声づくり練習帳

声づくり練習帳

AIボイスチェンジャーに通す前の「元の声」を整える練習ツールです。地声と同じ台本・同じ母音で比べて、変化をその場で表示します。

安全のために：喉が痛い・かすれる・咳が出るときはすぐ中止してください。1回の練習は15〜20分までにして、最後は楽な地声で少し話して終わります。声のかすれが2週間以上続くときは耳鼻咽喉科を受診してください。裏声（ファルセット）に逃げる・喉を締めて押す・息を大量に混ぜる、の3つは変換の質も落とすので避けます。

  1. 1マイクを開始
  2. 2地声を登録
  3. 3練習 W→A→B…
このツールの考え方（最初に読んでください）
変換後に残るのは「話し方」声色はAIがほぼ作り直します。抑揚・語尾・リズム・子音のはっきりさ・声の途切れは、変換後もそのまま残ります。練習の主役はこちらです。
籠りの多くは設定で直る籠りの原因の多くは、モデル・設定・マイク・部屋です。下の「籠りの原因の切り分け」で、まず設定から確認してください。
最後は変換後の声で確かめるボイチェンなしの数値が良くなっても、変換後が良くなるとは限りません。同じ文を「ボイチェンなし」と「ボイチェン後」で録って聴き比べるのがゴールです。

1. 準備

マイクは停止中です。「マイクを開始」を押してください。

声の大きさ—
マイクから口までの距離と声の大きさは、毎回なるべく同じにします待機

ボイチェン後の声をこのツールに入れる方法
  1. 「VB-Audio Virtual Cable（VB-CABLE）」を入れます。PCの中で音を受け渡すための、見えないケーブルのようなソフトです。
  2. VC Client など、ボイスチェンジャーの出力先を「CABLE Input」にします。
  3. このページの「入力」で「CABLE Output」を選び、「いま入れている声」を「ボイチェン後の声」にします。
  4. 変換後の声は、ボイチェンなしの声とは別に地声の基準を登録します（ボイチェンなしの声の基準とは混ぜません）。
  5. 練習中に変換後の声をイヤホンでずっと聴くのはおすすめしません。少し遅れて聞こえる自分の声は話しにくくなるので、録音して後から聴きます。

地声を登録する（最初に1回）

いつもの話し声・いつもの大きさで、下の文を自然に読んでください。10秒で止まります。高さと抑揚の基準になり、練習Fの比較にも使います。

先に「マイクを開始」を押してください 未登録
マイクとの距離の目安（籠り対策）

2. 練習メニュー

練習時間 0:00

左上から順に進めます。1回の流れは「W ウォームアップ → 練習を1つ（5〜10分）→ 同じ文を録って聴き比べ → 楽な地声で少し話す」です。別々の日に3日成功したら次の練習へ進む目安です（1日で何回成功しても1日分）。

3. いまの声

— —

高さ（地声比）—
単位は半音。+12で1オクターブ上待機
抑揚の幅—
直近6秒の高低差（半音）。目標は地声の幅＋2〜6待機
息っぽさ（基準比）—
声の芯の強さ。マイナスが大きいほど息っぽくかすれた声待機
声の軽さ（基準比）—
参考表示。喉を押すと下がり、力を抜くと上がる。同じ母音・同じ高さ（±1半音）のときだけ出す待機
「イ」の響き（基準比）—
口の中の響きの位置。高いほど小さく明るい響き待機
明るさ（基準比）—
高い帯域の響き。声の大きさが基準とそろっているときだけ測る待機

4. 録音して聴き比べる

文の練習は「録音 → 聴き返す → 数値で確認」の順が基本です。テイクは「ボイチェンなしの声」「ボイチェン後の声」の区別つきで記録されます。同じ文を両方で録って並べてください。

