店舗向けAI音声コンテンツ制作ガイド2026：ElevenLabs・Murf AI・Typecast・Descriptで店内放送と音声案内を作る

最終更新日：2026年8月2日 · カテゴリークラスター：AI音声ツール

店内放送は、声が自然なら完成という仕事ではありません。 開店案内、売場変更、イベント告知、閉店前の呼びかけ、館内ルール、外国語案内など、店舗では短い音声が一日の流れを支えています。生成AIを使えば録音スタジオを予約せずに修正版を作れますが、読み間違い、古い価格、過度に感情的な声、BGMに埋もれた注意事項が、そのまま全店舗へ広がる危険もあります。

この記事は、小売店、飲食店、商業施設、ホテル、展示会、ポップアップストアの運営担当者や制作会社に向けた店舗向けAI音声コンテンツ制作の実務ガイドです。自然な多言語音声は ElevenLabs、ブラウザ上のナレーション制作は Murf AI、複数話者と感情表現の候補は Typecast、テキストを起点にした音声編集は Descript、大量生成や会話型音声の検討には Play.ht を取り上げます。

findaiverse編集チームが勧める考え方は、音声を「読み上げファイル」ではなく期限・売場・言語・承認者を持つ運用部品として扱うことです。AIには試作、発音候補、速度違い、多言語版の作成を任せられます。一方で、価格、期間、店舗名、固有名詞、権利、緊急時の表現、実際の放送設備で聞こえるかどうかは人が確認します。

店内放送を目的別に分ける

最初に「AIで店内放送を作る」と一括りにしないことが大切です。販促のお知らせ、売場案内、順番待ち、落とし物、営業時間、館内マナー、アクセシビリティ支援、災害・避難では役割が異なります。同じ声、同じ速度、同じ承認フローを当てはめると、重要度の差が消えてしまいます。

販促放送は、商品や企画に興味を持ってもらう入口です。ブランドの雰囲気は必要ですが、価格、対象商品、実施期間、対象店舗、数量条件を誤ってはいけません。表現が華やかでも、条件が聞き取れなければ問い合わせと不信を増やします。可変情報を詰め込みすぎず、詳しい条件を表示物やスタッフ案内につなげます。

売場案内は行動を助ける音声です。「二階、エスカレーターを上がって右側」のように、現在地と移動方向が分かる必要があります。施設名や売場名を連続させるより、短い文と適切な間を置きます。レイアウト変更時には音声だけでなくサイネージ、Web、スタッフ用案内も同時に更新します。

順番待ちや呼び出しでは個人情報を必要以上に読み上げません。氏名、注文内容、部屋番号、病状など、周囲の人に知らせる必要のない情報を放送に含めない設計が必要です。番号や受付方法を使える場合は、そのほうが管理しやすいことがあります。

注意放送は命令口調を強くすれば伝わるわけではありません。危険、理由、取ってほしい行動、問い合わせ先を短く示します。たとえば床が濡れているなら「走らないでください」だけでなく、どの場所で、どう迂回できるかを伝えます。子ども、外国人、高齢者にも理解しやすい語彙を選びます。

緊急放送は通常の生成AI制作から切り離します。消防・防災設備、施設計画、行政や管理会社の基準に従い、承認済みの文面と設備を使用してください。AIがその場で避難指示を自由生成する運用は避けます。訓練用音声であっても本番との混同を防ぐ表示、保存場所、再生権限が必要です。

まず放送台帳を作ります。ID、目的、店舗、区域、言語、原稿、音声ファイル、声、作成日、承認者、開始日、終了日、緊急度、関連する表示物を記録します。候補ツールは findaiverseのAI音声カテゴリー から探せますが、台帳が先です。

耳で一度聞いて分かる原稿の作り方

店内放送の原稿は、Web記事やチラシと違います。聞き手は買い物、会話、移動、会計をしながら音を受け取ります。巻き戻しもできません。最初の数秒で「誰に」「何の案内か」が分かるようにします。長い挨拶やブランド説明から始めると、重要な情報の前に注意が離れます。

基本構造は四つです。呼びかけ、要点、行動、補足。たとえば「食品売場をご利用のお客さまへ。冷蔵ケース点検のため、乳製品売場の一部を閉鎖しています。代替売場は中央通路の仮設コーナーです。ご不明な点は近くのスタッフへお声がけください」。一文一情報にすると聞き取りやすくなります。

数字は読み方まで指定します。「8/2」は「はちがつふつか」、「10:30」は「午前十時三十分」、「1,980円」は「千九百八十円」と原稿に書きます。電話番号、階数、売場番号、商品型番は区切りを入れます。生成ツールが数字を別の読み方に変えることがあるため、完成音声を聞いて確認します。

