音声データの録音の1か月目は数をこなすより録り直しを減らす

まず、安心してください。音声データの録音を在宅で始めるにあたって、高価な機材を最初から揃える必要はありません。私が皆さんにお伝えしたいのは、最初の1か月に必要なのは投資額ではなく、順序だということです。順序を間違えると、10万円の機材を買っても納品を差し戻され、順序さえ合っていれば1万円台の構成でも十分に通用します。

この記事では、音声データの録音を在宅で始める方に向けて、最初の1か月をどう配分すればよいかを週単位でまとめました。あわせて、無料ツールでどこまでできるか、市場の相場と単価の考え方、実績としてどんなサンプルを用意すべきか、そして注意すべきリスクを正直に書きます。メリットだけを並べるつもりはありません。向いていない人には向いていないと書きます。そのうえで、準備さえすれば40代からでも50代からでも遅くないというのが、私の結論です。

音声データの録音という仕事が在宅で広がっている背景

まず、この仕事の中身を整理しておきます。音声データの録音と一口に言っても、実務では複数の系統に分かれます。

1つ目がナレーション収録です。動画や広告、企業の研修教材に載せる音声を、原稿に沿って読み上げて納品する仕事。2つ目が音声コーパス収録です。音声認識や合成音声を開発する際の学習データとして、指定された短文を大量に読み上げる仕事。3つ目が会議や取材の録音・整音です。オンライン会議の音声を録って整え、後段のテキスト化に渡せる状態にする仕事。4つ目が読み上げ音源の制作で、電子書籍や記事を音声化する仕事です。

この4系統が在宅で広がっている理由は、はっきりしています。音声を扱う需要そのものが増えたからです。動画コンテンツの制作量が増え、音声アシスタントや音声認識の学習データが必要になり、社内研修や説明資料の音声化が進みました。一方で、録音のためだけにスタジオを押さえるコストは高い。結果として、一定の品質を自宅で出せる人に外注する流れが定着しました。

もう1つ、在宅ワーク全体の側から見た背景もあります。在宅では対面の場が減るぶん、記録の重要度が上がっているという構造です。

在宅ワークだと、オフィスみたいに「隣の席の人にちょっと聞く」ができない。だからこそテキストで残す議事録の重要度が高い。 出典: note.com

この指摘は、録音の仕事にもそのまま当てはまります。会議の場に全員が同席できない以上、後から確認できる音声とテキストが必要になる。だから、会議の録音と整音、そこからのテキスト化という一連の作業に需要が生まれます。皆さんが最初に受ける案件も、華やかなナレーションより、この地味な録音・整音まわりである可能性が高い。ここを軽く見ないでほしいのです。

最初の1か月を4週に分けて配分する

ここからが本題です。私が提案する配分は、1週目に環境、2週目に発声と原稿処理、3週目に編集、4週目にサンプル制作という順序です。この順序には理由があります。環境が整っていないと、どれだけ良い読みをしても納品できないからです。

1週目は録音環境を作り切る

最初の1週間は、声を出す練習をほとんどしません。かわりに、部屋を録音できる状態に持っていきます。

やることは3つあります。第1に、部屋の暗騒音を測ること。スマートフォンの騒音計アプリでも構いません。何も音を出していない状態の室内が、どの程度の騒音レベルかを、時間帯を変えて3回測ってください。エアコン、冷蔵庫、外の車の音。これらが録音に混入すると、後からの除去は完全にはできません。夜間のほうが静かなら、収録は夜に固定するという判断ができます。

第2に、反響を潰すこと。フローリングの部屋で何もせずに録ると、声が壁で跳ね返って風呂場のような響きになります。この響きは編集で消せません。対策は簡単で、厚手のカーテンを閉める、布団やクッションを壁側に置く、クローゼットの中で録る、といった方法です。私が実際に試して一番効いたのは、洋服が掛かったクローゼットの前で録る方法でした。衣類が吸音材の代わりになります。費用はゼロです。

