(推測)。
ここで注意したいのは、品質が上がるほど違和感が消えるわけではない点です(推測。出典のある整理ではなく、弊社の見立てです)。自然に近づくほど、人はその差に敏感になります。だから「もっと自然なツールに替える」では終わらず、人の工程が要ります(H2-6)。
誰の声にするか:4択+第5の選択肢を横並びで見る
判断の軸は業種でも予算でもありません。その回の内容が、誰の口から出るべきかです。だから声は会社単位ではなく、回単位で決められます。採用の回だけ社長の実声、手順解説の回は中立な合成音声、という使い分けで構いません。

| 形式 | YouTubeの開示 | 規約・権利で確認すること | 向く回 | 向かない回 | 運用の重さ |
|---|---|---|---|---|---|
| 社長本人の声クローン | 不要(不要例に明記)1 | 本人の声なので同意は自己完結。声のサンプルを外部に置く範囲 | 理念・採用・謝罪など「誰が言ったか」が意味を持つ回 | 毎週の手順解説(過剰) | 中(初回の学習と管理) |
| 社内の実声+AI補正 | 不要(そもそもAI生成でない。録音の補正も不要例)1 | 担当者の退職後の扱いを先に決める | 現場の説明、社員が語る回 | 読む人が確保できない週次更新 | 低〜中(録音の手間) |
| 既製の中立な合成音声 | 公式に明記なし(H2-4) | 利用するサービスの商用利用条件 | ノウハウ解説・手順説明・よくある質問 | 理念・謝罪 | 低 |
| キャラクター音声 | 明記なし(非実写と組めば実質不要と読める) | 声の規約と、絵・名前の規約が別(H2-5) | シリーズ形式の対話・入門解説 | 職人の手元など実写が主役の回 | 中(規約確認が要る) |
| (参考)外注ナレーター | 不要 | 納品物の利用範囲・二次利用 | 会社案内など作り直さない動画 | 毎週更新 | 低(費用は都度) |
外注ナレーターの費用は、個人依頼と制作会社依頼で幅があります。AIナレーションでも制作会社経由なら、台本の読み合わせや修正対応のディレクション費を含む形で見積もられます6。いずれも各社の提示額であり、公的な統計ではありません。
やってはいけない側もはっきりしています。退職した社員・取引先・有名人・声優の声を、本人の同意なくクローンすることです。YouTubeの開示が必要になるうえ1、2026年8月7日には法務省の検討会が取りまとめ報告書を公表しています7(報道では声も保護の対象と整理されたと伝えられていますが、報告書本体は弊社で未確認です)。法律の判断は専門家にご相談ください。
なお、「声バレしたくない」「毎回の録音が面倒」という後ろ向きの動機で合成音声を選んでも構いません。ただし選んだ理由を1行残すことをおすすめします。半年後に社内で再検討するとき、理由がないと同じ議論をやり直すことになります。
YouTubeの開示が要る場合・要らない場合を、音声だけで場合分けする
先に結論です。迷ったら[はい]にして構いません。YouTubeヘルプには「AI コンテンツについて開示を行っても、動画の視聴者に制限が設けられることはなく、収益化の資格にも影響はありません」とあります1。開示による不利益は、公式に否定されています。

開示が必要なのは、次の3条件に当たる場合です1。
- 実在の人物が実際には発言または行動していないことを、発言または行動しているように見せている
- 実際の出来事や場所の映像を改変している
- 実際には起きていない場面が現実のように見えるコンテンツを生成している
ヘルプには「このリストはすべてを網羅しているわけではありません」とも書かれています1。音声だけに絞ると、次のように読めます。
| 音声の作り方 | 開示 | 根拠 | 確度 |
|---|---|---|---|
| 社長本人の声クローンでナレーション | 不要 | 不要例「クローニングした自分の声でナレーションや吹き替えを制作」 | 原文 |
| 社内の人がマイクで読む | 不要 | そもそもAI生成でない | 自明 |
| 録音した実声をAIで補正・ノイズ除去 | 不要 | 不要例「音声の修復」「過去に録音された音声を補正」 | 原文 |
| 既製の中立な合成音声 | 明記なし | 3条件のどれにも文言上当たらない | 推測 |