略語や社内用語は避けます。スタッフには通じる「レジ応援」「催事B」「バックヤード西口」が、お客さまに通じるとは限りません。正式名称が長い場合は、最初に正式名称、次に短い呼び方を示します。外国語由来の商品名や地名は発音表を作ります。

敬語は丁寧さを保ちつつ、重ねすぎないようにします。「ご利用いただきまして誠にありがとうございます。恐れ入りますがお願い申し上げます」のような前置きが続くと行動が遅れます。必要な感謝やおわびを一度入れ、状況と行動を明確に伝えます。

AIに原稿を書かせる場合は、事実と表現を分けて入力します。変更してはいけない情報として、価格、期間、対象、場所、例外、問い合わせ先を表にします。その上で「45秒以内、文は40文字程度、難しい語を避け、事実を追加しない」と指定します。与えていない割引率や在庫状況を作らないよう、欠けた情報は[確認]と出させます。

最後に声に出して読んでください。文字数だけでは分かりません。息継ぎしにくい箇所、同音語、主語の欠落、遠い修飾語を見つけます。店舗スタッフにも聞いてもらい、「何をすればよいか」を一度で答えられるか確認します。

ElevenLabs・Murf AI・Typecast・Descript・Play.ht比較

一つのデモ音声で決めないでください。同じ日本語原稿を使い、三種類の条件で比較します。静かなヘッドホン、実際の店内スピーカー、営業中の売場です。自然さ、固有名詞、数字、子音、速度、長時間聞いたときの疲れ、BGMとの分離を評価します。

ElevenLabsは多言語や自然な声の候補として目立ちますが、日本語の店舗名や商品名が常に正しいとは限りません。Murf AIは制作画面で映像や音楽と合わせたい場合に向きます。Typecastは声や感情のバリエーションを試しやすい一方、日本語案件では実音源で品質を確かめます。

Descriptは既存録音を編集する仕事に強みがあります。声優が録った基本案内の一部を短くしたり、間を整えたりする用途では便利です。ただし、言葉を削ると条件が変わることがあります。元音声、編集内容、承認版を分けて保存します。

多店舗で毎週大量に更新するならAPIが候補になります。けれど、生成を自動化しても公開まで自動化しないほうが安全です。店舗名、金額、日付、対象、言語、発音を検査し、承認済みファイルだけを配信サーバーへ送る仕組みにします。

各サービスの料金、利用規約、声の提供条件、学習データの扱いは変わる可能性があります。テスト時点の画面を根拠に長期運用を決めず、契約前と更新前に公式文書を確認してください。無料版で作った音声の商用利用可否もプランごとに確認します。

日本語の固有名詞・数字・アクセントを検査する

日本語の音声合成で目立つ失敗は、漢字の読みです。人名、地名、店舗名、商品名、館内施設名は一般的な辞書どおりとは限りません。「日本橋」「大角豆」のように地域で読みが決まる例、ブランド独自の読み、英数字を含む型番があります。放送用発音辞書を作り、表記と読みを対で管理します。

辞書にはアクセントだけでなく区切りも記録します。長い施設名は一気に読ませず、意味のまとまりで間を入れます。アルファベットは一字ずつ読むのか単語として読むのか、数字は連番か数量かを指定します。「B2」は「ビーツー」か「地下二階」か、文脈によって違います。

価格と割引は二人で確認する価値があります。原稿の数字、生成音声、販促台帳を照合します。「2点で10％」「二点目が10％」「最大10％」は別の条件です。音声が自然でも、助詞や間の位置で意味が変わります。価格を含む放送は期間と対象条件も読み上げ版の台帳に残します。

日付は年、月、日、曜日の整合を確認します。曜日を自動生成させず、承認済みの値を入力してください。終了時刻が深夜をまたぐ店舗では「本日」「明日」がいつを指すかも曖昧になります。配信時刻と店舗の営業日を基準に文面を決めます。

アクセントの正解が一つでない場合もあります。全国共通の案内、地域密着店、キャラクター放送では求める話し方が違います。自然さだけでなく、その店で違和感がないかを現地スタッフに聞きます。AIの設定値を触り続けるより、別の声を選ぶほうが早いこともあります。

検査は画面を見ながら聞く一回と、画面を閉じて聞く一回に分けます。文字を見ていると脳が正しい言葉を補ってしまいます。二回目は実際の聞き手と同じ条件で、内容を一度で復唱できるか確かめます。別の担当者にも聞いてもらうと、制作担当が慣れて聞き逃した誤りを見つけやすくなります。

