AI音声で稼ぐ方法｜録音なしで作る、はじめてのナレーション

お店の紹介動画に声を入れたい。でも、自分で録ると周りの音が入る。読み間違えたところを録り直すのも面倒。

そうした依頼に、AIで作ったナレーションを届ける。今回はこの仕事を、架空の喫茶店の案内を使って組み立てます。

作るのは、テイクアウトの開始日やコーヒーの値段を伝える短い音声。自分の声を録音する必要はありません。用意するのはパソコン、イヤホンかヘッドホン、そして読み上げる文章です。

この記事には、練習用の台本、音声にする手順、読み間違いの直し方、3,000円で提案する場合の仕事内容、納品までの文面をまとめました。動画編集とBGMの制作は含めません。まずは、相手が動画に入れられる音声ファイルを1本作るところまで進めます。

今回使うのは、ElevenLabs

ElevenLabsは、文章から音声を作るサービスです。9月28日に発表された「Eleven v4」は、日本語を含む音声生成に対応し、文章中の指示で読み方や表現を調整できます。発表は今日ではありませんが、音声制作を始める読者が使うモデルに直接関係するため、今回取り上げました。公式発表

ただ、新しいモデルでも店名や数字が必ず正しく読まれるとは限りません。今回は細かい演出から入らず、ひとつの声で短い案内を作り、内容が合っているかを確かめます。

無料で練習することと、作った音声を仕事で使うことは分けてください。

目的：自分だけで操作や発音を試す今回の進め方：無料プランの範囲で練習する

目的：顧客へ納品する・営業用の見本として公開する今回の進め方：商用利用できる契約と声・モデルの条件を確認し、その条件下で新しく生成する

月払いのStarterは月6米ドルで、商用ライセンスが含まれます。税や為替などで円の請求額は変わります。ChatGPTなど別サービスの契約とは別料金です。料金表

無料プランで生成した音声は、その後に有料プランへ加入しても、そのまま販売用へ切り替えられるわけではありません。有料期間に生成し直します。また、Betaの機能は商用対象外とされているため、選んだ機能の表示や個別条件も確認してください。商用利用の公式案内

まず、この台本で1本作る

練習に使うのは「あおば焙煎室」という架空のお店です。下の情報だけを材料にします。「人気店」「こだわりの豆」など、材料にない売り文句は足していません。

項目：店名と読み方練習用の設定：あおば焙煎室／あおば ばいせんしつ

項目：お知らせ練習用の設定：10月12日からテイクアウト開始

項目：商品と価格練習用の設定：ホットコーヒー1杯、税込400円

項目：営業時間練習用の設定：11:00〜17:00

項目：定休日練習用の設定：水曜日

項目：音声の用途練習用の設定：店舗紹介動画に入れる案内

項目：長さの目安練習用の設定：30秒前後。生成後に測り、必要なら文章を短くする

台本は2種類に分けます。店名と数字を確かめる「確認用」と、AIに読ませる「発音用」です。

依頼者に見せる確認用

あおば焙煎室から、テイクアウトのお知らせです。
10月12日から、ホットコーヒーのお持ち帰りを始めます。
お値段は、1杯、税込400円。
営業時間は、午前11時から午後5時まで。
水曜日はお休みです。
あおば焙煎室のホットコーヒーを、テイクアウトでどうぞ。

実際の仕事では、契約と仮払いを確認してから台本を作成し、音声生成の前に依頼者へ送ります。内容と店名の読みを確認してもらってください。営業時間が違っていたら、音声を何度作り直しても正しい案内にはなりません。

ElevenLabsへ貼る発音用

あおば ばいせんしつから、テイクアウトのお知らせです。
じゅうがつ じゅうににちから、ホットコーヒーのお持ち帰りを始めます。
お値段は、いっぱい、ぜいこみ よんひゃくえん。
営業時間は、ごぜん じゅういちじから、ごご ごじまで。
すいようびは、お休みです。
あおば ばいせんしつのホットコーヒーを、テイクアウトでどうぞ。