第3に、機材を最小構成で決めること。最初はUSB接続のコンデンサーマイクが1本あれば足ります。価格帯は8,000円〜2万円あたりで十分実用になります。加えて、ポップガード（破裂音を抑える網）とマイクスタンドがあれば構成は完成です。オーディオインターフェースやXLR接続のマイクは、案件が安定してからでいい。最初から揃えて、結局続かなかったという話を私は何度も聞いてきました。

1週目の終わりには、必ずテスト録音をして自分で聞き返してください。自分の声を録音で聞くのは、正直に言うと居心地が悪いものです。私も最初は自分の声が嫌でした。ですが、聞き返さないと問題点が分かりません。ここは避けて通れない工程です。

2週目は発声と原稿処理の型を作る

2週目からようやく声を使います。ただし、いきなり長い原稿を読むのではなく、短い文を正確に読むことから始めます。

最初にやるべきなのは、自分の読み癖の把握です。テスト録音を聞き返すと、必ず癖が見つかります。語尾が下がりすぎる、息継ぎの位置が不自然、特定の行で滑舌が甘くなる、リップノイズ（口の中の粘着音）が入る。この癖を紙に書き出してください。癖を自覚していない状態でいくら練習しても、同じ癖を上書きするだけです。

次に、原稿処理の習慣をつけます。プロの読み手が必ずやっているのが、読む前の原稿への書き込みです。息継ぎの位置に印を入れる、読み間違えやすい漢字にふりがなを振る、アクセントに迷う固有名詞は事前に確認する。この下準備を10分かけてやるだけで、録り直しの回数が半分以下になります。準備を省いて録り始め、何度も止まってやり直すほうが、結果的に時間がかかります。

読み間違えやすい語の扱いは、特に注意してください。企業名、商品名、専門用語のアクセントを勝手に決めて読むと、後から全部録り直しになります。少しでも迷ったら、収録前に依頼者へ確認する。「この固有名詞のアクセントはこちらでよろしいでしょうか」と音声メモを添えて聞けば、確実です。この確認を面倒がった結果、丸一日分の収録をやり直した話を、私は実際に聞いています。

2週目のうちに、水分補給と体調管理の習慣もつけておいてください。喉が乾いた状態で長時間読むと、声が枯れるだけでなく、口の中の音が録音に乗りやすくなります。常温の水を手元に置き、15分ごとに一口飲む。この程度のことで、ノイズの量が変わります。

3週目は無料ツールで編集を覚える

3週目は編集です。ここで多くの方が身構えますが、最初に覚えるべき操作は4つだけです。

第1に、不要部分のカット。言い間違えた箇所、長すぎる無音、咳払いを切る操作です。第2に、ノイズ除去。無音部分から環境音のプロファイルを取得し、全体から差し引く処理です。第3に、音量の正規化。全体の音量を規定のレベルに揃える処理で、案件によっては数値で指定されます。第4に、書き出し形式の指定です。WAVかMP3か、サンプリングレートはいくつか、モノラルかステレオか。ここは案件の指定に従います。

これらは無料の音声編集ソフトで全部できます。有料ソフトを買う必要は、少なくとも最初の数か月はありません。無料ソフトでも、上記4操作の品質は業務水準に達しています。私は皆さんに、ここでお金を使わないでほしいと思っています。使うべきなのは、ソフト代ではなくマイクと吸音の工夫です。

編集で気をつけてほしいのが、ノイズ除去のかけすぎです。ノイズを消そうと処理を強くかけると、声そのものが痩せて、水中で喋っているような不自然な音になります。この状態は聞けば分かるので、依頼者からは確実に差し戻されます。ノイズ除去は「気になる分だけ、弱めに」が原則です。そもそもノイズが乗らない環境を1週目で作ったのは、このためです。

3週目の最後に、無料ツールと有料ツールの比較についても触れておきます。有料ソフトの利点は、処理の速度と、複雑な整音の自由度です。案件数が増えて編集時間が収入を圧迫し始めたら、そのタイミングで検討すればいい。判断の基準は「編集に月10時間以上かかるようになったか」です。それ以下なら無料ツールで十分です。