先に「マイクを開始」を押すと録音できます。
テイク入力再生・保存高さ（地声比）抑揚の幅語尾の安定息っぽさ明るさ（同じ文）高さが取れた割合高さの飛び
表の読み方
語尾の安定
文の区切りの最後0.2秒が、ガラガラ・プツプツせずに同じ高さで鳴っていた割合です。80%以上が目標です。
高さが取れた割合
声が出ている時間のうち、高さを読み取れた割合です。子音があるので100%にはなりません。地声やお手本と比べて大きく低いときは、息っぽさ・語尾のガラガラ・裏声が原因のことが多く、ボイチェン後に途切れや機械っぽさが出やすくなります。
高さの飛び
高さが一瞬で8半音（ピアノの鍵盤8つ分）を超えて跳ねた回数です。ボイチェン後の声で多いときは、変換が不安定になっています（入力の高さ・息っぽさ・設定を見直します）。
明るさ（同じ文）
地声の登録と同じ文を、同じ大きさで読んだテイクだけ表示します。声の大きさが3dB以上違うときは比べません。
これまでの記録（数値のみ、このパソコンのブラウザに保存）
日時練習入力高さ（地声比）抑揚の幅語尾の安定息っぽさ高さが取れた割合高さの飛び

音声そのものは保存されません。残したいテイクは表の「保存」でパソコンに保存してください。

籠りの原因の切り分け

変換後の声が籠るとき、まず右側（設定）から確認します。練習で直るのは左側です。

練習で直るもの
  • 語尾のガラガラ・プツプツ（ボーカルフライ）
  • 平坦な話し方、不自然に大げさな抑揚
  • 子音がはっきりしない、早口
  • 息っぽすぎる声、裏声への逃げ
  • 入力の高さが低すぎる（ピッチ設定を大きく上げすぎる原因）
  • 男性的な響きのわずかな残り（練習Eで少し減る）
設定・機材で直すもの
  • モデルの質（学習データの質や音質）
  • index（モデルの声に寄せる度合い）が高すぎて発音がぼやける
  • 高さの読み取り方式（RVCなら rmvpe を選ぶ）
  • チャンク（一度に変換する長さ）が短すぎて音が乱れる
  • 入力が小さすぎる・音割れしている
  • マイクに近すぎて低音がこもる（近接効果）、部屋の反響
  • Discord・OBS・Windows側のノイズ抑制や音声強調
  • 最後の音質補正（EQで低音を少し削り、高音を少し足す）

数値の読み方

高さ（半音）
声の高さ（基本周波数・F0）を、地声からの音程差で表します。半音はピアノの隣り合う鍵盤1つ分です。
変換後の推定
ボイスチェンジャーの高さ（ピッチ）設定は「何半音上げるか」です。今の声の高さにその設定を掛けると、変換後のおおよその高さが出ます。可愛い少女声の話し声は、だいたい250〜350Hzが目安です。入力を少し高くしておくと、ピッチ設定を上げすぎずに済み、変換が崩れにくくなります。
抑揚の幅（半音）
話している間の高さの上下の幅です。誤検出の外れ値は除いて計算します。日本語は単語ごとに高低（アクセント）が決まっているので、大げさにしすぎると不自然になります。目標は地声より2〜6半音広い範囲です。
息っぽさ（dB）
CPPという、声の周期性（芯の強さ）を表す値の基準との差です。息が多い・かすれるほどマイナスになります。息っぽい声はボイスチェンジャーが高さを読み取りにくく、途切れや機械っぽさの原因になるので、−3dBより下がらないようにします。
声の軽さ（dB）
声の一番低い成分（第1倍音）と、その2倍の成分（第2倍音）の差（H1−H2）です。母音や高さが変わるだけで大きく動くため、同じ母音・同じ高さ（基準から±1半音）のときだけ表示します。それでも誤差が大きいので、成功の判定には使わない参考の値です。
「イ」の響き（F2）
フォルマントと呼ばれる口の中の共鳴のうち、2番目のものです。舌の位置や喉の高さで変わります。同じ母音「イ」どうしで、声の高さが350Hz以下のときだけ測ります。
明るさ（dB）
2〜5kHzの響きと、100〜1500Hzの響きの比率です。dB（デシベル）は音の強さの比で、+3dBでおよそ2倍。声を大きくする・息を混ぜるだけでも上がってしまうので、声の大きさが基準と±3dB以内、息っぽさが基準並みのときだけ判定します。