ナレーション収録の納品形式｜音声ファイル形式と尺の指定方法 2026

2026年2月13日

朝比奈蒼

この記事のポイント

✓ナレーション収録を外注する際の納品形式や音声ファイル形式
✓尺の指定方法を解説します
✓サンプリングレートの指定

ナレーションを外注しようとしたとき、原稿の内容や声のトーンばかりに気を取られて、納品形式を後回しにしていないでしょうか。結論から言うと、動画編集ソフトに読み込めない形式で音声が届いたり、サンプリングレートが合わずノイズが混じったりするトラブルは、依頼前に納品形式を具体的に指定しておくだけでほぼ防げます。この記事では、ナレーション収録を外注する際に必要な音声ファイル形式の基礎知識から、尺の指定方法、料金相場、失敗しない発注の流れまで、発注者の立場で整理していきます。

ナレーション外注市場の現状と納品形式トラブルの実態

在宅ワークの拡大に伴い、企業VPやYouTube動画、社内研修用コンテンツ、CMなど、ナレーションを外部のフリーランスナレーターに依頼するケースは年々増えています。特に動画制作を内製化する企業が増えたことで、ナレーション部分だけを切り出して外注する需要が伸びているのが現在の傾向です。

一方で、発注側の担当者が音声制作の専門知識を持っていないケースも多く、納品形式のミスマッチが起きやすいのが実情です。よくあるのは「MP3で納品してもらったが、編集ソフトでノイズが目立つ」「サンプリングレートが動画の規格と合わず、音ズレが発生した」「尺を指定しなかったため、想定より長い読み上げになり編集で調整が必要になった」といったトラブルです。

ナレーションや音声コンテンツの制作では、原稿や読み方の指示に意識が向きがちですが、実務上それと同じくらい重要なのが「どの形式で録り、どの形式で納品するか」を事前に決めておくことです。
出典: kobatee.jp

こうしたトラブルの多くは、発注者側が「納品形式」という概念そのものを意識していないことが原因です。ナレーターやディレクターは音声の専門家であっても、発注者の使用環境（編集ソフトの種類、動画の解像度、公開先のプラットフォーム）までは把握していません。だからこそ、発注時にこちらから具体的な仕様を伝える必要があるのです。

音声制作の外注費用の相場も、依頼内容によって幅があります。個人ナレーターへの直接依頼であれば、1分あたり3,000円から1万円程度が目安とされ、企業ナレーションや専門知識が必要な内容ではさらに上振れすることもあります。代理店や制作会社を経由すると、ディレクション費や仲介手数料が上乗せされるため、同じ品質でも総額が大きく変わってくる点は覚えておきたいところです。

録音形式と納品形式の違いを理解する

まず押さえておきたいのが、「録音形式」と「納品形式」は同じではないという点です。この違いを理解していないと、発注時の指示があいまいになり、後工程でトラブルが起きやすくなります。

録音形式とは、ナレーターが実際にマイクで音声を収録する際のファイル形式やサンプリングレート、ビット深度のことを指します。一般的にプロのナレーターは非圧縮のWAV形式、サンプリングレート48kHz、ビット深度24bitといった高音質な設定で録音します。これは編集時の劣化を最小限に抑えるためで、収録段階では音質を落とさないのが基本です。

一方、納品形式とは、収録・編集を終えた最終データを発注者に届ける際の形式です。用途によって必要なスペックは変わり、動画編集用であればWAVのまま高音質で納品してもらうのが望ましい一方、Web配信用の音声コンテンツであれば圧縮率の高いMP3でも十分な場合があります。

つまり、録音形式・納品形式は「声のデータ仕様」であると同時に、「制作進行を止めないための設計条件」でもあります。依頼時にここを決めておくと、ナレーター・音声ディレクター・編集担当の認識が揃い、修正コストを大きく減らせます。
出典: kobatee.jp

発注者としてまず理解しておくべきは、「収録は高音質で行い、納品時に用途に応じて調整する」という順序です。最初から低品質な形式で収録してしまうと、後から高音質版が必要になっても復元できません。逆に、収録時に高音質なWAVで録っておけば、動画用にはそのまま、Web配信用にはMP3へ変換してもらう、といった柔軟な対応が可能になります。この順序を理解した上で発注仕様を伝えると、ナレーター側との認識のズレが起きにくくなります。