| キャラクター音声+非実写の映像 | 明記なし(実質不要と読める) | 非現実的な内容は不要例 | 推測 |
| 他人(有名人・退職者・声優)の声クローン | 必要 | 3条件の1つ目に該当 | 原文 |
| 社長の写実的なAIアバターが喋る | 必要と読む | 同上(同意の有無は開示要否と別) | 推測 |
| AI生成のBGMを入れる | 必要 | 必要例「AI 生成の音楽」 | 原文 |
| 自社店舗のAI生成イメージ映像を挿入 | 必要 | 必要例「AIで生成された、実在する場所の追加映像」 | 原文 |
| スライド・図解のみ(台本や作図をAIで) | 不要 | 不要例「アウトライン、スクリプト……の作成や改善などの制作支援」 | 原文 |
設定はYouTube Studioの「詳細」にある開示の項目で行います。アップロード済みの動画にも後から設定できるとされていますが、公式ヘルプの該当文言は今回確認できていません。写実的な内容なら長尺はプレーヤーの近くに、ショートは画面上に表示されます9。非写実・アニメ・軽微な改変は、説明欄の「このコンテンツの作成手段」欄だけです8。
2026年5月からは、未開示でも、YouTubeの生成AIツールの使用・C2PAメタデータ・YouTube側の内部検出という経路でラベルが自動で付くことがあります19。このうちYouTubeのAIツールで作った場合、C2PAメタデータを含む場合、手動審査でラベルが付いた場合は、開示の設定を変更できません1。内部検出で付いたラベルは、誤りだと思えばYouTube Studioで開示の状態を更新できます9。ただしスライドや図解に合成音声を載せた解説動画は写実的なAIに当たらないため、目立つラベルの対象外と読めます(推測)。なお罰則の条件は「繰り返し意図的に怠る場合」です1。1回の判断ミスで即ペナルティという書き方ではありません。
「AI音声だと収益化されない」は本当か
2025年7月15日の収益化ポリシー更新は、「繰り返しの多いコンテンツ」を「量産型のコンテンツ」に改称したものです。大量生産されたコンテンツも該当する、と明確にしています10。不可例には「クリエイターならではの、率直な洞察や視点が追加されておらず……大量生産されたような印象を与える AI 生成コンテンツ」が含まれます10。
この更新について、Google日本法人は生成AIのコンテンツを対象としたポリシーではない、という趣旨の説明をしています11。線引きは「AIかどうか」ではなく「自社ならではの視点があるか」です。他社の記事をAI音声で読み上げただけの動画は、再利用に関する不可例に文言レベルで当たります10。
もう1点。収益化ポリシーは広告収益を得たいチャンネルの審査基準です。集客目的でYouTubeパートナープログラムに参加していない企業チャンネルへの、直接の罰則ではありません。
キャラクター音声(VOICEVOX等)を会社の動画に商用利用するときの線引き
結論から。クレジットの1行を削らない。声の規約と、絵・名前の規約は別物です。
規約は2階建てです。VOICEVOXなら、本体のソフトウェア利用規約12と、キャラクターごとの音源利用規約13。企業が使う場合は、イラストや名前を使うときのキャラクターライセンスが加わって3階建てになります14。現場では「どちらのクレジットが優先か」という問い合わせが起きています(要約)15。
原則は、クレジット表記をすれば商用・非商用を問わず利用できる、という形です1213。動画なら、概要欄など視聴者が気になって見にいったときに分かる場所に書きます。文面はこの形で固定できます。
VOICEVOX:キャラクター名
この「VOICEVOX:キャラクター名」は、人格のあるキャラクター音源を使う場合の書式です。後述のVOICEVOX Nemoは書式が違います。
このクレジットを省いて商用利用する場合は、有償のライセンス契約が必要になります(金額は公式ページでご確認ください)13。中小企業の集客YouTubeは自社の商品・サービスを売るための動画なので、営利目的=商用です。兼務担当が一番やりがちなのが、この1行の省略です。