店名と数字を、狙った読み方が伝わる表記にしました。ひらがなにすれば必ず直るわけではありませんが、誤読したときに修正する場所を見つけやすくなります。

編集部作成の図解。操作画面ではありません。

音声にする操作は、この順番

以下は実際に台本を入力して生成した画面です。設定や保存形式は公式の作成手順とText to Speechの説明にも照らしています。表示言語や翻訳状態によって、ボタンの日本語表記が異なる場合があります。

1．文章を入れる画面を開く

ElevenLabsへログインし、「Text to Speech」を開きます。これは「文章を音声にする」という意味です。自分の声の録音や、声のクローンを作る機能へ進む必要はありません。

手元でメモ帳なども開き、上の確認用台本を保存しておきます。あとで、出来上がった音声と照らし合わせるためです。

2．日本語の案内に使う声をひとつ選ぶ

声の選択欄から、提供されている声のサンプルを聞きます。声を探す画面では、言語や用途で絞り込めます。まず日本語の案内に合いそうな声をひとつ選び、声の名前を控えてください。

今回の画面では、声の選択欄を開き、言語を「日本語」、アクセントを「標準」に絞りました。試作に使った声は「Akira - Bright, Clear & Friendly」です。これは操作例として選んだ声で、日本語品質を比較して最も優れていると判定したものではありません。

左側で言語を絞り、声の候補から選択します。選べる声はアカウントや提供状況で変わります。

最初から何十種類も比べなくて大丈夫です。店の短い案内なら、値段と営業時間が聞き取れるかを先に見ます。声のサンプルを気に入っても、自分の日本語台本で同じように読めるかは別途確認します。

モデルの選択欄で「Eleven v4」を選びます。同じ項目が表示されないときは、表示中のモデル名と提供状況を確認してください。別モデルへ切り替えるときは、そのモデルの利用条件と操作説明に合わせます。

3．発音用の文章だけを貼って、生成する

上の「ElevenLabsへ貼る発音用」の枠内をすべてコピーし、文章の入力欄へ貼り付けます。

ここでは「この文章を30秒で読んでください」といった依頼文は加えません。その文章まで読み上げる可能性があるためです。タイトルや確認用の表も貼らず、声にしたい文章だけにします。

声とモデルが選ばれていることを確かめ、生成に必要なクレジット表示を確認してから「Generate Speech」を押します。クレジットは、音声生成に使う利用枠のことです。保存しなくても、生成した時点で消費します。やり直しが無料になる条件もありますが、毎回無料とは考えず、画面表示を見て判断します。生成時の消費について

左の広い欄に発音用台本を貼ります。右で声とモデルを確認し、入力欄下の「音声を生成する」を押します。今回の設定は安定性0.5、類似性0.75の初期値です。

4．完成したら、まず1回、最後まで聞く

今回の試作では、160文字と表示された入力から、テイク1・テイク2の2候補ができました。テイク1のプレーヤーは「0:22」と表示され、再生データの長さは約22.99秒でした。同じ文章でも声や生成結果で長さが変わるので、「30秒用の台本」として秒数を保証することはできません。

生成結果の左の再生ボタンで候補を切り替えます。この画面は無料枠での非公開練習です。生成できたことと、発音の検品に合格したことは分けて確認します。

確認用台本を横に置き、音声を最初から最後まで再生します。気になった部分は「0:08 店名の読み」のように、場所と内容をメモします。再生時間も控えてください。

この段階で確かめるのは、次の5点です。

加えて、途中で言葉が切れていないか、最後まで再生できるかを確認します。合っていれば、直すためだけの再生成はしません。

編集部作成の手順図。生成後は音声を聞いて確かめます。

読み間違えたときは、ここへ戻る

たとえば「焙煎室」が不自然に聞こえたとします。これは想定例で、今回その誤読が実際に出たという記録ではありません。

まず、発音用の店名を「あおば、ばいせんしつ」と区切って試します。文章全体、声、設定を一度に変えると、何が効いたか分からなくなるので、最初は店名の表記だけを変えます。