4週目はサンプルを作って外に出す

4週目でやるのは、実績として提示できるサンプル音源の制作です。ここが最も重要な週なので、時間を確保してください。

作るべきサンプルは3本です。1本目がナレーション調の落ち着いた読み、2本目が説明・解説調の読み、3本目が案内・アナウンス調の読み。それぞれ30秒から60秒程度で十分です。長いサンプルは最後まで聞いてもらえません。冒頭の10秒で判断されると考えて、最初の一文に一番良い状態を持ってくる。

原稿は、著作権に配慮して自作するか、権利処理された素材を使ってください。他人の作品や商業コンテンツの一部を無断で読み上げてサンプルにするのは、権利の観点で問題があります。自分で書いた説明文で構いません。むしろ、自作の原稿のほうが読み慣れているぶん、品質が安定します。

サンプルには、必ず技術的な情報を添えてください。収録環境（マイクの機種、収録した部屋の状態）、書き出し形式、対応可能な納品形式、収録可能な時間帯。この情報があると、依頼者は自分の案件に合うかを即座に判断できます。音源だけを送って「いかがでしょうか」とするより、はるかに反応が違います。

私自身、40代でフリーランスに移るとき、最初のサンプルを作るのに3日かかりました。何度も録り直して、そのたびに粗が見つかる。正直、心が折れかけました。ですが、あのとき作ったサンプルが、その後の案件獲得の土台になりました。時間をかける価値のある工程です。

市場の相場と単価の考え方

数字の話をします。ここは正直に、幅を持たせて書きます。

音声コーパスの収録案件、いわゆる短文の読み上げは、比較的入りやすい代わりに単価は控えめです。1件あたり数百円から、まとまった本数で3,000円〜1万円程度という設定が多く見られます。作業時間に対する効率はあまり良くありませんが、実績を作る入り口としては機能します。

ナレーション収録は、案件の性質で大きく変わります。動画のナレーションであれば、尺と用途で決まるのが一般的で、短い動画1本で3,000円〜1万5,000円、企業の研修教材のような長尺では原稿の文字数や完成尺に応じて2万円〜10万円のレンジになることもあります。ただし、これは商用利用の範囲や二次利用の可否で変動します。

会議の録音・整音は、時間単価で受けることが多く、1,200円〜2,500円程度が目安です。テキスト化まで含めるかどうかで水準が変わります。

ここで皆さんに一番注意してほしいのが、二次利用と買い取りの条件です。「1本5,000円」という金額だけを見て受けると、その音源がテレビCMや全国配信の教材に無期限で使われる契約になっている場合があります。使用範囲、使用期間、二次利用時の追加報酬の有無。この3点を契約前に必ず確認してください。金額そのものより、この条件のほうが実質的な価値を左右します。

もう1つ、相場観を持つために周辺職種のデータも見ておくと判断がしやすくなります。原稿の執筆まで請け負う場合、文章側の単価水準が交渉の材料になります。著述家，記者，編集者の年収・単価相場には、文章を扱う職種の報酬水準がまとまっており、読み上げと原稿制作をセットで提案する際の根拠になります。

必要なスキルとツールを現実的に整理する

必須の資格はありません。声優や放送の養成機関を出ている必要もありません。ここは安心していただいて構いません。実際に評価されるのは、次の4つです。

第1に、指示通りに読めること。速く読んでほしい、感情を抑えてほしい、この単語を強調してほしい。こうした指示を正確に反映できる人は、確実に重宝されます。逆に、自分の解釈を優先して読む人は、修正のやり取りが増えて敬遠されます。

第2に、納期を守ること。当たり前に聞こえますが、収録は体調に左右される作業です。喉の不調で1日録れないことは実際に起きます。だからこそ、納期には必ず余裕を持たせて受けてください。締切の2日前に完成させる前提で計画を組む。この習慣が、信頼の土台になります。

第3に、ファイル管理が正確なこと。音声案件では、ファイル名の規則が細かく指定されることが多い。指定通りの名前で、指定通りのフォルダ構成で納品する。この基本ができていない納品が、実は少なくありません。ここを丁寧にやるだけで差がつきます。

第4に、文章を理解して読めること。原稿の構造を理解している人の読みは、聞いていて分かりやすい。文章の型を体系的に学んでおくと、この理解が速くなります。ビジネス文書検定には、伝わる文書の構成や敬語の使い分けが体系立てて整理されており、説明・解説調の原稿を読むうえでの土台になります。

