ショート動画のAIナレーション:視聴を引き留める声の選び方
声は一度選んだら、100本の動画で付き合い続けることになる唯一の制作上の選択です。20分かけて考える価値があります。

AutoShort編集チーム
ショート動画ガイド
2026年8月9日 · 1 分で読めます

ほとんどの人は、5つのサンプルを聞いて、単体で聞いたときに一番人間らしく聞こえる声を選びます。でもそれは間違ったテストです。あなたの動画の声を単体で聞く人はいないからです。視聴者は映像の上で、字幕と一緒に、速いテンポで、スマートフォンのスピーカーから、騒がしい部屋で聞いています。
本当に重要なこと
話す速さ。 ショート動画のナレーションは、1秒あたり2.0〜2.4語(英語の場合)が適切です。それより遅いとドキュメンタリーのように聞こえて視聴者が離れ、速いとスマートフォンのスピーカーでは聞き取れません。
声の高さの安定感。 強調のために抑揚を大きくつける声は、1行だけなら印象的ですが、1分続くと疲れます。
子音の明瞭さ。 スマートフォンのスピーカーでは、温かみよりも中音域の明瞭さが必ず勝ちます。ヘッドホンで美しく聞こえる声も、ほとんどの人が実際に使う音量ではこもってしまうことがあります。
一貫性。 何を選んでも、変えないこと。チャンネルとは、何よりもまず声なのです。

アクセントの問題
自分の好みではなく、視聴者に合わせましょう。視聴者の大半がアメリカ人なら、あなた自身がどんな声を聞くのが好きかにかかわらず、アメリカ英語の声のほうがテストで良い結果になります。これはアクセントの良し悪しの話ではなく、なじみの話です。聞き慣れないアクセントを脳が処理するには一瞬の時間がかかり、ショート動画の最初の1秒には、その余裕がありません。
最初の一文
ナレーションの最初の一文は、ほとんどの視聴者が耳にする唯一の一文です。後に続く文がひとつもなくても成り立つように書きましょう。「今回の動画では」も、前置きも、お膳立ても不要です。面白いところから始めて、説明は後にします。

視聴維持率を下げるミス
- 冒頭の無音。 0.5秒の空白で、スクロールされます。
- 映像より先に進んでしまうナレーション。 声が次へ進んでいるのに映像がそのままだと、誰も理由を説明できなくても、動画が壊れているように感じられます。
- 字幕をそのまま読み上げる。 書かれていることと話されていることに少し違いがあると、どちらにも注意を向ける価値が生まれます。
- 声より大きいBGM。 音楽は下に敷くもの。常にです。
当て推量ではなくテストで
同じ動画を2つの声で作り、1週間空けて両方を投稿します。比べるべき数字は3秒時点の視聴維持率で、何かを教えてくれるのはそれだけです。それ以外はすべて意見にすぎません。この記事も含めて。