困ったこと：店名が違って聞こえる最初に直す場所：発音用だけをひらがなにし、区切りを調整直したあと：店名を聞き直す。改善しなければ、その短文で別の声を試す

困ったこと：「400円」「17時」が聞き取りにくい最初に直す場所：「よんひゃくえん」「ごご ごじ」と読みを書く直したあと：確認用の数字へ戻り、意味が同じか確かめる

困ったこと：説明まで読んでしまう最初に直す場所：入力欄から説明や見出しを削る直したあと：発音用の本文だけになったか見る

困ったこと：長すぎる最初に直す場所：最後の、店名と商品の案内を繰り返す1文を削る直したあと：開始日・値段・営業時間・定休日が残っているか確認し、再度時間を測る

困ったこと：声や間が不自然最初に直す場所：まず句読点を調整。そのあと必要なら声を変更直したあと：直した部分だけでなく全編を聞く

困ったこと：利用枠が足りない最初に直す場所：生成を止め、残量と契約を確認直したあと：課金するか、次の利用枠まで待つかを自分で決める

v4には速度調整のスライダーがありません。長さを変えたいときは、まず文章の重複を減らします。30秒ぴったりなど厳密な指定がある仕事は、実測して合わせられることを確認する前に引き受けないでください。v4の設定

内容を短くした場合は、確認用の台本も同じ意味に直します。「発音用だけ新しくて、納品した台本は古い」という食い違いを残さないためです。

どう直しても名前が読めないときは、その状態で納品せず、声や表記を変えて再試作します。納期に間に合わない場合も、できたことにして送らず依頼者へ相談します。

保存するのは、音声と台本

生成後のダウンロードから、まずMP3形式で保存します。以前の生成結果は「History（履歴）」から選んで保存できます。画面が狭い場合は、履歴がアイコン表示になることもあります。保存方法

今回の画面では、右側の設定の隣にある履歴タブから、該当する音声を選び、下向き矢印の保存ボタンを押すと形式を選べました。日本語表示では履歴タブが「沿革」と表示されていました。最上段の「MP3 44.1kHz / 128kbps」が今回選んだ形式です。

右側の履歴から、対象音声の下向き矢印を開いたところ。保存したあと、実ファイルの再生まで確認してください。

保存したファイルが見つからないときは、ブラウザのダウンロード一覧から該当ファイルを探し、保存先のフォルダを開きます。ChromeのWindows版なら、Ctrl＋Jで一覧を開けます。

保存したMP3を、パソコン側で開いて再生してください。ブラウザで聞けたことと、相手に渡すファイルが正しいことは別の確認です。

フォルダは、たとえばこうまとめます。これは保存方法の例で、音声ファイルを作成済みという意味ではありません。

aoba_takeout_納品/
  aoba_takeout_final.mp3
  台本_確認用.txt
  お読みください.txt

「お読みください」には、用途、再生時間、修正窓口を短く書きます。

内容：あおば焙煎室 テイクアウト案内
音声：aoba_takeout_final.mp3
再生時間：［保存したファイルで測った時間］
台本：添付の「台本_確認用.txt」をご確認ください。
読み違いやファイルの不具合があれば、該当箇所をお知らせください。
AI音声による制作です。合意した動画のナレーション用として納品します。

この枠の［ ］は、実測した時間へ置き換えます。発音用の台本、使った声とモデル、生成日、利用プラン、修正履歴は、自分の制作記録として別に残しておくと、後日の修正時に戻れます。

依頼者がWAV形式を指定した場合は、履歴の保存形式を確認してください。MP3のファイル名を「.wav」に変えても変換にはなりません。指定形式で用意できるかは、契約前に確かめます。

では、誰にどう売る？

今回の提案先は、クラウドワークスで音声制作を依頼している人です。自分の出品ページを作って待つより、先に依頼内容を読み、今回作れるものと合う募集を探す形にします。

検索には「AI ナレーション」「ElevenLabs 音声」「店舗紹介 ナレーション」などを使います。ただし、検索結果に出たら応募できるわけではありません。人間の声の録音が条件なら、この方法では対象外です。

