# 電話で聞きやすい音声合成：声の選び方・話す速さ・読み方

> 電話の AI の声を聞きやすくするための、声の選び方・話す速さ・読み方の工夫を解説します。帯域の狭い電話の音声の特徴、数字・日時・記号・読みの分かれる言葉の書き方、携帯電話やスピーカーフォンで実際にかけて試し、聞き取りにくい箇所を直していく手順までまとめます。

公開日: 2026-11-10
Source: https://voicast.jp/blog/text-to-speech-for-phone

## 要点

- 電話の音声は帯域が狭く、パソコンで聞いて自然な声でも、電話では聞き取りにくくなることがあります。声は実際の電話で聞いて選びます。
- 話す速さは、遅すぎると間延びして待たされている感じになり、速すぎると聞き返しが増えます。数字や日時を伝える場面ほど、ゆっくりめが向いています。
- 読み方は、話す文章の側で直すのが確実です。日時はことばで書き、記号や略語を避け、読みの分かれる言葉はかなで書きます。

電話で聞きやすい音声合成にするには、声・話す速さ・読み方の 3 つを、電話の音で確かめながら決めます。電話の音声は帯域が狭く、パソコンのスピーカーで良く聞こえた声が電話ではこもることがあります。読み間違いは合成の設定より、話す文章を「読み上げる前提」で書くほうが確実に防げます。

## 電話の音声の特徴

電話の音は、パソコンや動画の音よりずっと情報が少ない状態で届きます。声を選ぶ前に、この前提を押さえておきます。

- **帯域が狭い**: たとえば Twilio の Media Streams では、音声は 8,000 Hz の μ-law で流れます（[Twilio のドキュメント](https://www.twilio.com/docs/voice/media-streams/websocket-messages)）。高い音の成分が落ちるので、「さ行」「は行」などの子音が聞き分けにくくなります。
- **相手の環境がさまざま**: 屋外・車の中・スピーカーフォンなど、雑音のある場所で聞かれます。
- **聞き返しの手段が声だけ**: 画面が無いので、聞き逃すと「もう一度お願いします」と言うしかありません。

だから、電話の声は「きれいさ」より「はっきり聞こえること」を優先して選びます。

## 声の選び方

声は、業種の雰囲気と聞き取りやすさの両方で選びます。

| 観点 | 向いている声 | 避けたい声 |
|---|---|---|
| 聞き取りやすさ | はっきり・はきはきした声 | 息まじり・かすれた声（電話では雑音に埋もれやすい） |
| 業種の雰囲気 | 医療・士業は落ち着いた声、飲食・小売は明るい声 | 用件と合わない軽すぎる声・重すぎる声 |
| 長い説明 | 説明的で落ち着いた声 | 抑揚が強すぎる声（長く聞くと疲れる） |

候補は 2〜3 個に絞り、同じ文章をそれぞれ電話で聞き比べます。選ぶときは、作った人だけでなく、ふだん電話を受けているスタッフにも聞いてもらうと、利用者に近い耳で判断できます。

## 話す速さの決め方

話す速さは、遅すぎても速すぎても電話では不満につながります。

- **遅すぎる**: 間延びして、待たされている感じになります。AI の応答の遅れと重なると、会話のテンポが悪く感じられます。
- **速すぎる**: 年配の方や雑音のある場所では聞き返しが増え、結果として通話が長くなります。

全体の速さは少し速めにしておき、数字・日時・電話番号を伝える部分は、文章を短く区切ってゆっくり聞こえるようにする、という組み合わせが扱いやすい形です。たとえば「ご予約は 12 月 19 日の金曜日、午後 3 時です」を一息で言うより、「ご予約は、12 月 19 日、金曜日。午後 3 時からです」と区切ると、聞き取りやすくなります。

## 読み方の工夫

合成の読み間違いの多くは、話す文章の書き方で防げます。あいさつ・締めのことば・よくある質問の答えなど、決まった文章は「読み上げる前提」で書きます。

| 書き方 | 読み間違い・聞き取りにくさ | 電話向けの書き方 |
|---|---|---|
| `9:00〜18:00` | 記号の読み方が定まらない | 午前 9 時から午後 6 時まで |
| `12/19` | 月日か分数か分からない | 12 月 19 日 |
| `1F・B1` | 英字のまま読まれる | 1 階・地下 1 階 |
| `TEL・FAX` | 略語のまま読まれる | 電話・ファクス |
| 日本橋 | 「にほんばし」と「にっぽんばし」に分かれる | にほんばし（かなで書く） |
| 〒・※・（ ） | 読まれない・不自然な間ができる | 文章で言い換える |

あわせて、1 文を短くします。電話では、長い文の最初の部分を覚えておくのが難しいからです。大事なこと（日時・金額・持ち物）は文の最後に置かず、1 文に 1 つずつ伝えます。

聞き取った内容を読み上げて確認する場面の書き方は、[読み上げ確認の記事](https://voicast.jp/blog/confirm-by-reading-back)で詳しく扱います。

## 実際の電話で試す手順

声と速さは、管理画面の試聴だけで決めず、実際の電話で確かめます。

1. テスト用の番号を用意し、エージェント設定を試しの環境で動かす。
2. 携帯電話から、静かな部屋で 1 回かける。
3. 同じ電話を、スピーカーフォンと屋外でもう 1 回ずつかける。
4. 日時・電話番号・金額を読み上げる場面を、聞いた人に書き取ってもらう。
5. 書き取りが合わなかった箇所の文章を直し、声か速さを 1 つだけ変えて、もう一度試す。

1 回に変えるのを 1 つにすると、何が効いたかが分かります。

## voicast での声と話す速さ

voicast では、エージェント設定の `voice` で声を ID から選び、`speaking_rate` で話す速さを段階から選びます。声は「きっぱりした女性」（`female-firm`）・「落ち着いた男性」（`male-calm`）など、特徴の分かる 30 の声から選べます。話す速さは `0.85`（とてもゆっくり）から `1.5`（いちばん速い）までの段階で、省くと `1.0`（ふつう）です。

```json
{
  "voice": "male-calm",
  "speaking_rate": 1.1,
  "greeting": "お電話ありがとうございます。にほんばし歯科です。"
}
```

管理画面では声ごとに試聴できます。設定はバージョンで管理するので、声や速さを変えても、進行中の会話は始まったときのバージョンのまま進みます。業種と用語のヒント（`domain`・`vocabulary`）は音声認識のためのもので、読み方は変えません。読み方は、あいさつやよくある質問の答えの文章で直します。

## よくある質問

### 男性の声と女性の声で、どちらが電話に向いていますか。

性別より、はっきり聞こえるかどうかで選ぶのがおすすめです。同じ文章を電話で聞き比べ、書き取りの誤りが少ない声を選びます。

### 読み間違いがある固有名詞はどう直しますか。

あいさつやよくある質問の答えなど、決まった文章の中では、かなで書くのが確実です。会社名や地名など、読みが分かれるものから順に直します。

### 話す速さは、相手に合わせて変えられますか。

voicast の話す速さはエージェントごとに決まり、会話の途中では変わりません。年配の方の多い窓口などは、その窓口のエージェント設定でゆっくりめを選びます。
