Makinaプラットフォーム・ガイド：テキスト音声変換スタジオ（Text to Audio Studio）

テキスト音声変換スタジオ (Text to Audio Studio)

オーディオブック、ポッドキャスト、長尺のナレーションといった大規模なプロジェクト向けに特別に設計されています。短いテキストの処理を想定した一般的なテキスト読み上げツールとは異なり、このスタジオでは、単一のワークスペース内でドキュメント全体の管理、編集、生成を行うことができます。

主な特徴

一括インポート（Bulk Import）：書籍全体やテキストを、Word文書（.doc, .docx）として直接アップロードする

1. スマートセグメンテーション（Smart Segmentation）：システムがアップロードされた文書を、管理可能な行や章に自動的に分割します。これにより、各文や段落を個別の単位として扱い、必要に応じて異なる設定や修正を適用することが可能になります。

統合翻訳（Integrated Translation）：プロジェクトの設定時に「Translation」ボタンを有効にすると、音声生成の前に、アップロードしたドキュメント全体を100以上の言語へ自動的に翻訳することができます。

自動生成（Automated Production）：プロジェクトの準備が整えば、「変換（Convert）」ボタンをワンクリックするだけで、プロジェクト全体の音声を一括生成できます。

Studioでプロジェクトを作成する方法

1. プロジェクト情報：プロジェクトにタイトルを付けてください（例：「私の初めてのオーディオブック」）。
2. コンテンツのソース：Wordファイルをドラッグ＆ドロップしてください。
3. テキスト処理：以下から選択してください：
4. 基本(Basic): 標準的なテキストの高速処理。
5. AIによる強化（AI-Enhanced）：文書全体にわたり正確な発音と母音記号（タシュキール）を保証する高度な処理（アラビア語に最適）。
6. 翻訳（任意）：ソーステキストを別の言語に変換したい場合は、「Enable Translation」オプションを有効にしてください。
7. 作成（Create）：「Create Project」をクリックします。その後、ワークスペースに移動し、そこでクリップの確認や一括生成プロセスの開始を行うことができます。

こちらの記事を読んで、手軽なステップでオーディオブックを制作する方法について詳しく学びましょう：

https://moknah.io/blog/2025/7/27/convert-book-to-audiobook-in-15-minutes/

プロフェッショナル向けガイド：AIによるアラビア語音声生成の完全マスター

スキル、テクニック、ベストプラクティス

AI音声生成ツールの究極の目標は、クレジットの消費を抑えつつ、極めて自然な表現で最高品質の音声を生成することです。Maknahでは、プロフェッショナルなナレーションを実現するための高度なツールを提供しています。本ガイドでは、そのために必要な基本スキルを解説します。

1. 区分けの技法（テクストの準備）

AIモデルは、テキストの構成を逐語的にたどります。テキストをどのように分割するかによって、パフォーマンスの質、リズム、そしてコストが決まります。

問題：テキストブロック（The Text Block）

長い段落を分割せずに貼り付けた場合、フォームはその段落を1行として扱います。

1. その結果、AIは長い文を言い終えようと急ぐことが多く、不自然な速さになってしまいます。
2. コスト：単語が一つでも間違っていると、段落全体を再生成する必要があり、クレジットを無駄に消費してしまいます。

エラー：ランダム分割

文の途中でランダムにEnterキーを押すと、AIはその指示に従い、強制的に……

各行の末尾での休止（スクーン／無母音化）。

1. その結果、音声が途切れがちで不自然なものとなり、文法的な誤りも増加します。これは、AIが文全体の構造に基づいて発音（母音記号の付与）を決定するためです。

プロフェッショナルな解決策：意識的な分割

1. ルール1 ：句読点（カンマ、ピリオド、セミコロン）に基づいてテキストを分割する。
2. ルール2：原文に句読点がない場合は、ご自身で補ってください。特に接続詞（「そして」、「しかし」など）の前には必ず追加してください。
3. 黄金のルール：文章を声に出して読んでみましょう。息継ぎのために自然と間を置くところで、新しい行を始めてください。
4. 長尺のコンテンツには、テキスト読み上げスタジオをご利用ください。Word文書を丸ごとアップロードできるよう設計されており、自動的に分割処理を行ってくれます。
5. 成形および加工

