VoxCPM2で作った自分のボイスクローンでnote記事をポッドキャストにしてみた

こんばんは。ほったりたです。

昨日、ローカルで動くTTSを試している連載の第5回として、
「VoxCPMで自分の声をクローンして読ませた」という記事を公開しました。

正直、漢字の読み間違いなどはあるとしても、どもりがちな僕に比べると
AI音声の方が引っかからずに読んでくれるのですね。AIに負けているのです。笑

というわけで今回は、せっかく自分の声をクローンしたので、
昨日のnote記事を、自分の声のポッドキャストにしてみます（以下の記事をPodcastにしています）

先に、できあがった番組がこちらです。

ここから書くのは、あくまで僕の環境で、僕がやってみた範囲の話です。
正解のやり方というより、こうしたら楽しかった、という記録だと思って読んでもらえるとうれしいです。

最初は「記事をそのまま読み上げ」させてみた

いちばん最初にやったのは、いたって単純でした。
昨日の記事の本文を、そのまま全部、自分の声のクローンに読み上げさせたんです。

できたのが、約6分半の音声でした。

で、聴いてみました。

なんだろう。すごく退屈。笑

長いだけで、ポッドキャストっぽさがまるでありません。

理由としてはnote記事は「読む」ために書いた文章ですよね。
だから、これを音声にしても記事の硬さがそのまま耳に届いてしまう。
（硬い感じで書いてるのは僕の責任ですが。。）

ここで、「読み上げ」だけだとつまらないという印象を受けました

「読む文章」を「話す言葉」に書き直す

そこでやったのが、台本の書き直しです。
記事の内容はそのままに、「読む文章」を「話す言葉」に変換していきました。

具体的には、こんなことをしています。

冒頭に番組のオープニングをつける。
結論を先に持ってくる。
「〜なんですよ」「〜してみたんですね」みたいな、口語のリズムにする。

たとえば、記事ではこう書いていた一文。

これを、話し言葉にするとこうなります。

機械に読ませる前に、人間が「話す原稿」を書く。
note記事を一度台本に落とす。
そのキャラクター性は実際に僕がClaude CodeやCodexでAIと話しているので、
そこで貯めた僕のパーソナルな話し口調を意識しています
（音声入力の文字起こしでの喋り方の癖とかですね）

ただの音声を「番組」にする

台本ができたら、次は「番組」に仕立てます。
ここがいちばん楽しかったところです。

まず、番組名をつけました。現状タイトルは仮です。
あとでちゃんと考えます。笑

仮タイトルは
「ほったりたの、とりあえずやってみたラジオ」

気になったツールや我が子に教えたい技術を、とりあえず自分で試してみて、
うまくいったり、いかなかったりをゆるく喋る、というコンセプトです。
僕がいつもやっていることそのままですね。

サブテーマも決めました。
「いつか子どもに渡したい、ものづくりの話」。
はっきんぐパパとして、技術はわが子のために、という想いがあるので、
いつか伝えたいものをテーマにしてみました。

BGMをうっすら重ねる

仕上げに、BGMをうっすら重ねました。
声を邪魔しないように、音量は5%くらいまで絞っています。

使ったのは、BGMerさんのフリー音源「ハンドクラフト」という曲です。
曲名が“手づくり”という意味で、番組のテーマにぴったりだったので選びました。

出典情報
音楽：BGMer
http://bgmer.net

カバーアートまで作って「動画」にもできる状態に

最後に、正方形の番組カバーアートを作りました。

ポッドキャストはアートワークがあると一気に「番組」らしくなりますし、
この静止画と音声を組み合わせれば、そのまま動画にもできます。
音だけでなく、目に見えるアイコンがあると、置き場所が増えるんですよね。

正直なところ、まだ硬いところもある

楽しかった一方で、課題もちゃんと残っています。

ひとつは、間がまだ硬いこと。
文と文のあいだは毎回きっちり0.4秒で固定なので、
人間の自然な喋りとくらべると、どうしても機械っぽさが残ります。
抑揚や間の取り方は、これからの工夫どころです。

もうひとつは、難読語の誤読。
これはクローンでも変わらず起きます。
今回は「録って」を「ろくって」と読んでしまったので、
台本のほうをひらがなに直して回避しました。
このあたりは連載の第1回からずっとやっている、ふりがなで寄せる作戦と同じですね。

完璧ではないけれど、
それでも自分の記事が自分の声のPodcastができるのはかなり楽しいですね。

まとめ

昨日のnote記事を、自分の声のポッドキャストにしてみた話でした。

記事をそのまま読ませるだけだと退屈で、
台本を「話す言葉」に書き直す手間こそは必要。
ただし、まだまだ間の取り方など工夫しなければならないポイントはたくさんあります

でも実際やってみてとても楽しかったので、
この辺りは試行錯誤しながらより良いポッドキャスト生成ができるといいなと思っています

これからも、この「ほったりたの、とりあえずやってみたラジオ（仮）」で、
とりあえず試してみた話をゆるく続けていけたらと思っています。

参考リンク

◆ VoxCPM（GitHub）: https://github.com/OpenBMB/VoxCPM
◆ モデル本体（HuggingFace）: https://huggingface.co/openbmb/VoxCPM2
◆ BGM素材（BGMer・「ハンドクラフト」）: https://bgmer.net/

最後まで読んでいただきありがとうございました！

普段は「はっきんぐパパ」として、子どもと作ったものづくりの記事も書いていますので、ぜひ覗いてみてください

↓