動画広告でVOICEVOXが使われていた

先日、推しの配信を見るためにTwitchを開いたら流れた広告で、VOICEVOXの四国めたんちゃんの声が使われていた。びっくりした。
少し前から運用を始めた自分名義のチャンネルではまだそれほど使っていないが、某所で仕事をしていた時に最もよく使っていたのがめたんちゃんの声だ。聞き間違うはずがない。

その広告を見たのはその一度きりで、何度も聞き込んで分析したわけではないが、若干調声が甘いなと感じる箇所があった。我ながら傲慢だとは思うが、自分ならもうちょい自然に調声できる自信がある。その仕事、自分にちょうだいよぉ！と思った。

これは自論だが、自然な発声だと感じさせるには語尾の調声が重要である。(もちろん、各単語のイントネーションが正しいことは大前提だ)
上記の広告でも、語尾の調声が甘いと感じた。
この調整を怠ると、「いかにも機械音声だ」と感じられるような喋りになってしまう。

以前、朗読動画のメイキング動画を上げたが、動画の後半では何段階かに分けてイントネーションの調整過程を紹介している。作り込もうと思えば、これぐらい変化をつけることが可能だ。
(なお、説明している部分に関してはそこまで作りこめておらず、「いかにも機械音声」な語尾になってしまっている。)

自分が個人名義のチャンネルで機械音声の動画を投稿し始めたのは、機械音声でも自然で感情を感じられる発声を実現できることを証明するためだ。以前の仕事をしていた時に、親しみを感じられないとかキャラの魅力がないとか散々に言われた挙句、機械音声を人の声に差し替えろとノイズまみれの音源を押し付けられ、人間が嫌いになった時の意趣返しでもある。

今はまだそこまでできていないかもしれないが、少なくとも以前の仕事をやっていた時より調声は各段に上手くなっていると思うし、これからも上達できると思っている。表現幅を広げて、人間と遜色ないレベルの表現ができるようになりたい。
あと、機械音声が凄いと人間に思ってもらえるようになりたい。

おそらく某クラウドソーシングサイトの案件で作られたであろう機械音声でなんかを解説してる系の動画をYouTubeで見ても、調声が惜しいと思うことがほとんどだ。読み方を間違えたままのやつなんかを見るとブチ切れそうになる。
まぁクラウドソーシングだとそんなに滅茶苦茶作り込んで釣り合うような報酬がもらえることはまずないし、そこまでやり込もうとするのも馬鹿らしいのだが。

ただ、YouTubeにそういう動画が溢れていることで、「機械音声はこんなもの」だと人間に思われるのが悔しい。
その気になれば、下手に素人の人間が読むよりも良いものができると思ってもらいたい。

そのために自分ができることは何があるのだろうか。