実際に、ElevenLabsを使った音声制作を1件3,000円税込で募集した過去の案件は確認できました。ただし募集は終了済みで、依頼者側の有料環境を使う条件でした。今回の「短い店舗紹介を、自分の環境で作る」案と同条件ではありません。3,000円が相場であるとか、今すぐ受けられる仕事があるという根拠にはしません。

応募前に見るのは、AI音声が使えるか、原稿の長さ、指定の声・ツール、納品形式、修正範囲です。AI可でも別の音声ソフトを指定している募集や、長い動画全体の編集まで求める募集は、今回の練習とは作業が変わります。

「AIで作れます」だけで応募するより、「この条件で、このファイルを渡せます」と伝えられる状態を目指します。

3,000円で提案するなら、範囲を決める

今回の3,000円は、相場として確認した金額ではありません。台本作成と読み方の確認を含めた、編集部の提案額です。

近い条件を探すと、ココナラには「30秒程度・150文字まで、音声ファイルと軽微な修正1回」で2,000円、原稿作成を加えると合計4,000円になる出品がありました。ただし、そのサービスの販売実績表示は0件。買い手が実際に支払った金額とは区別します。（出典：ココナラ、サービス番号3572258）

別の「支給原稿500文字まで、WAV納品」のAI音声サービスは2,000円の掲載価格で、サービスの販売実績は1件でした。こちらも個別の成約金額や内容までは公開情報で確認できず、今回の30秒・台本作成込みとは条件が異なります。（出典：ココナラ、サービス番号2713778）

この少数の例から「30秒の相場は3,000円」とは言えません。以下は見積もりのたたき台として使い、実際の募集予算、自分の制作時間、修正範囲に合わせて判断してください。

項目：契約金額提案例：3,000円税込

項目：制作内容提案例：提供情報から短い台本1案、声1種類、音声1本

項目：長さ提案例：30秒前後を目標。厳密な秒数は事前相談

項目：納品提案例：MP3と確認用台本

項目：含める修正提案例：同じ台本・同じ声で、読み方や間の調整を1回

項目：自分のミス提案例：読み違い・合意内容との不一致は、上記1回とは分けて対応

項目：別途相談提案例：台本の大幅変更、声の変更、別パターン追加、動画編集、BGM

項目：着手条件提案例：AI利用と仕様への合意、契約と仮払いの確認。その後、台本作成・承認、音声生成の順

依頼者が「女性の落ち着いた声」を希望しているのに、納品直前に「男性の元気な声」へ変更すると、ほぼ作り直しになります。だから、声の方向性は契約前にすり合わせ、台本は仮払い後に作成して承認を受けます。「30秒前後」の許容範囲も、依頼者と秒数で決めておきます。

最初の提案文は、次のように書けます。音声見本を用意できた場合だけ、その箇所を具体的なファイル名に置き換えてください。無料プランの練習音声は営業用見本に流用せず、商用利用できる条件で作り直します。

募集内容を拝見しました。
AI音声の利用が可能でしたら、短い店舗紹介ナレーションをご提案できます。

ご提供の店名・商品・料金・日時をもとに台本を1案作り、
内容と声の方向性を確認いただいた後に音声を制作します。

今回の提案は3,000円税込で、30秒前後を目標とする音声1本と台本です。
納品形式はMP3、同じ台本・同じ声での読み方の調整を1回含みます。
動画編集とBGMは含みません。

使用予定：ElevenLabsの商用利用可能な条件で生成するAI音声
見本：［商用利用条件を満たして自作した見本を添付。未作成ならこの行は削除］

用途、希望の長さ、希望納期、店名や固有名詞の読みを伺えますか。
条件を確認してから、対応可否と納期をお返事します。

クラウドワークスでは、AIを使うことについて相手と合意を取り、募集条件を守ります。人が録音したと誤認される説明や、本人の許可なく有名人の声を再現する提案はしません。AI利用の案内

