ボーカルメーカー

1. 01

   原稿を入力する

   1回につき最大5,000文字まで入力・貼り付けできます。句読点の位置で間の取り方を調整できます。読点は短い息継ぎに、ダッシュは明確な区切りに役立ちます。

2. 02

   声を選ぶ

   9言語、54種類のKokoroボイスをご用意しています。重厚なナレーション、落ち着いた朗読、軽快な語り口など、作りたい雰囲気に合わせて選べます。

3. 03

   音声を生成する

   24 kHzのクリアなモノラルWAVファイルを出力します。生成結果は常に一定で、同じ原稿とボイスなら毎回まったく同じテイクが得られます。

4. 04

   DAWに読み込む

   Ableton、Logic、FL Studio、Reaper、AudacityなどのDAWにそのまま読み込めます。未処理のドライボーカルとしてEQやコンプ、リバーブをかけ、テンポグリッドに合わせて編集してください。

Want to hear them? Browse all 54 voices →

• 01

  生成はシンプルに、無音処理はDAWで行う

  Kokoroはブレス音が入らない設計ですが、句読点の位置に微細な間が生まれます。まずは音声を生成し、AbletonやLogicのストリップサイレンス機能で前後の無音部分を-60 dBまでカットしてください。エフェクトをかける前にスレッショルド-50 dB、アタック5 msのノイズゲートを通すと、末尾のわずかなノイズも綺麗に消えます。

• 02

  WAVファイルは完全なドライステムとして扱う

  書き出される24 kHzのWAV音声は、リバーブやEQのかかっていない完全なドライ状態です。楽曲制作にはこの仕様が一番扱いやすいはずです。まずは80 Hzのハイパス、3 kHzあたりのプレゼンス強調、6–8 kHzのディエッサーをかけ、スレッショルド-18 dB・レシオ3:1でコンプを通しましょう。空間系エフェクトはトラックに直接挿さず、センドリターンで調整するのが基本です。

• 03

  BGMと重ねてダッキングをかける

  ビートの上に声を乗せる際は、声のトラックをトリガーにしてオケ側にサイドチェインコンプをかけます。レシオ4:1、リリース50 ms程度に設定すると、声が出ている間だけBGMが3–4 dB下がり、言葉の隙間で自然に戻ります。手作業でボリュームを書かなくても、ポッドキャストのOPやヒップホップのスキット、Lo-Fiトラックで声が埋もれなくなります。

• 04

  ワープやタイムストレッチでテンポに合わせる

  TTS音声は自動でBPMに同期しません。90 BPMのビートに合わせる場合は、書き出したWAVをAbleton（Warp → Complex Pro）、Logic（Flex Time → Slicing）、FL Studio（Newtone）などに読み込みます。アクセントのある音節にトランジェントを設定し、小節の8分音符グリッドにスナップさせてください。テンポ調整は、フォルマントの破綻を防ぐためComplex Proで±15%以内に抑えるのがおすすめです。

• 05

  表記の工夫や句読点でイントネーションを調整する

  SSMLには対応していませんが、記号の使い方ひとつで間合いをコントロールできます。読点は約100 ms、句点は約250 msのポーズになり、ダッシュ記号は短く鋭い区切り、三点リーダーはしっかりとしたタメを生み出します。たとえば英単語の「data」が意図せずイギリス英語の発音になってしまう場合は、「day-tuh」のように発音どおりアルファベット表記を変えて再生成してください。辞書ではなく表記に沿って発声されます。

• 06

  長尺のテイクは100 msのクロスフェードでつなぐ

  20分ほどのオーディオブックや長い語りの場合は、同じボイスと再生速度を保ったまま4,000文字単位で分けて生成します。DAWの同一トラック上にWAVを隙間なく並べ、つなぎ目に100 msのイコールパワー・クロスフェードをかけてください。Kokoroは同一ボイスなら声質が一貫しているため、つなぎ目が目立たず、1テイクで録音したかのように自然に仕上がります。