ツール構成のおすすめを、最小構成から順に並べておきます。最小構成はUSBコンデンサーマイク、ポップガード、無料の音声編集ソフト、密閉型のヘッドホン。合計で1万5,000円程度に収まります。次の段階として、吸音材やリフレクションフィルター、モニター用の環境改善。さらに先で、オーディオインターフェースとXLRマイクへの移行です。最初から最終形を目指さないでください。

注意すべきリスクを正直に書きます

メリットだけ並べるつもりはないと最初に書いたので、ここは率直に書きます。

1つ目のリスクは、収入が安定するまでの期間です。音声案件は継続案件になりにくい性質があり、単発の積み重ねになりがちです。特に最初の数か月は、案件が途切れる期間が必ずあります。これを生活費の柱にする前提で始めると、精神的にかなり厳しい。副業として、本業や他の在宅ワークと並行して立ち上げるのが現実的です。

2つ目のリスクは、身体的な負担です。喉と声帯は消耗品です。長時間の収録を連日続けると、確実に声が枯れます。私も一度、無理な日程で受けて声を痛めたことがあります。あのときに学んだのは、断る勇気も仕事のうちだということでした。1日の収録時間は最大でも4時間程度に抑え、連日にならないよう調整してください。

3つ目のリスクは、権利まわりのトラブルです。前述の二次利用の条件に加えて、自分の声そのものの扱いも問題になり得ます。合成音声の学習データとして提供する案件では、自分の声質を再現した音声が生成される可能性があります。この可否と範囲は、契約書に明記されているかを必ず確認してください。曖昧なまま受けて、後から「そんなつもりではなかった」となっても、契約書があると覆すのは難しい。

4つ目のリスクは、孤立です。在宅で一人黙々と録音し、編集し、納品する。この繰り返しは、想像以上に人と話す機会を奪います。私は在宅に移った当初、一日中誰とも会話しない日が続いて、判断力が落ちていることに自分で気づけませんでした。この問題への具体的な対処は在宅ワーカーのメンタルヘルスケア｜孤独・燃え尽きを防ぐ5つの習慣【2026年版】にまとまっています。生活リズムの整え方と、人との接点をどう確保するかが書かれており、最初の1か月の段階で目を通しておく価値があります。

5つ目は、条件の不明瞭な募集への注意です。高額な報酬を掲げながら、事前に教材費や機材の購入を求める募集には慎重になってください。業務に必要な機材を自分で用意するのは通常のことですが、依頼者側が指定する特定の商品を購入させる形の募集は、内容を精査すべきです。契約前に、報酬の支払時期と算定根拠が書面で明示されるかを確認してください。

1日の作業の流れと、失敗しやすい場面

週ごとの配分を理解しても、実際の1日がどう進むかが見えていないと、最初の案件で戸惑います。ここでは、収録案件を1本受けたときの流れを、順を追って書きます。

まず、原稿を受け取ったら、その日のうちに全文を黙読してください。読み間違えやすい語、アクセントに迷う固有名詞、意味の取りにくい文を洗い出す作業です。ここで出た疑問は、その日のうちにまとめて依頼者へ送ります。収録当日の朝に質問を投げても、返事が来る頃には収録の時間が過ぎています。質問は前倒しにする。これだけで、進行の詰まりが大きく減ります。

収録当日は、開始の30分前から準備を始めます。部屋の窓を閉め、エアコンを止め、スマートフォンを機内モードにする。冷蔵庫の音が気になる部屋なら、収録の間だけコンセントを抜くという手もあります。ただし、抜いたことを忘れないよう、目に付く場所にメモを残してください。私は一度これを忘れて、翌朝まで冷蔵庫を止めたままにしたことがあります。笑い話で済みましたが、二度とやりたくない失敗です。

収録は、いきなり本番を録らないでください。最初に3分ほど声を出して、喉を起こします。起き抜けの声と、話し始めて30分経った声は、明らかに違います。この差が同じ音源の中に混在すると、聞いていて不自然さが出ます。長い原稿を複数日に分けて録る場合は、毎回同じ手順で声を起こしてから録る。これで、日をまたいでも音の印象が揃います。