3,000円が、そのまま手元に残るわけではない

クラウドワークスの10万円以下の報酬部分にかかるシステム利用料を使うと、3,000円税込の契約に対する手数料は税込660円。差し引きは2,340円です。公式の手数料説明

ここから音声サービスの費用などを考えます。下は、月額の実請求が仮に1,000円で、全額をこの仕事に割り振る場合の計算例です。月1,000円のプランがあるという意味ではありません。

計算するもの：1件の契約金額月に1件の場合：3,000円月に5件の場合：3,000円

計算するもの：1件のシステム利用料月に1件の場合：660円月に5件の場合：660円

計算するもの：月額1,000円を件数で割った分月に1件の場合：1,000円月に5件の場合：200円

計算するもの：差し引き／1件月に1件の場合：1,340円月に5件の場合：2,140円

これは、追加生成費・振込手数料・税・自分の作業時間を引く前の金額です。月額内の生成費を含めているため、同じ費用をもう一度引かないようにします。追加費用が発生したときだけ、別に記録してください。

作業時間には、音声を作る時間だけでなく、募集を探す、連絡する、台本を確認する、聞き直す、修正して送る時間も入れます。最初の練習では開始と終了の時刻をメモし、何分かかるかを先に把握すると、引き受ける条件を決めやすくなります。

依頼が来たら、制作の前にこの1通

相手から返事が来ても、情報が足りないまま生成を始めないようにします。次の項目を埋め、認識が同じか確認します。

制作条件の確認です。

使用する場所：［店舗紹介動画／Web広告など、実際の用途］
AI音声の使用：［依頼者に確認した内容］
店名・固有名詞と読み：［正式表記／読み］
必ず入れる情報：［商品、価格、日時など］
希望の声：［落ち着いた声など。候補を確認して確定］
長さ：［目安と許容範囲］
納品形式：［MP3など］
納期：［合意する日付と時刻］
金額：［税込金額］
修正：［対象と回数。台本・声の変更の扱い］

条件に問題がなければ、契約・仮払いの確認後に台本を作成します。
台本をご確認いただいてから、音声を生成します。

クラウドワークスで固定報酬の仕事を受ける場合は、契約と仮払いを確認してから作業します。ファイルを渡したら、契約画面の「納品する」から納品を報告し、相手の確認・検収を待ちます。相手から返信が来た時点と、支払いが確保された時点を混同しないようにします。固定報酬の進め方

最後は、保存したファイルを通して聞き、確認用台本と一致しているかを確かめます。修正版を作った場合は、前のファイルを誤って添付しないよう、送信するフォルダを開いて確認してください。

ご確認いただいた台本をもとに、音声と台本を添付します。

・音声：［実際に添付するファイル名］
・再生時間：［実測値］
・台本：［実際に添付するファイル名］

ご利用環境で再生できるか、店名・金額・日時に相違がないかをご確認ください。
修正のご希望は「何秒ごろの、どの部分を、どう変えたいか」で
まとめてお知らせいただけると対応しやすくなります。

応募しても返事がないときに見るところ

先に値下げするより、応募した仕事とのずれを見ます。

人の声が条件の募集へAI音声を提案していないか。音声だけの見積もりなのに、相手は動画編集まで頼みたいのではないか。見本の店名や金額が聞き取りにくくないか。納品するものと、含まない作業が伝わっているか。

返事がない理由は、文章だけでは確定できません。応募先、条件、送った見本、返答の有無を残し、次は変える点をひとつ決めます。声の修正が必要なのか、提案先を変えるべきなのかを分けて考えます。

最初の練習では、まず「あおば焙煎室」の台本を保存してください。音声ができたら、店名・400円・10月12日・営業時間・水曜日の5点を聞き取り、実際の再生時間を書き込みます。その記録がそろってから、自分が引き受ける商品の条件を決めていきます。