音声認識プロンプターの使い方：原稿が声についてくるから、間もアドリブも怖くない

音声認識プロンプターは、あなたの声を「聞く」プロンプターです。今読んでいる文まで原稿がスクロールし、話すのをやめれば止まって待ちます。一定速度のスクロールと違って速さに合わせる必要がないので、抑揚も間もリズムも自然なまま話せます。ここでは仕組み、ほかのモードに切り替えるべき場面、そして認識をより正確にするコツを紹介します。

音声認識プロンプターの仕組み

流れは4つのステップに分けられます。

1. スマホのマイクがあなたの声を拾います。
2. スマホに組み込まれた音声認識が、声をリアルタイムで文字に変換します。
3. プロンプターが認識された言葉と原稿を照らし合わせ、今読んでいる位置を見つけます。
4. 原稿がその行までなめらかにスクロールし、次の文がいつもレンズの下に表示されます。

Cameratel の「音声追従」もこの仕組みで、スマホ標準の音声認識を使います。iPhoneではApple、AndroidではGoogleなど端末の音声サービスで、日本語を含む多くの言語に対応しています。

一定速度のスクロールより自然な理由

人の話し方は一定の速さではありません。大事なところではゆっくりになり、慣れた話題では速くなり、問いかけたあとは少し間を置きます。一定速度のスクロールではこれができません。間を取れば文字は先へ進み、速く話せば文字を待つことになります。

その結果、よくある「読んでいる感」が2種類生まれます。ニュースを読むように一気に駆け抜けるか、速くなったり遅くなったりしながら文字を追いかけ、目線も声も乱れるか。音声追従は主導権をあなたに返します。普段の会話のリズムで話せば、原稿のほうがついてきます。

たとえば料理教室の先生がレシピ動画を撮る場面を想像してください。材料を量るところではゆっくり、手順の説明では少し速く、味見の場面では間を取りたい。一定速度なら場面ごとに速度を変える必要がありますが、音声追従ならいつもの話し方のままで大丈夫です。

音声追従が向いている動画

• 解説・トーク動画：情報量が多く、間と強調が伝わりやすさを左右します。
• 講座・授業：難しいところで速度を落とし、補足を差し込むことがよくあります。
• 自己紹介・自己PR動画：緊張して言葉に詰まっても、文字が待ってくれます。
• 商品紹介：商品を手に取りながら話すと、どうしてもリズムが不規則になります。

向いていないのは、撮影中に音楽や動画を流したり、近くで誰かが話していたりする場面です。音が混ざるときは、手動のほうが確実です。

止まる・飛ばす・アドリブ：どう反応する？

つまり、大筋は「原稿どおりに、ただし一字一句でなくていい」。話し言葉への小さな言い換えは問題ありませんが、段落ごと言い換えるなら先に原稿を直してから撮りましょう。

音声追従向けの原稿は、普段の話し方に近いほど安定します。

# オープニング
こんにちは、料理家の田中です。
今日は、たった一つのコツの話です。 [pause]
煮物が、ぐっとおいしくなります。

# コツ
火を止めてから、10分置く。 [pause]
冷めるときに、味がしみこむんです。
今夜、ぜひ試してみてください。

ほかのスクロールモードに切り替える場面

音声追従はほとんどのトーク動画に合いますが、いつでも最適とは限りません。

• 話す間だけ：声を出している間だけ設定した速度で進み、黙ると止まります。音声認識に頼らないので、英語まじりで認識が不安定な原稿や、音声認識が使えない端末に向いています。音声追従が使えない端末や、音声認識の許可がオフのときは、Cameratel が自動でこのモードに切り替えます。
• 自動：設定した速度で一定にスクロールします。読み慣れた原稿や、ナレーションのようにテンポが一定の収録に便利です。
• 手動：指、キーボード、Bluetoothリモコンで操作します。誰かに操作してもらうときや、実演しながら話すときに向いています。

なお、周囲の雑音も「話している」と判断されることがあるため、騒がしい場所では「話す間だけ」が勝手に進む場合があります。その場合は手動に切り替えましょう。

認識精度を上げる7つのコツ

1. 音声の言語を合わせる。 日本語の原稿なら認識言語も日本語に。選べる言語はスマホの音声認識サービスによって異なります。
2. 静かな場所で撮る。 扇風機、エアコン、テレビを止め、道路側の窓からは離れます。
3. マイクをふさがない。 腕の長さの距離ならたいてい十分です。手やスタンドでマイク穴をふさがないようにしましょう。
4. はっきり、でも自然に。 普段の会話の声量と速さで、語尾を飲み込まないように話します。
5. 一般的な表記で書く。 音声認識は漢字かな交じりの一般的な表記で文字を返します。原稿の表記が独特だったり、「3つ」と「三つ」のように数字の書き方がずれたりすると、追いつくまでに時間がかかることがあります。
6. 英語まじりは事前にテスト。 英語の商品名や専門用語はそのまま書き、本番前に一度読んでみます。不安定なら「話す間だけ」に切り替えます。
7. リハーサルを1回。 プロンプターの開始ボタン（音声追従ではマイクのアイコン）をタップし、録画ボタンは押さずに原稿だけを流して、認識に問題がないか確かめてから本番に入ります。

方言・なまり・複数の言語

方言やなまりがあっても、多くの場合は追従します（精度はスマホの音声認識しだいです）。ただ、人名や地名、地元ならではの言い回しは認識が揺れることがあります。気になる行の前後に少し間を置くか、その言葉を一般的な言い方に変えると安定しやすくなります。

ひとつの動画の途中で日本語から英語に切り替えるような場合は、2本に分けて撮るか、「話す間だけ」を使うのがおすすめです。初めてプロンプターを使う方はプロンプターアプリの使い方から、話す速さの目安は1分間に話す文字数の目安表をご覧ください。

プライバシーについて

音声追従はスマホに組み込まれた音声認識サービスを使います。撮影したビデオや原稿はスマホの中に保存され、あなたが共有しない限り外に出ることはありません。もうひとつの利点として、音声追従で撮った動画の字幕は、実際に話したリズムに合わせてタイミングが付くので、あとから調整する手間がほとんどかかりません。設定や使いこなしは音声追従機能で詳しく紹介しています。