AI音声はオーディオブックのナレーターに取って代わるのか？

著者 WonderBooks · 2026年10月15日

合成音声ナレーションはすでに大手ストアで販売されています。人間のナレーターが依然として優れている点、そしてほとんどの書籍がそもそも人間の録音を得られない理由。

人間の録音が行われる予定だった書籍については、いいえ、すぐにはそうなりませんし、気にするリスナーはすでにその違いを識別できます。しかし、そもそも録音されることのなかったはるかに多くの書籍にとっては、この問いは無意味です。選択肢は人間による音声と合成音声の間にはありませんでした。合成音声か、それとも沈黙か、でした。

2023年にストアが動き出し、その旨を明記しました。

Apple Booksは2023年1月にデジタルナレーション付きオーディオブックの販売を開始しました。Audibleもその年の後半に、セルフパブリッシング作品向けにVirtual Voiceと呼ぶ明記されたオプションを導入し、リスナーは購入前にその表示を確認できるようになりました。オーディオブックはすでに、出版業界で最も急速に成長しているフォーマットでした。Audio Publishers Associationは、米国で10年以上にわたり連続して2桁成長を報告しており、年間売上は約20億ドルに達しています。合成音声がこの市場を作り出したわけではありません。合成音声は、すでに存在する市場に参入したのです。

ナレーターたちが心配したのは当然であり、それ以来、世間の議論のほとんどは彼らについてのものでした。しかし、もう一方の側面についてはあまり語られていません。プロの録音は、スタジオ時間、編集、校正の前に、一般的に公表されている料金で、オーディオ1時間あたり数百ドルで完成時間ごとに価格設定されます。10時間の小説はかなりの投資であり、そのため録音の決定は常に予想される売上に基づいて行われてきました。バックリスト、小規模な言語、チャート入りが期待されない図解入りノンフィクション：これらの書籍は録音されません。出版されたほとんどの書籍には、オーディオ版が全く存在しないのです。

声優ができて、モデルにはまだできないこと。

両方を聞いたことがある人なら誰でもそのギャップを知っています。優れたナレーターは、声色を変えることなく各キャラクターに声を与え、文章が必要とする正確な長さで間を取り、3ページ目の名前が著者の発音通りに発音されることを知っており、本のトーンを10時間にわたって平坦にすることなく維持します。合成音声は均一です。均一性は参考書にとっては美徳ですが、小説にとっては欠点です。そして、それは言語ごとに判断されます。英語で優れた音声でも、母音が書かれておらず、音読が文の理解に依存するアラビア語では、ストレスを誤って置く可能性があります。

• キャラクターとペース配分：熟練した間、レジスターの切り替え、タイミングよく決まるジョーク。
• 著者と同じように発音される名前や外国語。
• 長い本全体でのトーンの持続力。
• スペルが発音を固定しない言語で、読者が音読するために理解する必要がある場合。

道に迷うリスナー。

誰が話しているかとは関係ないため、注目すべき3つ目のことがあります。ほとんどのオーディオブックはテキストとは別に販売されており、リスナーがどこにいるかを確認する方法がありません。電車の中で話の筋を見失っても、見るべきものがありません。読み聞かせオーディオは、画面に文字が表示され、読まれている行がマークされるもので、初期の読者、言語学習者、失読症の読者のサポートとして何十年も研究されており、概ね肯定的な結果が出ています。しかし、商業的なオーディオブックでこれを提供しているものはほとんどありません。

あるライブラリは、すべての本を15言語でナレーションし、ページと同期させています。

WonderBooksは、その計算のもう一方の端にあるケースです。12のテーマ別ライブラリに2,341冊の絵本を収録しており、すべての本が15言語でナレーションされ、オーディオはテキストと同期しているため、読まれている行が常にページ上で視覚的に確認できます。これは35,000以上のナレーション版に相当します。この数に達するスタジオスケジュールはなく、韓国語でファラオに関する10ページの書籍を録音することを正当化する販売予測もありませんでした。創業者は2016年に最初のバージョンで人間のナレーターを雇い、当時アプリ全体が構築されていた機能は、現在も同じ機能を中心に構築されています。

通常のオーディオブックは、読者が道に迷うラジオのようなものです。

言語ごとに判断され、リスナーの指摘があれば修正されます。

ナレーションはリリース前に言語ごとにチェックされ、アラビア語や独自のポーズとストレスの慣習を持つ言語には個別の品質ルールが適用されます。創業者は公然と、この点について最も厳しい批評家です。発音の誤りを報告したリスナーには、修正と感謝の言葉、そして修正された本へのリンクが送られ、これが次の音声の改善にもつながります。これが偉大な小説の偉大な人間の朗読に匹敵するかどうかは主張ではありません。主張は、15言語のいずれかの読者が、目の前に言葉がある状態で、すべての本を読んでもらうことができ、これは以前には不可能だったということです。