もう1つの落とし穴が、声とイラストの分離です。声だけ使って概要欄に1行書けば音源の規約の範囲ですが、立ち絵・3Dモデル・名前をサムネや画面に出すと、キャラクターライセンスの話になります。営利目的では別途契約が要り得るため、実務では「案件動画では立ち絵を出さず名前も呼ばない」という振る舞いが実在します(要約)16。条件は改定されるうえ、本社の所在地による例外もあるとされます。イラストを使うなら公式の窓口に直接確認してください14。
規約確認の手間と事故が怖い会社には、VOICEVOX Nemo という選択肢があります。クレジットは「VOICEVOX Nemo」の形式(コロンは入りません)で、この1行で個人・法人、商用・非商用を問わず無料とされています17。人格を持たない読み上げ専用の音声ライブラリで立ち絵がないため、キャラクター個別の規約確認が不要になるとされています。「ずんだもんの愛嬌」は得られませんが、業種によってはそれが正解です(H2-8)。
COEIROINKはキャラクターごとに、MYCOEIROINKは配布者ごとに条件が異なります18。無料で見つけた声を確認せずに商用利用すると事故ります。企業で使うなら、規約が一本化されているものを選ぶほうが安全です。
読み修正を「工程」にする:誤読・アクセント・間を4層に分け、誰がいつ何回やるか
読み修正は「コツ」ではなく工程です。音声合成サービスの公開ドキュメントによれば、調整は4層に分かれています(原文は未取得。検索結果の要約に基づきます)19。

- 単語の読み(ユーザー辞書への登録)
- アクセントの位置
- アクセント句の結合・分割(単純なアクセント調整で自然にならないとき)
- 話速とポーズ
層1に近いほど、1回登録すれば毎回効きます(層1=単語の読み=自社の読み辞書)。層4に近いほど、回ごとの調整になります(層4=話速とポーズ)。だから先に作るのは層1の自社の読み辞書です。社名・商品名・サービス名・地名・担当者名・業界用語を登録します。1本目で作れば、2本目以降はそのまま流用できます。
そして修正は、生成後に音を直すのではなく、原稿側に読みを書き込む前工程として設計します。初出の固有名詞に括弧でふりがなを付ける。数字は読ませたい表記に寄せる。句読点は「一拍置いてほしい」位置に打ち直す4。ここまでやってから生成します。
| 登録する語 | 正しい読み | 種別 |
|---|---|---|
| (社名) | 社名 | |
| (サービス名) | 商品・サービス | |
| (代表者名) | 人名 | |
| (地名・店舗名) | 地名 | |
| (業界用語) | 用語 |
同じ形で行を増やしてください。種別の例は、社名/商品名/人名/地名/業界用語です。
工程の並びは、次の6段で十分です。①台本確定時に固有名詞リストを作る → ②読み辞書に反映 → ③音声生成 → ④通しで1回、耳で聞く → ⑤承認 → ⑥予約投稿。
では「何回まで直すか」はどう決めるか。時間ではなく、直す対象の種類で決めます。所要時間の実測が弊社にないため、以下は弊社の推測です。
- 固有名詞の誤読は、回数に数えません。 層1の読み辞書に登録して必ず直します。1回登録すれば次回以降は出ません。
- アクセントと間は、1本あたり1巡まで。 2巡目に入りたくなったら、音声ではなく原稿の語を変えます(上で書いた「原稿側に読みを書き込む前工程」に戻す、という意味です)。
- 声質そのものが気になるときは、直しません。 修正で埋まる差ではないので、1本目の声の選び直し(H2-3)に戻します。
重要なのは④と⑤の順序です。弊社のパイプラインでは、公開を止める承認ゲートは1か所で、音声の作り直しはそこから差し戻します(生成工程にも自動の品質ゲートがありますが、公開可否を決めるのは承認の1か所です)。そして直しは無料ではありません。読みを直すことは、有料の生成をもう一度叩くことです。弊社は有料の要求を出す前に必ず記録を残し、応答が不明なときは再実行を止め、一度成功した音声は上書きしない設計にしています。音声再生成の自動リトライも行っていません。「気に入るまで無限に直す」ではなく、1本あたり何回直すかを先に決める話になります。
もう1つ、見落としやすい制約があります。弊社の動画は、台本に実在する語に合わせて画面の要素が出る作りです。つまり誤読を直すために台本の語を書き換えると、画面の出し分けの基準語も直すことになります。「音声だけ差し替えれば済む」とは限りません(弊社の実装仕様からの推測です)。
