AIボイスでポッドキャストのイントロ：刺さるコールドオープンの書き方

ポッドキャストの最初の15秒で、続く40分が聴かれるかどうかが決まります。ほとんどの番組はそこをジングルと番組名に使っていますが、それは映画を制作会社のロゴから始めるようなものです。この記事では、本当に効く2つのパーツ、コールドオープンとショーIDを、コーヒーを淹れるくらいの時間で書いてレンダリングする方法を紹介します。

作業の段取りを正しく組むために、最初にひとつはっきりさせておきます。eroqがレンダリングするのは音声で、番組ではありません。タイムラインも、音楽生成も、ミキサーもありません。手に入るのはMP3で、BGMはいつも使っている編集ソフトで、その下に敷きます。

2つのパーツ、2つの役割

コールドオープンは、話の途中から始まります。あいさつも、名前も、前置きもなし。エピソードの真ん中から取ってきた1文で、リスナーがその前後の1分をどうしても聴きたくなるようにします。長さは8〜15秒で、エピソードごとに書きます。

ショーIDは、ずっと変わらない部分です。番組名、どんな番組か、誰が作っているか。それだけで終わりです。長くても10秒で、一度レンダリングすれば1年使い回せます。

この2つは、正反対の方向に失敗します。コールドオープンは説明しすぎて失敗し、ショーIDは面白くしようとして失敗します。別々に書き、別々にレンダリングし、編集ソフトでBGMと一緒につなぎましょう。

紙ではなく、耳のために書く

• 1文に1つの考え、文は短く。リスナーは読み返せません。
• 要点を先に。要点の前に長い前置きが来ると、音声では聞き流されてしまいます。
• 数字は、声に出す形で書く。「1996」ではなく「1996年」、「$3,000」ではなく「ざっと3000ドル」。
• 名前は早めに、一度だけ。文の最後で初めて出てきた名前は、記憶に残りません。
• かっこもセミコロンも使わない。かっこが必要な考えは、独立した1文にします。
• レンダリングする前に、声に出して読む。あなたがつかえるところでは、エンジンもつかえます。

句読点が演出の指示書です。音声エンジンは、読点、三点リーダー、ダッシュ、文の長さを演じ分けます。別のマークアップはないので、間（ま）は期待するのではなく、原稿に書き込みましょう。

そのまま使えるコールドオープン

実録犯罪系の番組向けに書いたものですが、この形はどんな番組にも応用できます。

彼女が最後のページにサインしたのは、午後4時。6時には、ビルは空になり、サーバーは消去され、その朝まで存在していた会社は、もうどこにもなかった。

誰ひとり、罪に問われていない。

これは、その間の90分に起きたことだ。

句読点が何をしているかを見てください。最初の段落の、読点で区切った列挙がテンポを加速させます。その次の1行だけの段落は、前後に余白をもった句点として着地します。最後の行が短いのは、その頃にはリスナーが身を乗り出しているはずで、もう説明を受ける段階ではないからです。

そのまま使えるショーID

Nightline Files。誰も見ていなかった1時間をめぐる、本当の物語。

新しいエピソードは毎週木曜日――ホストはDana Ruiz。

10秒。読み方が担うべき仕事を形容詞にさせず、息継ぎが入るところにはダッシュを置いています。

台本で手が止まってしまうなら、まずテキストスタジオで下書きしましょう。シーン向けの文体は、声に出して読まれることを前提にした文章を書きます。1回の生成はRP+で3クレジット、RP miniなら1クレジット。1時間画面をにらみ続けるより安上がりです。

ボイスを選んで、2つのダイヤルを合わせる

標準のボイスは2つで、それぞれ違うトーン向けにキャスティングされています。Ariaは温かく親密な声で、マイクに身を寄せるように話します。コールドオープンにぴったりです。Orionは低く落ち着いた声で、深夜ラジオのように読みます。ショーIDにぴったりです。どちらも13言語を読み上げられます。番組にホストがいるなら、ショーIDにはホスト本人の声をクローンするほうが適しています。リスナーにその声を覚えてもらうべきだからです。