録っている最中に言い間違えたら、その場で止めずに、少し間を空けてから同じ文を頭から読み直してください。一文単位で録り直せる状態にしておくと、編集でつなぐのが格段に楽になります。逆に、間違えるたびに録音を停止して録り直すと、ファイルが細かく分かれて管理が煩雑になります。

収録が終わったら、その日のうちに一度通しで聞き返します。翌日に回すと、耳が原稿の内容を覚えてしまい、粗に気づきにくくなります。鮮度が落ちないうちにチェックするのが原則です。

失敗しやすい場面も挙げておきます。1つ目は、納品形式の確認漏れです。WAVで納品すべき案件にMP3を送ってしまい、差し戻される。これは事前確認だけで防げます。2つ目は、音量レベルの不統一です。複数ファイルを納品する案件で、ファイルごとに音量が違うと、聞き手は毎回ボリュームを触ることになります。書き出す前に必ず全ファイルの音量を揃えてください。3つ目は、ファイル名の規則違反です。連番の桁数、区切り文字、拡張子の大文字小文字まで指定されている案件があります。指定書を横に置いて、1つずつ照合する。地味ですが、ここを外すと信頼を失います。

実績をどう積み上げていくか

サンプル音源を作ったら、次は実績の積み上げ方です。ここには順序があります。

最初に狙うべきは、規模の小さい案件です。短い動画のナレーション、数十文の音声コーパス、社内向けの説明音声。こうした案件は競争が緩やかで、かつ納品までの工程が短いため、自分の作業時間を測るのに向いています。1件受けるごとに、原稿の確認に何分、収録に何分、編集に何分かかったかを記録してください。この記録が、後の見積もりの精度を決めます。

作業時間を記録していない人は、案件の見積もりを勘で出すことになります。結果として、実質の時間単価が最低賃金を下回る条件を自分から提示してしまう。これは本当によく起きる失敗です。5件ほど実績が溜まれば、原稿の文字数から所要時間を推定できるようになります。そこからが、まともな見積もりのスタートラインです。

実績として外に出せる形も、早めに整えておいてください。音声案件では、納品した音源そのものを公開できないケースが大半です。企業の研修教材や商品紹介の音声は、公開範囲が契約で制限されています。ですから、公開用には自作原稿のサンプルを使い、実績としては「対応した案件の種類と本数」を抽象化して示す形にします。「企業向け説明音声を12本、動画ナレーションを8本担当」という書き方であれば、守秘義務に触れません。

もう1つ、意外に効くのが対応可能な条件の明示です。収録可能な時間帯、対応できる納品形式、修正対応の回数、最短の納期。この4項目を1枚にまとめておくと、依頼者は打診の可否をその場で判断できます。案件を選ぶ立場になるためには、まず選ばれやすい情報の出し方をする。順序としてはこちらが先です。

この市場を20年見てきた立場からの観察

フリーランス・在宅ワークの市場を20年運営してきた立場から言えば、音声のような技能系の仕事で長く続く人には、共通点があります。彼らは、自分の声の良し悪しを気にするより、依頼者の手間をどれだけ減らせるかに関心を向けています。納品形式を指定通りに揃える、修正しやすい形でファイルを分けて渡す、確認事項を先回りして質問する。この積み重ねが「この人に頼むと楽だ」という評価になり、継続につながります。技術の高さより、扱いやすさが選ばれる理由になる。この構図は、20年前から変わっていません。

運営者として見てきた限りでは、報酬の構造を早い段階で理解した人ほど、無理のない働き方に落ち着いています。仲介が入る取引では、依頼者が支払った金額の一部が中間に消えます。同じ予算でも、中間マージンが乗らない直接取引であれば、依頼者はより多くの分量を頼めますし、受け手の手取りは厚くなる。手数料0%という条件が意味するのは、単に金額が増えるという話ではなく、同じ収録時間に対する対価の密度が変わるということです。声を使う仕事は身体が資本なので、この密度の差は働ける年数そのものに効いてきます。