弊社の記録:2本で22リクエスト・1,163文字、試作は41件の検査に通り、どちらも耳では聞いていない
ここからは弊社の記録です。先に範囲を書きます。弊社が作ったAI音声の動画は2本で、どちらも2026年9月時点で未公開です。 成果は測れていません。なお、比較のためにレンダリングした約18秒の版は既存音声をそのまま流用したものなので、本数に数えていません。
量の実測は残っています。2026年9月に作った約2分57秒の本編は、AI音声が22リクエスト・1,163文字でした。その前に作った約59.95秒の試作は、8リクエスト・375文字(ほかに事前の声サンプルが2リクエスト)です。台本を丸ごと一度に読ませず、1〜2文ずつに分けて生成しています。
計算すると、本編は1,163文字÷約177秒で毎秒約6.6文字、試作は375文字÷約60秒で毎秒約6.3文字です(弊社の計算)。読者向けに翻訳すると、3分の動画の台本は1,000〜1,200字、音声は20回強に分けて生成するという規模感になります(弊社の1本の実測からの目安です)。金額は書けません。利用料金の明細を確認していないためです。
声は1本目で確定させませんでした。既存の公式LINEキャラクターを解説役の基準にし、試作の台本を流す前に声のサンプルだけ2回取ってから制作に入っています。相手役は「暫定の質問役」と記録に残し、人数・口調・図解と実画面の配分は後から変えられる状態にしました。解説役に名前もまだ付けていません。
いちばん正直に書く部分はここからです。動画ごとに分けて書きます。試作(約59.95秒)では、完成したMP4から全8場面のフレームを抜き出して表示を確認し、音声13件・レンダラー12件・制作台帳12件・録画4件の計41件の自動テスト(動画の中身ではなく制作基盤側のテストです)にも通しました。本編(約2分57秒)では、実際のMP4から各場面のフレームを抽出して表示を確認しています。それでも、通しで再生して耳で聞く確認は、2本ともこの時点でできていません(試作は再生環境がエラーで立ち上がらず、本編は連続再生・耳での試聴が未確認のままです)。原資料には「これは動画の面白さの点数ではありません」と書いてあります。検査のPASSは「定義済みの欠陥に該当しない」という意味で、前より良くなった証拠ではありません。品質ゲートの入力が静止フレームである以上、聴感や間は判断できないからです。

「静止画の検査は全部緑なのに、音は誰も聞いていない」。 これは、AI音声で動画を作る中小企業がいちばん落ちやすい穴です。弊社は自分でそこに落ちかけました。
改善の比較についても書いておきます。これは音声ではなく映像の話ですが、変えるのは一度に1か所という測り方の教訓なので入れます。弊社は既存動画の約18秒の実操作シーンを切り出し、音声と画面素材は一切変えず、表示の大きさ・配置だけを変えた版を作って旧版と並べました。8秒地点の実フレームで確認した結果、操作画面は大きくなる一方で元画像の粗さが残り、結論は採用保留。旧版を採用品として残しています。読者への翻訳はこうです。音声と映像を同時に変えると、どちらが効いたのか永久に分かりません。 AI音声を試すなら、映像・台本・サムネは固定して、声だけ変えた版を並べます。
AIで作った部分は、ルールを調べる前に自分から書きました。動画に出てくる操作画面は説明用に作った架空ケースの録画で、そのことを画面・台本・概要欄の3か所に明記しています。外部レビューの助言を受けて、概要欄には元になったメモと依頼文も追加しました。開示ルールに引っかかるかを調べる前に、視聴者が誤解しそうな箇所を自分で潰すほうが早いからです。
参考までに、題材の選び方の数字も1つだけ。2026年8月9日〜9月5日(太平洋時間)で、マニュアルの動画は期間201再生・検索流入183、スライドの動画は49再生・検索33でした。音声より先に題材で桁が変わるという位置づけでのみ使える数字です。視聴者が意思決定者かどうか、相談につながったかは分かっていません。
例えば:飲食・工務店・士業など「人の手」が価値の業種は、どこまでAI音声にしてよいか
先に事実から。公式の規約に業種の条項はありません。 飲食だから、工務店だからという条文は存在せず、規約はどの業種でも同じです。制約は「その回の内容が誰の口から出るべきか」の側にあります。以下の線引きは弊社の推測です。