質問：テキスト全体に手動で母音記号（タシュキール）を付ける必要がありますか？ 回答：いいえ。過度な手動付与はモデルに多くの制約を課すことになり、モデルが本来持っている（複製元の人の声から継承した）自動的な発音・抑揚の能力を損なう恐れがあります。

ソリューションA ：AIによる処理（マジックボタン）

この機能（インターフェース上で利用可能）は、あなたの秘密兵器です。これを選択すると、システムは……

自動的に：

1. アラビア語テキストの文脈に応じた母音記号付与
2. 必要な句読点を追加する。
3. 誤植の修正
4. 結果：手作業なしで、発音に関する問題の99%を解決します。
5. 解決策B ：戦略的マニュアル・フォーメーション

基本的な正規化（Basic Normalization）を使用する場合は、最小限のアプローチに従ってください。

1. 何に母音記号を付けるか：読みづらい単語や、複数の意味を持つ単語のみです。
2. 方法：単語全体に母音記号を付ける必要はありません。読み間違いの原因となる特定の文字にだけ、記号を付ければ十分です。
3. 例：kutiba（受動態）と kataba（能動態の過去形）を区別するには、最初の文字にダンマ（母音記号 u）を付けるだけです：kُtiba。
4. テキストの書式設定ルール

このテンプレートでは、すっきりとしたシンプルなテキストが推奨されます。以下の書式設定ルールに従ってください。

1. ✅ 数字を言葉に変換する：複雑な数字（日付や通貨など）やその文法的な扱いは、モデルにとって処理が難しい場合があります。「2020」ではなく「2020年（二千二十年）」と記述してください。
2. ✅ ダッシュ（-）を使用する：挿入句には許容されますが、カンマの方が好まれます。
3. ❌ リスト形式は不可：箇条書き（Bullet points）は使用しないでください。
4. ❌ 文字の引き伸ばしはNG：引き伸ばし（カシーダ）は避けてください（例：مـرحـبـاً）。
5. ❌ スラッシュやアンダースコアは使用しない：/ や _ は避ける
6. ❌ 連続した点（…）の使用は避けましょう。ためらいや言葉が消え入るようなニュアンスを意図的に表現したい場合を除き、文を区切るために複数の点を使用しないでください。

外国語の文字（P, G, V, CH）のトリック

アラビア語にはP、G、Vといった音が存在しません。アラビア語のテキスト内でAIに外国語の固有名詞を正しく発音させるには、ウルドゥー語やペルシア語の文字を使用してください。

これらの文字は次の通りです：

🟢 文字「ペー」（پ）

🔸 文：

友人と一緒にパキスタンへ旅行しました。

代替：パキスタン

🔹 解説：「پ」という文字は「P」のように発音され、これが「Pakistan 」の正しい発音です。

🟢 文字 چ (チェ)

🔸 文：

インドで美味しいチャイを見かけました。

代わり：お茶（対格または主格）

🔹 解説：「چاي」という単語はウルドゥー語でこのように表記され、発音は「chai（チャイ）」のようになります。

🟢 文字 ٹ (テ)

🔸 文：

ブリキ工場で働きました。

「ティーン（تين）」の代用：一部の外国語の固有名詞における「硬音（強勢音）」を表すため。

🔹 解説：「ٹ」は硬音の「タ」の音で、通常「سعید ٹيچر」（サイード・ティーチャー／サイード先生）といった名前などで使われます。

🟢 文字 ڈ (ダール)