代表的な音声ファイル形式の種類と特徴

ナレーション納品でよく使われる音声ファイル形式には、それぞれ異なる特徴があります。用途に合わせて適切な形式を選ぶことが、後工程のトラブルを防ぐ第一歩です。

WAV形式

WAVは非圧縮の音声形式で、録音時の音質をそのまま保持できるのが最大の特徴です。動画編集やCM制作など、後から音声を加工する可能性がある場合はWAVでの納品が基本になります。ファイルサイズは大きくなりますが、劣化がないため編集時の音質トラブルを防げます。企業VPやテレビCM、ゲームのボイスなど、品質が最優先される案件ではほぼ必ずWAVでの納品が指定されます。

MP3形式

MP3は圧縮形式で、ファイルサイズを小さくできるのが利点です。Web上での配信や、ポッドキャスト、音声コンテンツの配布など、ファイルサイズの軽さが重視される用途に向いています。ただし圧縮によって音質はやや劣化するため、後から大幅な編集を加える予定がある場合には不向きです。ビットレートは128kbpsから320kbpsの範囲で指定されることが多く、数値が高いほど音質は良くなりますがファイルサイズも大きくなります。

AIFF形式

AIFFはMacやApple製品との親和性が高い非圧縮形式です。WAVと同様に高音質を維持できますが、Windows環境での互換性はWAVに劣るため、発注者がどの環境で編集作業を行うかによって選択が分かれます。編集チームがMac中心であればAIFFを指定するケースも見られます。

FLAC形式

FLACは可逆圧縮形式で、WAVに近い音質を保ちながらファイルサイズを抑えられるのが特徴です。ただし対応していない編集ソフトも一部存在するため、事前に自社の編集環境で扱えるか確認しておく必要があります。

形式の選び方に迷った場合は、まず「編集で加工する可能性があるかどうか」を基準に考えるとわかりやすくなります。加工の余地があるならWAV、そのまま配信・使用するだけならMP3、という大まかな分け方で判断できます。

サンプリングレートとビット深度の指定方法

音声ファイル形式に加えて、発注時に意外と見落とされがちなのがサンプリングレートとビット深度の指定です。これらの数値が動画やプロジェクトの規格と合っていないと、音ズレやノイズの原因になります。

サンプリングレートとは、1秒間に音を何回サンプリング(標本化)するかを示す数値で、44.1kHzや48kHzといった単位で表されます。音楽CDの規格は44.1kHzですが、映像制作の業界標準は48kHzが一般的です。動画にナレーションを載せる場合は48kHzで統一しておくと、映像編集ソフトへの取り込みがスムーズになります。逆にこの数値がバラバラだと、映像編集ソフトが自動でリサンプリングを行い、わずかな音質劣化や同期のズレが生じることがあります。

ビット深度は音の階調を表す数値で、16bitと24bitが主流です。16bitはCD音質相当、24bitはよりダイナミックレンジが広く、プロの制作現場では24bitが標準になりつつあります。編集時に音量調整やノイズ除去などの加工を行う可能性がある場合は、24bitで収録・納品してもらう方が、加工後の音質劣化を抑えられます。

発注時には、次のような形で具体的に指定するとナレーター側も対応しやすくなります。

納品形式：WAV(非圧縮)
サンプリングレート：48kHz
ビット深度：24bit
チャンネル：モノラルまたはステレオ(用途に応じて指定)
ファイル名の命名規則：シーン番号や台詞番号を含めるかどうか

こうした仕様を発注前に伝えておけば、納品後に「編集ソフトに読み込めない」「音質が想定と違う」といった手戻りをほぼ防ぐことができます。逆にこれらを何も指定せずに発注すると、ナレーター側が独自の判断で形式を決めることになり、結果的に発注者の使用環境と合わない可能性が高くなります。

尺(収録時間)の指定方法と読み上げ速度の目安

ナレーション収録では、音声ファイル形式と並んで「尺」の指定も重要な要素です。尺とは音声の再生時間のことで、動画の長さやCMの規格に合わせて厳密に管理する必要があります。

日本語のナレーションでは、1分間におよそ300文字から350文字程度が標準的な読み上げ速度とされています。ただし、これはあくまで目安であり、内容の専門性やナレーターの個性、求める印象(落ち着いたトーンかテンポの良いトーンか)によって前後します。台本を作成する段階で、想定尺から逆算して文字数を調整しておくと、収録後の尺の誤差を最小限に抑えられます。