| 映像 | 声 | 判断 | 理由 |
|---|---|---|---|
| 職人の手元・調理の実写 | 人格のあるキャラ音声 | 避けるか慎重に | 映像の主役(職人)と声の主が食い違う |
| 同じ実写 | 中立な合成音声 | 比較的安全 | 字幕の読み上げに近く、主役を奪わない |
| 同じ実写 | 社長本人の声(実声・クローン) | 最も整合する | 手の説明を、その手の持ち主が語る形。開示も不要 |
| 採用・理念・謝罪 | 合成音声 | 避ける | 責任の所在があいまいになる |
| ノウハウ解説・手順・FAQ | 合成音声 | 問題なし | 情報の正確さが価値で、誰の声かは二次的 |
架空の3社で、H2-3の表を実際に埋めてみます。
例えば、従業員10名の飲食店。 仕込みの紹介回では、包丁の音・鉄板の音といった実音を主役にします。ナレーションは補助なので、中立な合成音声で足ります。ここでキャラクター音声を被せると、主役が入れ替わります。
例えば、従業員8名の工務店。 施工の判断を語る回は社長の実声にします。「なぜこの納まりにしたか」は、判断した人の声であることに意味があるからです。一方、メンテナンスの手順説明は合成音声で問題ありません。同じ会社でも、回で分けます。
例えば、従業員5名の士業事務所。 相続の手続きの流れと、よくある質問の回答は合成音声で成立します。情報の正確さが価値だからです。ただし料金改定のお知らせと、ミスのお詫びは、代表の声に戻します。
結論が割れていることも書いておきます。飲食店のAI生成メニュー画像が不自然で客離れの声が出た、スーパーのAI生成POPが「ダサい」と言われた、といった投稿がX上にあります(いずれも要約)20。一方で、AI丸出しの広告で売上を伸ばしたという逆の証言もあります(要約)21。AI=即マイナスではありません。 分かれ目は、商品そのものの見せ方と、説明のナレーションを分けているかどうかにありそうです(推測)。ベンダー側にも、実写を代替するのではなく実写を支える形でAIを使う、という整理があります22。
公式文書とも矛盾しません。収益化ポリシーの不可例が問題にしているのは、声の選択ではなく中身です10。「AI音声だから人の手の業種に合わない」のではなく、その回の内容が誰の口から出るべきかで声を選ぶ、という整理になります。
まとめ:企業YouTubeのAI音声で1本目を出す前に紙に書く6項目とよくある質問
決めるのは次の6つです。空欄が3つ以上残ったまま生成を始めると、あとで直すコストのほうが高くつきます。
- 誰の声にするか(社長の声クローン/社内の実声+AI補正/既製の中立な合成音声/キャラクター音声/外注)と、回によって変えるか
- YouTubeのAI開示を[はい]にするか[いいえ]にするかと、その理由を1行
- キャラクター音声を使うなら、クレジットの文面と置き場所
- 読み修正を1本あたり何回までやるか(決め方はH2-6の3つのルール。固有名詞は数えない/アクセントと間は1巡まで/声質は直さず選び直す)と、読み辞書に登録する固有名詞
- 耳で通し聞きする担当と時点(承認の前か後か)
- 効果を見るとき、一度に変える箇所を1つに固定するか
弊社は1本目で声を確定させず、変更は改訂版として残す運用にしました。迷ったら、その形をおすすめします。
制作範囲の見積もりで「ナレーション」がどの行に当たるかは、隣の記事「YouTube運用代行の範囲」で扱っています。
Q1. AI音声を使ったら「AIの使用」は必ず[はい]にするのですか
形式で答えが変わります。自分の声のクローンは不要例に明記されており、既製の中立な合成音声は公式に明記がありません1。開示しても不利益はないので、迷ったら[はい]で構いません。
Q2. 「AI音声だと収益化されない」は本当ですか
Q3. VOICEVOXを会社の集客動画に使っていいですか。クレジットはどこに書きますか
Q4. 社員の声を使ったあと、その社員が辞めたらどうなりますか
利用範囲と停止の取り決めを、使う前に書面にしておくのが安全です。2026年8月7日には法務省の検討会が取りまとめ報告書を公表しています7(報道では声も保護の対象と整理されたと伝えられていますが、報告書本体は弊社で未確認です)。弊社にこの実務経験はありません。法律の判断は専門家にご相談ください。