多言語案内を直訳で済ませない

外国語案内は日本語原稿をそのまま直訳すると長くなりがちです。日本語の丁寧な前置き、施設独自の名称、曖昧な主語が別の言語では理解を妨げることがあります。各言語で、対象、状況、行動、場所を短く組み直します。翻訳者またはその言語に熟達した人が確認します。

言語の順番も運用上の判断です。すべての放送を四言語で連続再生すると、店内が常に放送で埋まります。来店者、地域、時間帯、重要度をもとに必要な言語を選びます。詳細を多言語サイネージやQRコードへつなぐ方法もありますが、緊急情報をQRだけに頼るべきではありません。

固有名詞の表記を統一します。駅名、出口、フロア、商品カテゴリー、免税カウンター、サービス名を各言語の公式表記に合わせます。駅や自治体、施設が公表している表記があれば参照します。機械翻訳が作った別名を放送すると案内板と一致せず、かえって迷わせます。

文化的な調整も必要です。日本語では自然な遠回し表現が、別言語では行動を分かりにくくする場合があります。逆に、短い命令形が強すぎる印象になることもあります。店の接客方針を守りつつ、行動が明確な文にします。単語単位ではなく実際の場面を説明して訳します。

音声合成の多言語機能を使う場合、同じ声が各言語で同じ印象になるとは限りません。速度、音域、アクセント、文末の調子を言語ごとに試します。ElevenLabsや Murf AI の候補音声を比べるときも、母語話者の試聴を入れます。

多言語版には翻訳元と版を記録します。日本語原稿V3に対する英語V2、中国語V2、韓国語V1という関係が分かるようにします。日本語の価格だけ修正し、外国語版が古いまま残る事故を防ぐためです。元原稿の重要項目が変わったら、関連言語を自動的に「再確認待ち」に送ります。

BGM・音量・店舗設備で聞こえ方を整える

音声ファイル単体がきれいでも、店内ではBGM、会話、冷蔵設備、空調、食器、レジ音、屋外交通と競合します。完成前に実際の再生経路で試します。配信サーバー、アンプ、スピーカー、ゾーン設定を通すと、低音や高音、音量が制作環境と変わることがあります。

BGMは放送中に下げます。声と同じ帯域に歌や強い楽器があると、音量を上げても聞き取りにくくなります。短い通知音を放送前に使う場合は、驚かせない音量と長さにします。頻繁すぎる通知音は来店者もスタッフも慣れて反応しなくなります。

音量は大きければよいわけではありません。静かな区域と騒がしい区域を同じ設定にすると、どちらかが不快または聞き取りにくくなります。売場を複数ゾーンに分けられる設備なら、現地で確認して調整します。近隣や従業員への負担も考えます。

声の速度は通常会話より少し遅くするだけで十分な場合があります。極端に遅い音声は文のつながりを失い、放送時間も長くなります。重要語の前後に短い間を置き、数字や場所を一度だけ明確に言います。必要なら同じ内容を後で再放送しますが、一文の中で何度も繰り返さないようにします。

ファイル形式と音量基準を統一します。配信設備が対応する形式、サンプルレート、チャンネル、最大音量、先頭と末尾の無音をテンプレート化します。ツールから書き出したファイルをそのまま入れず、規格チェックと試聴を通します。ファイル名はID、店舗、言語、版、期間が分かる形にします。

聞こえ方の評価には異なる人を入れます。制作担当、店舗スタッフ、初めて聞く人、可能なら高齢者や日本語を母語としない人の意見を集めます。全員に「自然ですか」と聞くより、「何の案内でしたか」「どこへ行けばよいですか」「いつまでですか」と質問すると伝達力を確認できます。