独自データから見える、次に広がる道

在宅職種のデータを横断して見ると、音声の録音を起点にした展開先がいくつか見えてきます。

1つは、音声とテキストを両方扱う方向です。録音した音声をテキスト化し、要約や議事録の形に整えて納品する。この一連を引き受けられる人は、依頼者から見て手間が激減します。文字起こしの精度を上げる作業と、読みやすい文書に整える作業は別のスキルなので、後者を鍛えると単価が変わります。

2つは、AI活用の領域です。音声認識や合成音声の技術が急速に普及したことで、「人の声で録るべき部分」と「機械に任せてよい部分」を切り分けられる人材の価値が上がっています。この判断は、実際に自分で録音してきた人にしかできません。AI活用と周辺業務でどんな案件が発生しているかはAI・マーケティング・セキュリティのお仕事で確認でき、音声まわりの技術がどう業務に組み込まれているかの見取り図になります。

3つは、業務支援の方向です。企業の社内研修や説明資料を音声化する際、どこを音声にすべきか、どういう構成にすると理解されやすいかを設計する仕事です。この領域は単なる収録より報酬水準が上がります。支援業務がどう発生しているかはAIコンサル・業務活用支援のお仕事にまとまっており、収録の実務経験がそのまま設計側の説得力になります。

4つは、技術寄りへの展開です。音声の処理を自動化するスクリプトを書けるようになると、大量案件の効率が劇的に変わります。ここまで踏み込む人は多くありませんが、アプリケーション開発のお仕事を見ておくと、技術側でどんな案件が動いているかの感覚がつかめます。すぐに転向する必要はありません。選択肢として知っておくだけで十分です。

最後に、最初の1か月の話に戻ります。この1か月で皆さんが手に入れるべきものは、録音した本数ではありません。ノイズの少ない収録環境、自分の読み癖を把握したメモ、編集の基本4操作、そして3本のサンプル音源。この4つが揃っていれば、2か月目からは案件に応募する側の準備が整った状態です。

43歳で会社を辞めたとき、私も同じように一から準備しました。焦って数をこなそうとした時期もありましたが、結局効いたのは、地道な環境づくりと記録の積み重ねでした。準備さえすれば、40代からでも遅くありません。皆さんの1か月が、あとから振り返って土台になっていることを願っています。

公的機関・関連参考情報

本記事の内容に関連する公的機関や信頼できる情報源は以下の通りです。最新情報は公式サイトで確認してください。

• 厚生労働省

よくある質問

Q. 音声データの録音を在宅で始めるのに、いくらくらいの機材が必要ですか？

最小構成ならUSBコンデンサーマイク、ポップガード、密閉型ヘッドホン、無料の音声編集ソフトで合計1万5,000円程度に収まります。オーディオインターフェースやXLRマイクは案件が安定してからで十分です。それより、厚手のカーテンやクローゼット前での収録といった費用ゼロの反響対策のほうが、品質への効果は大きくなります。

Q. 未経験でも案件は受けられますか。資格は必要ですか？

必須の資格はなく、養成機関を出ている必要もありません。実際に評価されるのは、指示通りに読めること、納期を守ること、ファイル名や形式を指定通りに揃えることの3点です。まずは音声コーパスの短文読み上げなど参入しやすい案件で実績を作り、サンプル音源3本を用意して応募する流れが現実的です。

Q. 単価の相場はどれくらいですか？

音声コーパスの短文読み上げは1件数百円からまとまった本数で3,000円〜1万円程度、動画ナレーションは1本3,000円〜1万5,000円程度、長尺の研修教材では2万円〜10万円のレンジになることもあります。ただし金額より、使用範囲・使用期間・二次利用時の追加報酬という3条件の確認のほうが実質的な価値を左右します。

Q. 最初の1か月で特に注意すべきことは何ですか？

声を出す練習より先に、収録環境を整えることです。暗騒音を時間帯を変えて3回測り、反響を布や衣類で抑えてから録音を始めてください。環境起因のノイズは編集で完全には消せません。また、1日の収録は4時間程度までに抑え、連日にならないよう調整することも、喉を守るうえで重要です。