Q5. 全部を聞き直さないといけませんか
通しで1回は必須だと考えています。弊社は試作で41件の自動テストに通しながら、2本とも通しで聞けていない状態を作ってしまいました(H2-7)。2回目以降の回数は、H2-6の3つのルールで決めます。
Q6. 自分の声のクローンを使うと、なりすましのリスクは上がりますか
声のサンプルを外部に置く以上、材料は増えます。ただしクローン特有のリスク増分を示す資料は、今回の調査では見つかっていません。社外に出す声の範囲を決めておく、という運用の話として扱うのが現実的です。
1本目の声と、読み修正の工程を一緒に決めませんか
上の6項目のうち3つ以上が空欄のまま1本目を生成すると、あとで直すコストのほうが高くつきます。理由は本文で示した2点です。読み直しは有料の生成をもう一度叩くこと、そして語に合わせて画面が動く作りだと音声だけ差し替えられない場合があること。だから、生成を始める前に紙に落としたほうが早く終わります。
弊社のYouTube完全運用代行(月額200,000円)は、この6項目を埋めるところから始めます。1本目の声を4択のどれにするか、開示を[はい]にするか、クレジットの文面と置き場所、読み修正の回数上限。さらに、耳で通し聞きする担当と時点、効果を見るときに変える箇所を1つに固定する測り方まで、工程に書き込みます。ただし弊社の2本は未公開で、成果は測れていません。AI音声にしたことで再生や問い合わせが増えるとは言えません。約束できるのは「決める順番と工程を一緒に作る」ところまでです。表が埋まって、自社で回すと決めていただいても構いません。
本文の事例と引用について
- H2-8の3社(飲食店・工務店・士業事務所)は架空の例です。実在の企業・店舗とは対応しません。
- 弊社の数値は、2026年9月6日・9月7日の制作記録と、2026年9月6日取得のYouTube APIの値に基づきます。2本とも2026年9月時点で未公開です。
- X(旧Twitter)の投稿は2026年9月25日時点の検索結果に表示された範囲を要約したものです。投稿者は特定しません。反応量のデータは取得していないため、多数派かどうかは分かりません。
- 「」付きで引用したYouTubeヘルプの文言は、弊社が2026年9月19日までに記録した逐語からの転記です。今回の執筆時点ではネットワークの制約で原文を再確認できていません。ヘルプは予告なく改訂されるため、判断の前に各URLで最新の文言をご確認ください。
- VOICEVOX・COEIROINK等の規約は、執筆時点で各公式ページの原文を確認できておらず、検索結果の要約に基づきます。金額・キャラクター個別の条件・クレジットの書式は、使用前に必ず各公式ページの現行文言でご確認ください。
- 461922 とQ&Aサイト23は、執筆時点でページ原文を取得できておらず、検索結果の要約に基づきます。
- 法務省の取りまとめ報告書については、2026年8月7日に公表された事実を確認したのみで、報告書本体は弊社で未確認です。報告書の結論の紹介は報道の要約に基づきます。
- ナレーション外注の費用は各社の提示額であり、公的な統計ではありません。
出典
- YouTube ヘルプ「生成 AI コンテンツの使用に関する開示」(answer 14328491。開示が必要な3条件、不要例「クローニングした自分の声でナレーションや吹き替えを制作」「音声の修復」、開示の影響、自動付与、罰則)参照 2026-09↩
- X投稿「AI音声による漢字の読み間違いが多い(水曜日→みずようび)」(視聴者・2025年12月、要約)参照 2026-09↩
- X投稿「ほぼ全部ひらがなで書くと発音精度は上がるが、アクセントが崩れる」(制作者・2025年5月、要約)参照 2026-09↩
- note「AI合成音声にやさしい原稿の作り方」(読点は文法上の区切りであり息継ぎ位置ではない、という整理)参照 2026-09↩
- X投稿「あるAI音声が誇張的な動画に多用され、声そのものに胡散臭さが付与される懸念」(2025年5月、要約)参照 2026-09↩
- @SOHO「AIナレーションの活用を外注する|人の声との使い分けと依頼範囲 2026」(制作会社経由のディレクション費を含む提示額。統計ではない)参照 2026-09↩