🔸 文：

病院で医師に会いました。

肩書：博士

🔹 解説：「ڈ」という文字は、硬口蓋音の「D」（「D」を硬口蓋で発音する音）のように発音され、ウルドゥー語において英語から取り入れられた単語によく見られます。

🟢 文字 ڑ (ڑے)

🔸 文：

山の近くの村に住んでいました。

パハール = 山

🔹 解説：「ڑ」は硬音の「ラ」の音（そり舌音）で、「پہاڑ」（山）のような単語で使われます。

🟢 文字 گ (ガーフ)

🔸 文：

私たちは短い旅行でグジャラートへ行きました。

代替案：措置

🔹 解説：「گ」は G のように発音され、州名「グジャラート（Gujarat）」の発音においてこの表記が適切です。

🟢 文字 ے (バリー・イェー)

🔸 文：

モスクでアリーに会いました。

代役：アリー

🔹 解説：「ے」は名詞の末尾で、イマーラ（母音変化）した「ヤー」や長母音の「ヤー」を表すために用いられます。

🟢 文字 ں (鼻音化するヌーン)

🔸 文：

こちらはマディーナ出身のアフマドです。

語末における鼻音「ヌーン」の表現

🔹 解説：「ں」は鼻にかかった軽い「ン」の音として発音され、ウルドゥー語、特に名詞の語尾でよく見られます。

1. パフォーマンスと感情のコントロール
2. AIにニュースキャスターではなく俳優のように振る舞うよう指示することができます。これはモードや設定を通じて行います。
3. レベル1 ：モードの選択
4. 生成画面に、「Enable Emotions & Dialects Mode」というチェックボックスが表示されます。
5. A. 標準モード（チェックボックスは未選択）
6. 用途：プロフェッショナルなナレーション、オーディオブック、eラーニング。
7. 操作方法：
8. 一時停止：沈黙を強制するには、新しい行にこのタグを追加してください：

1. 軽い感情：文脈または行末の記述タグを使用（試験的）：花を見つめた……

b.感情・アクセント設定（チェックボックス選択済み）

1. 最適：ドラマ、ゲーム、キャラクターのセリフ。
2. 操作方法：
3. 感情タグ：文頭で感情を英語で記述し、波括弧 { } を使用する必要があります。
4. 形式：{Emotion} ここにアラビア語のテキストを入力してください。
5. 例： {Shouting} 叫び声 // {Whispering} ささやき // {Laughing} 笑い声 // {Sighs} ため息。

レベル2：音声設定

スライダーを使用して出力を微調整します：

1. 温度(Temperature):
2. 低（硬質）：安定しており、一定で、やや機械的。ニュースに適している。
3. 高（柔軟）：より創造的かつ感情的。警告：高く設定しすぎると、不安定さや聴覚的幻覚を引き起こす可能性があります。
4. 類似性(Similarity):
5. 複製元のオリジナル音声との類似度を調整します。精度を高めるには、高い値に設定してください。
6. 表現力 (Expressiveness):
7. 感情の幅を広げます。慎重に使用してください。長いテキストの場合は、安定性を保つために低めに設定してください。
8. 方言の習得
9. 黄金律：アラビア語の方言（サウジアラビア、エジプト、ヨルダンなど）において、音声はテキストと一致している必要があります。
10. エジプト方言で文章を作成する場合は、エジプト方言に対応した音声を選択する必要があります。
11. 標準アラビア語を話す音声に、無理やり口語（アーンミーヤ）を話させようとしないでください。不自然な仕上がりになってしまいます。
12. プライミング（先行刺激）のトリック：
13. AIが即座に方言を認識できるようにするには、その方言を象徴する力強い言葉から文章を書き始めてください。
14. 例：中立的な表現で始める代わりに、「元気？調子はどう？」といった言葉から始めてみましょう。そうすることで、その後の文章全体を通して、エジプトらしい雰囲気を維持することができます。

Makinaガイドの次の記事へ移動