CMのように尺が厳密に決まっている案件では、「15秒尺」「30秒尺」といった形で発注時に明確に指定し、可能であれば台本の時点で秒数を割り振ったタイムテーブルを用意しておくと、収録の手戻りが減ります。動画コンテンツのように尺にある程度の柔軟性がある場合でも、「3分以内」「5分程度」といった目安を伝えておくことで、ナレーター側が読み上げ速度を調整しやすくなります。

また、尺の指定と合わせて確認しておきたいのが「間(ま)の取り方」です。ナレーションでは文と文の間にどれくらいの無音を挟むかによって、全体の印象や尺が変わってきます。編集段階で間を詰めたり広げたりする調整が可能かどうかも、発注時に確認しておくとよいでしょう。

修正対応の範囲と回数を事前に決めておく

納品形式と並んで、発注者が事前に確認しておくべきなのが「修正対応の範囲」です。ナレーション収録では、一発撮りで完璧な音声が仕上がることは少なく、多くの場合は初回納品後に発注者側からフィードバックを行い、部分的な撮り直しを依頼する流れになります。

修正対応の範囲は、依頼先によって大きく異なります。個人のフリーランスナレーターに直接依頼する場合、無料修正の回数や範囲は契約時に個別に取り決める必要があります。多くの場合、読み間違いや誤読の修正、原稿にない不自然なイントネーションの修正は無料対応の範囲に含まれますが、原稿内容そのものの変更(トーンの方向性を根本的に変える、原稿を書き直すなど)は追加料金が発生することが一般的です。

企業VP、CM、ドキュメンタリーなど年間300本以上のナレーションを担当。高品質な宅録環境を完備し、スピーディかつ最高水準の音声データを提供します。
出典: kobatee.jp

このように実績のあるナレーターほど、修正対応のフローがあらかじめ明確になっているケースが多く見られます。発注前に「無料修正は何回まで可能か」「修正の範囲はどこまでか」「追加修正が発生した場合の費用はどう計算されるか」を確認しておくと、想定外の追加費用を避けられます。

修正依頼をする際は、具体的な箇所と修正内容を明確に伝えることも重要です。「全体的に固い印象なのでもう少し柔らかく」といった抽象的な指示よりも、「3行目の語尾をもう少し柔らかいトーンで」「10秒地点の間をもう少し空けてほしい」といった具体的な指示の方が、ナレーター側も対応しやすく、修正の往復回数を減らせます。

発注から納品までの実務フロー

ナレーション収録を外注する際の一般的な流れを把握しておくと、進行がスムーズになります。

まず原稿を用意し、発注先に共有します。この段階で、想定尺や納品形式、サンプリングレートなどの技術仕様も併せて伝えておくのが理想です。次に、ナレーターの声質やトーンのサンプルを確認し、依頼内容に合った人材を選定します。多くのナレーターはポートフォリオやサンプルボイスを公開しているため、発注前に実際の声を聞いて判断できます。

収録が完了すると、初回の音声データが納品されます。この時点で、指定した納品形式・サンプリングレート・尺が守られているかを確認します。もし修正が必要な場合は、具体的な箇所を指定してフィードバックを行い、再収録または部分的な撮り直しを依頼します。最終的な音声データが確定したら、正式な納品となります。

発注から納品までの期間は、案件の規模や修正の有無によって変動しますが、シンプルな案件であれば数日、修正を含めても1週間から2週間程度で完了することが多いです。急ぎの案件では、当日納品に対応するナレーターも存在しますが、その分料金が割増になることが一般的です。

初めて外注をする際は、見積もりの比較で失敗しやすいポイントがあります。筆者が過去に音声制作を外注した際、複数の見積もりを比較したところ、表面上の金額だけを見て安い方を選んだ結果、納品形式の指定漏れがあり、追加で編集作業が発生して結局は割高になった経験があります。見積もりを比較する際は、金額だけでなく「納品形式の指定に対応しているか」「修正対応の範囲はどこまでか」を必ず確認するべきだと痛感しました。

費用相場と依頼先による違い

ナレーション収録の費用相場は、依頼先の形態によって大きく変わります。

フリーランスのナレーターに直接依頼する場合、1分あたりの単価は経験や知名度によって3,000円から1万円程度が相場とされています。ナレーション経験が豊富で企業案件の実績が多いナレーターほど単価は高くなる傾向にあります。一方、制作会社や代理店を経由する場合は、ナレーター本人への報酬に加えてディレクション費や仲介手数料が上乗せされるため、同じ品質のナレーションでも総額が2割から4割程度高くなることが少なくありません。

