YouTubeといえばHikakinさんを代表するように自らの顔を出して、視聴者の皆さんに面白いコンテンツを提供する場所です。
しかし、すべてのクリエイターが自分の声を使いたいとは限りません。
僕自身、職業柄顔を出したくないですし、声で身バレするのも怖いです。
そこで登場するのがAI音声技術です。
本当にありがたい時代になりました。
今回は、特に日本で人気の高い3つのAI音声合成ソフトウェア

• ゆっくり実況・解説

• VoiceVox

• VoicePeak

に焦点を当て、それぞれのメリットとデメリットを簡単に全て使ってきた僕の経験をもとにお伝えできたらと思います！

ゆっくり実況・解説

ゆっくり実況とは「霊夢」と「魔理沙」の2人が掛け合いながら話を進めていくスタイルになります。
ニコニコ動画で流行したキャラクターをベースにしているので固有ファンが多く、ここ数年の非属人YouTubeの先頭を走っていると言っても過言ではないかもしれません。

メリット:

• 独特のキャラクター：ゆっくり実況は、そのユニークなキャラクターが魅力です。視聴者に親しみやすく、動画に個性を加えることができます。

• コミュニティの広がり：ニコニコ動画を起源とするゆっくり実況は、既に大きなファンベースを持っています。これにより、特定の視聴者層に容易にアプローチできます。

• YMM４で簡単に使用可能：Excelで原稿を作り、それを挿入するだけで簡単にテロップがフルで入ります。正直この楽さを覚えたら普通にテロップ入れするのが馬鹿らしくなります。（https://manjubox.net/ymm4/）

デメリット:

• 表現の限界: ゆっくり実況の音声は、感情表現に限界があります。自然な人間の声のニュアンスを出すことは難しいです。あくまでも機械音声という感じがしてしまいますね。ただ、それが霊夢魔理沙の良さ。難しい。

• 著作権の問題: ゆっくりキャラクターの使用には著作権が関わる場合があり、注意が必要です。詳しくは規約をご覧ください。

VoiceVox

ここ最近の一大ムーブメント、それが「ずんだもん」です。
99%以上の動画でしくじり、炎上し、悲劇の主人公にされています。
個人的にこのスタンスは「ちいかわ」と同じ感じだなと感じています。
だーまめさん、あもとっとさんを始めとするずんだもんクリエイターにより様々な動画が作成されています。そしてそれを情報商材として簡単な作り方が販売されています。少し炎上してました。（現在進行形かも）

メリット:

• 高品質な音声：VoiceVoxは、自然でリアルな音声合成が可能です。霊夢魔理沙と比べると人の声に近づき、聞き取りやすくなりました。

• カスタマイズ性：クリエイターは声の高さや速度など、細かい調整を行うことができ、自分のニーズに合わせた音声を作成できます。

デメリット:

• 操作の複雑さ：細かい調整が出来るメリットの反面、色々と出来るがゆえに高度なカスタマイズ機能は、初心者にとっては使いこなすまでに時間がかかる可能性があります。正直僕は疲れました。

• 動画のクオリティの必要性：ゆっくりやVoicePeakにクオリティが必要ないというわけではありません。しかし、VoiceVoxのキャラクターたちは声だけでなく、表情もカスタマイズ性が高いのでただ立っているだけの動画は飽きられます。

VoicePeak

ここ最近僕が使用しているのはこのVoicePeakです。
VoicePeakは、AquesTalkの音声合成技術を利用したソフトウェアです。
商用利用が可能で、高品質な音声合成が特徴です。
調声にそこまでこだわらなくても結構綺麗におさまります。
「楽しい」「幸せ」「悲しい」など感情表現を指定することで指定された感情に適した声になるのも作っていて楽しい所になります。

メリット:

• 商用利用の可能性：VoicePeakは商用利用が可能で、プロフェッショナルな用途にも対応しています。

• 幅広い用途：ゲームやアプリ、ナビゲーションシステムなど、多岐にわたる用途での使用が想定されています。

デメリット:

• コスト：VoicePeakは無料ではなく、コストがかかる場合があります。商用利用を前提としているため、個人クリエイターにとっては利用のハードルが高いかもしれません。

• イントネーションの設定が難しい：VoicePeakはイントネーション、発音を曲線で描きます。簡単に言うならば、音程の上下を決めていく感じです。感覚的になるので慣れるまでは大変かと思います。

実はずんだもんもVoicePeakのモノがあるんですよね。