企画から終了までの12段階

1. 放送目的を分類します。 販促、案内、注意、営業時間、呼び出し、緊急を分け、必要な承認者を決めます。
2. 事実カードを作ります。 店舗、区域、価格、期間、対象、例外、問い合わせ先を承認済み情報として固定します。
3. 耳で聞く原稿を書きます。 呼びかけ、要点、行動、補足の順にし、一文一情報へ整えます。
4. リスク語を確認します。 金額、日付、営業時間、限定、最大、無料、安全、効果、個人情報を別表で検査します。
5. 声の候補を三つ作ります。 性別や年齢の固定観念ではなく、明瞭さ、速度、ブランドとの相性で比較します。
6. 発音辞書を適用します。 店舗名、地名、商品名、英数字、電話番号、階数、日付の読みを指定します。
7. 多言語版を場面に合わせます。 直訳せず、各言語で対象・状況・行動・場所を明確にします。
8. 音声ファイルを規格化します。 形式、音量、無音、BGM、ファイル名、版を店舗設備の基準へ合わせます。
9. 実機と営業環境で試聴します。 複数ゾーン、BGMあり、混雑時間、静かな時間で聞き取りを確認します。
10. 二人以上で承認します。 内容責任者が事実、制作担当が発音と音質、店舗担当が現場適合を確認します。
11. 開始・終了を管理します。 配信日時、対象店舗、再生頻度、終了日、差し替え先を台帳に記録します。
12. 終了後に削除・保管します。 期限切れファイルを配信から外し、必要な承認記録だけを規定期間保管します。

最初の導入は一店舗、一用途、一言語で行います。たとえば毎週変わるイベント案内を選び、従来録音とAI音声で制作時間、修正回数、発音ミス、店舗からの問い合わせ、再生停止の確実さを比べます。店頭で伝わったかを測らず、制作時間だけで成功と判断しないでください。

テンプレートを作るときは固定部と可変部を分けます。「ご来店ありがとうございます」は固定できますが、価格、期間、売場、対象は可変です。可変項目が空欄なら生成を停止し、[確認待ち]を出します。AIが空欄を自然な数字や場所で埋めることが最も危険です。

複数店舗へ配る場合は、本部承認と現地確認を分けます。本部は原稿、ブランド、権利を確認し、店舗は売場名、設備、営業時間、地域読みを確認します。共通音声を無理に使うより、承認済みテンプレートから店舗別に生成し、差分を記録するほうが安全な場合があります。

音声クローニング、権利、承認、緊急放送

音声クローニングは、本人の明確で具体的な同意がある場合に限って検討します。同意には利用目的、期間、言語、店舗、編集範囲、第三者提供、契約終了後の削除を含めます。「一度録音したから何でも生成できる」という扱いにしません。退職後や契約終了後の運用も先に決めます。

著名人、声優、スタッフに似せた声を、本人の声であるかのように使わないでください。プリセット音声でも出所と利用条件を確認します。音声の権利と著作権に関する一般情報は 文化庁の著作権ページ を参照し、具体的な案件は専門家に相談します。

BGMや効果音にも権利があります。ツール内ライブラリにあるだけで、すべての店舗・広告・配信で無制限に使えるとは限りません。契約プラン、地域、媒体、期間を確認し、ライセンス記録を音声台帳へ結び付けます。音声ファイルを書き出して別のシステムで使う場合の条件も見ます。

販促表現は表示物と一致させます。AI原稿が「今だけ」「最大」「無料」「必ず」といった言葉を追加していないか確認してください。消費者向け表示や制度の最新情報は 消費者庁 などの公式情報を確認します。個別企画の適法性は担当部門や専門家が判断します。

公開権限は生成権限より狭くします。多くのスタッフが案を作れても、配信サーバーへ登録できる人は限定します。緊急放送のフォルダと販促放送のフォルダを分け、色や名前だけでなく権限も分離します。テスト音声が営業時間中に流れないよう、検証環境を用意します。

緊急時の文面はAIに即興させません。承認済みテンプレート、設備マニュアル、訓練、現場責任者の指示を中心にします。停電やネットワーク障害でも使える代替手段を準備します。クラウド音声サービスが停止したとき、基本案内と安全案内をどう流すかを決めておきます。

ログには生成者だけでなく承認者、配信者、停止者を残します。誤った放送が流れた場合は、どの原稿と音声が、いつ、どの店舗へ配信されたか追跡できる必要があります。修正版を作るだけでなく、古いファイルが端末や共有フォルダに残っていないか確認します。

findaiverseの比較メモ

findaiverseで121のAIツールを整理していると、音声生成では「最も人間らしい声」だけが選定基準になりやすいと感じます。店舗では、自然さより先に明瞭さ、発音、更新、停止、権利が必要です。非常に自然な声でも商品名を誤読し、期限後も再生されるなら運用には向きません。

私たちが音声候補を比べるときは、同じ45秒原稿に店舗名、価格、日付、階数、外来語、注意事項を入れます。ヘッドホン、スマートフォン、実際に近い小型スピーカーで聞き、原稿を見ない人に内容を復唱してもらいます。声の好みではなく、情報が届いたかを記録します。

初期テストで失敗したのは、感情設定を強くしすぎたことでした。販促案内は元気になりましたが、金額と条件まで演技が強く、長時間聞くと疲れる音声になりました。感情を下げ、速度を少し整え、重要語の前後に間を置いたほうが店舗では聞きやすくなりました。

