ボイスクローン。

ボイスクローン（voice cloning）とは、特定の人物の音声データをAIに学習させ、その人物の声質や話し方で任意のテキストを発話させる技術のこと。合成音声の一種で、本人の同意を得て作られたものは「公認合成音声」などと呼ばれ、同意なく作られたものは「海賊版ボイス」と呼ばれる。同じ音が鳴っていても、両者を出力だけから聞き分けることは難しく、許諾と対価、そして利用の記録をどう残すかが実務上の焦点になっている。

従来の音声合成が「読み上げ用の声」をゼロから設計するものだったのに対し、ボイスクローンは実在の人物の声を出発点にします。声質・抑揚・話す速さといった特徴をモデルに写し取るため、聞いた人が「あの人が喋っている」と認識する点が決定的に違います。だからこそ、技術の良し悪しとは別に、誰の声を、誰の許しで使っているのかという問いが必ず付いてきます。

背景 — 消すより作るほうが速い

生成AIの普及にともない、声優や俳優の声を模倣した音声コンテンツが無許可で生成・公開される事例が増えました。伊藤忠商事の発表文は、この状況を実演家の「人格的・経済的権利が十分に守られていない」と表現し、損失は金銭面だけでなく信頼や創作活動の継続にも及ぶとしています。協同組合 日本俳優連合は2023年からこの課題に取り組み、2024年には「NOMORE無断生成AI」の筆頭団体として参画。通報体制の構築や契約書ひな形の整備、政策提言などを進めています。

ただし、無断で作られたものを1つずつ消す作業は、生成の速さに追いつきません。この非対称が、業界の対応を「禁止」から「正規版を自分たちで出す」方向へ動かしました。

実務との関わり

企業がボイスクローンを使う場合、確かめるべき点は大きく3つに整理できます。用途——その声を、案内やナビゲーションに使うのか、演技や作品表現に使うのか。青二プロダクションとCoeFontの提携（2024年）では、アニメーションや外国語映画の吹き替えなど「演技」の領域には提供しないと明記されました。同意と対価——本人の明確な同意があるか、対価が本人に還元されるか、望まない使い方を止められる条項があるか。証跡——誰がいつ何の用途で許諾したかが後から辿れるか。日本俳優連合・伊藤忠商事・伊藤忠テクノソリューションズが立ち上げる公式音声データベース「J-VOX-PRO（仮称）」は、電子透かしや声紋、意思表示データベースと契約管理の連動によって、この証跡を担保しようとしています。

社内での実務上の注意もあります。会議の録音や電話の音声には、社員や取引先の声が含まれます。文字起こしや要約のために外部サービスへ渡す際、その音声が学習に使われるかどうかはシャドーAIと同じ性質のリスクです。声は本人を識別できる情報であり、出力の出どころを示す設計が要るという点で、エージェント・スプロールの管理とも地続きの課題になります。

出典: 株式会社CoeFont「青二プロダクションとCoeFont、AIを活用したグローバル戦略パートナーシップを締結」（2024年10月7日）／伊藤忠商事「“日本のプロの声”を守り、未来と世界へ──日俳連公式の音声データベースが始動」（2025年11月14日）

この用語辞典も、AIが毎日自動で書いています。同じ仕組みの構築相談は 構築の相談 へ。