次に、モデルの横にある2つのコントロールです。

• コールドオープン、Aria：速度1.00、表現力65%。ドラマは句読点が運ぶので、ダイヤルはそれを邪魔しなければ十分です。
• ショーID、Orion：速度0.95、表現力35%。少しゆっくり、意図的に平坦に。興奮気味のステーションIDは、広告のように聞こえます。

動かすのは一度にひとつずつ。表現力がおよそ80%を超えると、意図していない句読点まで演じ始めます。速度を0.85より下げると、重厚さが眠気に変わります。設定できる範囲は、速度が0.70×〜1.30×、表現力が0〜100%です。

レンダリングと、その費用

ボイススタジオを開き、コールドオープンを貼り付け、ボイスを選んでダイヤルを合わせ、生成してMP3をダウンロードします。文章を直しているうちは、100文字あたり2クレジットのVoice Turboで試し、最後の仕上げは3クレジットのVoice Oneで行いましょう。

計算は気にしなくていいほど小さく、そこがポイントです。課金は100文字ごとのブロック単位で、端数のブロックも1ブロックと数えます。たとえば約260文字のコールドオープンなら3ブロックで、Voice Oneで9クレジット。約120文字のショーIDなら2ブロックで、6クレジットです。日本語の原稿は、同じ秒数でも英語より文字数がずっと少ないので、実際はこれより安く済みます。この2本を、文章を調整しながら15回ずつレンダリングし直しても225クレジット。いちばん手頃なパックの単価で2ドルちょっとです。新しいアカウントの無料50クレジットで、最初の3回分はまるごとまかなえます。

レンダリングはすべて自動でライブラリに保存されるので、3月に作ったショーIDは、9月にイントロを作り直すときもちゃんと残っています。

編集ソフトで、BGMの下に敷く

これはeroqがやらない工程で、できるふりをすれば、あなたの1時間を無駄にしてしまいます。MP3をReaper、Audition、Audacity、Premiereなど、手持ちのソフトに取り込み、そこでイントロを組み立てましょう。

1. 声は専用のトラックに、BGMは別のトラックに。音楽は、いつもライセンスを取っているところから調達します。
2. 声の下でBGMを6〜10デシベル下げ（ダッキング）、短いフェードインと長めのフェードアウトをかけます。
3. BGMは最初の言葉の約1秒前から始め、最後の言葉のあと2秒ほど流します。
4. コールドオープンとショーIDの間には、一拍の無音を残します。その間（ま）は、ジングルよりも多くの仕事をしています。
5. いつものラウドネス目標で書き出し、スマートフォンのスピーカーで確認します。リスナーの大半は、それで聴いています。

同じエピソードの動画については、ポッドキャストのクリップをAI動画にする方法で、音声を投稿できる形にする手順を解説しています。イントロではなくコーナー全体をナレーションするなら、オーディオブックとポッドキャストのためのAIボイスに長尺のクレジット計算があります。オーディオブック・ポッドキャストの活用例は、その両方の要約版です。

よくある質問

BGMもeroqで作れますか？

いいえ。音楽生成もタイムラインもありません。音声モデルが返すのはMP3で、ミックスはお使いの編集ソフトで行います。BGMはいつもの方法で用意し、編集ソフトで声の下にダッキングしましょう。

ポッドキャストのイントロには、クローンボイスと標準のボイスのどちらを使うべきですか？

リスナーにホストの声だと気づいてほしいならクローンを、人ではなく局のアナウンサーのように聞かせたいなら標準のボイスを使いましょう。親密なコールドオープンにはAria、ショーIDにはOrionが合います。どちらも、どちらの音声モデルでも使えます。

コールドオープンの長さはどれくらいがいいですか？

8〜15秒です。英語の原稿ならおよそ200〜350文字で、日本語ならそれよりずっと少ない文字数になります。それより長くなると、フックではなく本編になってしまいます。本編なら、リスナーはどのみち聴きに来ているものです。

2つのセリフの間に、ボイスで間を入れるには？

句読点と改段落を使います。句点で止まり、三点リーダーで余韻を残し、ダッシュで切り、新しい段落はより大きな区切りとして読まれます。ポーズ用のタグはないので、正確な間が必要なら編集ソフトで作りましょう。

原稿はできましたか？ボイススタジオを開いて、まずコールドオープンをレンダリングしましょう。残りが聴かれるかどうかを決めるのは、この部分です。