別の失敗は、原稿の数字を人が確認したのに生成音声を聞き直さなかったことです。画面上の「二点目」が音声では区切りの関係で別の条件に聞こえました。それ以降、原稿承認と音声承認を別のチェック欄にしています。文字が正しいことと、聞こえる意味が正しいことは同じではありません。

候補を探すときは AI音声ツールのハブ から始め、ElevenLabs、Murf AI、Typecast の詳細を実際の原稿で比較してください。動画広告にも展開する場合は AI動画カテゴリー も役立ちます。

評価シートには、自然さだけでなく「一度で内容を復唱できたか」を入れます。試聴者には原稿を見せず、対象、場所、期限、取るべき行動を答えてもらいます。聞き取れなかった箇所は、音量を上げる前に文章、声、速度、BGM、スピーカー位置のどこが原因かを分けて調べます。

制作費も生成文字数だけで比べないほうがよいです。原稿確認、発音辞書、各店舗の試聴、多言語監修、権利確認、差し替え、期限後の停止まで含めます。安い音声でも毎回固有名詞を直し、店舗ごとに再調整するなら運用費は高くなります。逆に料金が高くても承認と再生成が安定すれば、全体の負担は小さくなる場合があります。

月に一度は放送台帳と実際の配信を突き合わせます。台帳上は終了しているのに端末へ残ったファイル、使われていない言語版、担当者不在の音声、期限が書かれていない常設案内を探します。古い音声を整理する時間を制作計画に含めると、ライブラリが次第に信用できなくなる問題を防げます。

店舗からの修正依頼も学習資産です。「聞き取れない」だけで終わらせず、どの区域、時間帯、再生設備、周囲の音、対象語だったかを記録します。同じ失敗が複数店舗で起きるなら、個別ファイルではなく原稿テンプレートや発音辞書、書き出し規格を直します。修正後は同じ条件で再試聴し、問題が解消したかまで記録します。放送回数を増やすだけでは、聞き取りにくい音声を繰り返すことになるためです。再確認が大切です。

よくある質問

店舗向けAI音声コンテンツ制作とは何ですか？

店舗向けAI音声コンテンツ制作とは、承認された案内原稿を音声合成ツールで読み上げ、発音・数字・音量・権利・期間を人が確認し、店内放送やサイネージ、音声ガイドで運用する工程です。生成だけでなく、実機試聴、版管理、停止までを含みます。

AI音声を店内放送にそのまま使えますか？

そのままの使用は勧めません。店舗名、地名、価格、日付、対象条件、声の利用権、商用条件を確認し、実際のスピーカーと営業中の騒音で試聴してください。販促、注意、緊急では承認フローも分けます。

ElevenLabsとMurf AIはどちらが店舗向きですか？

多言語音声や声の選択を重視するならElevenLabs、原稿・音声・動画やBGMを一つの制作画面で調整したいならMurf AIが候補です。ただし日本語の固有名詞、店舗設備、商用条件を同じ実案件で試してから決めてください。

スタッフの声をクローンしてもよいですか？

本人の明確な同意と契約が必要です。用途、店舗、期間、言語、編集、再利用、退職後の停止、削除を具体的に決めます。本人が断りにくい立場であることにも配慮し、クローンを使わない選択肢を用意してください。

災害時の案内も生成AIで作れますか？

緊急時にAIが自由生成する運用は避けてください。消防・防災設備、施設計画、関係機関の基準に従い、事前承認された文面と設備を使います。ネットワーク障害時の代替手段を準備し、販促音声と権限・保存場所を分けます。

声を作る前に、止められる運用を作る

AI音声の利点は、修正と多言語展開が速いことです。その速さを活かすには、正しい原稿、発音辞書、実機試聴、承認、開始日、終了日が必要です。特に期間限定放送は、作る手順より止める手順を先に決めてください。古い価格や営業時間を自然な声で流し続けることが、最も避けたい失敗です。

まず45秒の案内を一つ選び、三つの声で作り、原稿を見ないスタッフに聞いてもらいましょう。実店舗で意味が届く候補を残します。関連サービスは findaiverseのAI音声ツール一覧、ほかの制作支援は 日本語AIツールディレクトリ で比較できます。

編集注記：この記事のツールリンクはアフィリエイトリンクではありません。機能、料金、商用条件、音声の権利、法令、施設基準は変更される可能性があります。実際の運用前に公式の最新情報と専門家・担当部署の判断を確認してください。