代理店を経由する最大のメリットは、ディレクターが間に入ることで進行管理や品質チェックを任せられる点です。一方で、フリーランスへの直接依頼は中間マージンが発生しない分、同じ予算でより高品質なナレーターに依頼できる、あるいは同じナレーターにより長時間の収録を依頼できるという費用面のメリットがあります。手数料0%で直接依頼できるマッチングサービスを利用すれば、仲介手数料が発生しない分、その予算をナレーターへの報酬や追加修正の余裕に回すことができます。

依頼先を選ぶ際は、単純な金額の安さだけでなく、「納品形式の指定に柔軟に対応してくれるか」「修正対応のルールが明確か」「過去の実績が公開されているか」を確認することが重要です。特に企業VPやCMなど品質が問われる案件では、単価だけで判断せず、サンプルボイスや過去の制作実績を必ず確認してから発注先を決めるべきです。

依頼時に伝えるべき仕様のチェックリスト

ここまで解説してきた内容を踏まえ、ナレーション収録を発注する際に伝えるべき項目をチェックリスト形式でまとめます。

原稿(想定尺から逆算した文字数で作成)
納品形式(WAV/MP3など、用途に応じて指定)
サンプリングレート(48kHzが映像用途では一般的)
ビット深度(16bitまたは24bit)
チャンネル(モノラル/ステレオ)
想定尺(秒数または分数の目安)
ファイル名の命名規則(必要であれば)
修正対応の範囲と無料修正回数
納期の希望日
使用媒体(動画、CM、Web配信、社内研修など、用途を明記)

これらの項目を発注前にまとめておき、依頼先に共有することで、納品後のトラブルをほぼ防ぐことができます。特に納品形式とサンプリングレートは、編集ソフトとの互換性に直結するため、発注時点で明確に指定しておくことを強く推奨します。

運営者から見たナレーション外注市場の傾向

20年ほどフリーランス・在宅ワーク市場を運営してきた立場から見ると、ナレーション収録の外注で失敗するケースの多くは、技術的な仕様のすり合わせ不足に起因しています。原稿や声質については発注者側も比較的丁寧に確認する一方で、ファイル形式やサンプリングレートといった技術仕様は「専門的すぎてよくわからない」という理由で発注先に丸投げされがちです。しかし、この部分こそ発注者側が最低限の知識を持って指定することで、後工程のトラブルを大幅に減らせる領域だと感じています。

また、長く継続して依頼が入るナレーターほど、発注者からの技術仕様の伝え方が明確で、修正の指示も具体的だという傾向が見られます。逆に、仕様があいまいなまま発注してしまうと、ナレーター側も手探りで対応せざるを得ず、結果として修正の往復が増え、双方にとって非効率な進行になりやすいのが実情です。

中間マージンが発生しない直接取引の構造は、単に費用が安くなるという以上の意味を持ちます。同じ予算であれば発注者はより多くの収録時間や修正対応を依頼でき、受け手であるナレーターも手取りが厚くなるため、長期的な関係を築きやすくなります。運営者として見てきた限りでは、この"双方が得をする"関係性の中で、技術仕様のすり合わせも丁寧に行われるケースが多く、結果的に納品トラブルの少ない取引につながっているという実感があります。

ナレーション収録は、原稿とキャスティングさえ決まれば完了する単純な作業ではありません。納品形式・サンプリングレート・尺・修正対応という技術的な仕様を発注前に明確にしておくことが、想定通りの成果物を得るための最短ルートです。動画編集や音声コンテンツの制作を外注する際は、あわせて音声編集・音楽レッスンのお仕事の分野で活躍する専門人材への依頼も選択肢に入れると、収録から編集までを一貫して依頼できる体制を整えやすくなります。ナレーション自体の依頼先を探す場合は、ナレーション・声優・アフレコのお仕事で紹介されている人材のポートフォリオを確認し、過去の制作実績や声質のサンプルを比較した上で発注先を決めることをおすすめします。

音声制作以外にも、動画や音声コンテンツにAIを活用したマーケティング施策を組み合わせたいと考える発注者も増えています。そうした場合はAI・マーケティング・セキュリティのお仕事で紹介されている専門人材と組み合わせて依頼することで、コンテンツ制作から活用施策までを一貫して外部リソースでまかなうことも可能です。ナレーターへの発注単価の目安を知りたい場合は、関連職種として著述家，記者，編集者の年収・単価相場のデータも参考になります。文章制作と音声制作は隣接する領域であり、単価相場の考え方に共通する部分が多いためです。