- 法務省「肖像、声等の無断利用による民事責任の在り方に関する検討会 取りまとめ報告書の公表について」(2026年8月7日公表)参照 2026-09↩
- YouTube ヘルプ「このコンテンツの作成手段」(answer 15447836。説明欄の「このコンテンツの作成手段」欄、ラベルが付く3つのケース)参照 2026-09↩
- YouTube 公式ブログ「Improving AI labels for viewers and creators」(2026年5月27日。ラベルの表示位置、内部シグナルによる自動検出、誤判定時にYouTube Studioで開示ステータスを更新できる旨)参照 2026-09↩
- YouTube ヘルプ「YouTube のチャンネル収益化ポリシー」(answer 1311392。2025年7月15日「量産型のコンテンツ」への改称、不可例、再利用ポリシー)参照 2026-09↩
- ITmedia AI+「YouTubeでAI動画の収益化停止? 話題のポリシー変更に『生成AIコンテンツを対象としたものではない』とGoogle日本法人」(2025年7月10日)参照 2026-09↩
- VOICEVOX「利用規約」(ソフトウェア本体。クレジット表記の条件)参照 2026-09↩
- 東北ずん子・ずんだもんプロジェクト/対象キャラクターの音源利用規約ページ(クレジット表記の形式と場所、非表記での商用利用に必要な契約)。キャラクターごとに規約ページが分かれているため、使用するキャラクターの規約ページのURLは公式サイトの規約一覧からご確認ください参照 2026-09↩
- ずんずんPJ「キャラクター利用のガイドライン」/キャラクターライセンス窓口(イラスト・名前の営利利用の条件) / https://zunko.jp/con_shoushi.html参照 2026-09↩
- X投稿「VOICEVOXとキャラクター名、どちらのクレジットが優先かという問い合わせがよく来る」(2023年9月、要約)参照 2026-09↩
- X投稿「案件動画では立ち絵を出さずキャラクター名も呼ばない。音声の商用利用とキャラクターの商用利用は別」(2024年12月、要約)参照 2026-09↩
- VOICEVOX Nemo「利用規約」(クレジット表記のみで個人・法人、商用・非商用を問わず無料)参照 2026-09↩
- COEIROINK「利用規約」(キャラクターごと・MYCOEIROINKは配布者ごとに条件が異なる)参照 2026-09↩
- 株式会社エーアイ「AITalk 5 声の職人」フレーズ編集マニュアル(ユーザー辞書、アクセント調整、話速。デスクトップ版のマニュアルです。「アクセント句の結合・分割」という文言の有無は原文で未確認) / 同社「AITalk 声の職人 クラウド版」製品ページ https://www.ai-j.jp/products/cloud_voice/参照 2026-09↩
- X上の話題まとめ。飲食店のAI生成メニュー画像への客離れの声 / スーパーのAI生成POPが「ダサい」 https://x.com/i/trending/2079857818522558758 (いずれも2026年8月時点のトレンド面で見た範囲の要約。トレンド面のURLは時間が経つと同じ内容を指しません。反応量は未取得)参照 2026-09↩
- X投稿「生成AI丸出しの広告で月商1200万という飲食店の例」(2026年、要約。投稿者の主張であり、弊社は裏取りをしていません)参照 2026-09↩
- Vivideo「レストラン向け生成AI動画」(ベンダーの記事。実写を支える形でAIを使うという整理。ページ原文は未取得)参照 2026-09↩
- Yahoo!知恵袋の質問・回答(AI音声の誤読、AI音声への忌避感。いずれもページ原文は未取得で、検索結果の要約に基づきます) / https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q13295046538 / https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q10320733160参照 2026-09↩




