音声データの録音の初案件は応募先を絞ると通りやすい

先日、在宅で音声収録の仕事を始めたばかりという方から相談を受けました。「短文を読み上げて録音する案件を納品したのですが、その音声が後から別のサービスの合成音声に使われていたようです。これは問題ないのでしょうか」と。結論から言うと、契約書に「二次利用の範囲」が書かれていたかどうかで、答えが変わります。書かれていなければ交渉の余地がありますし、書かれていて同意していたなら、それはもう認めた条件ということになります。つまり、音声の仕事で最も重要なのは、録音の技術ではなく「自分の声がどこまで使われるかを事前に確認すること」なんです。これ、知らない人が本当に多いんです。

音声データの録音の初案件を在宅で取りたい。そう考えている方に、この記事でお伝えするのは3つです。どこに応募すれば初案件が取れるのか。どんな環境と機材が必要なのか。そして契約で何を確認すれば、あとで後悔しないのか。順番に整理していきます。

音声データの録音という仕事は、いま何が発注されているのか

まず市場の全体像から押さえましょう。ここが分かっていないと、応募先の選び方も決まりません。

「音声データの録音」で発注されている仕事は、性質のまったく違う4つの領域に分かれています。

1つ目が、AI学習用の音声収集です。音声認識や音声合成の技術を開発するために、大量の人間の声のデータが必要になります。指定された短文を読み上げて録音し、音声ファイルとして納品する。この形の案件がここ数年で急増しました。特別な演技力は不要で、指定どおりに読めることが条件です。

2つ目が、ナレーション収録です。企業の紹介動画、eラーニング教材、YouTubeのコンテンツ、電話の自動応答音声など、用途は幅広い。表現力と滑舌が問われるため、AI学習用の音声収集より難易度は上がりますが、そのぶん単価も高くなります。

3つ目が、音声モニター・評価業務です。合成音声の品質を人が聞いて評価する、方言や特定の話し方のサンプルを提供する、といった仕事です。録音だけでなく判定の要素が入ります。

4つ目が、音声の後工程です。録音そのものではありませんが、テープ起こし、文字起こし、書き起こしといった業務は音声を扱う仕事として同じ検索の中に混じって出てきます。この領域は案件数が非常に多く、録音の仕事より先に見つかることも珍しくありません。

案件を扱うマッチングサービスの説明を見ると、この領域がどう流通しているかが分かります。

テープ起こし・文字起こし・書き起こしの仕事・案件一覧ページです。クラウドソーシング・アウトソーシングに強いランサーズでは、テープ起こし・文字起こし・書き起こしの仕事情報の検索から納品、報酬の受け取りまで、すべて完結します。時間や場所にとらわれず、在宅や副業などさまざまな働き方を実現可能です。24時間365日のサポート体制をご用意しています。仕事、業務委託/副業案件、求人をお探しのフリーランスの方はまず会員登録がおすすめです。 出典: lancers.jp

こうしたサービス上では、検索から納品、報酬の受け取りまでが完結します。初案件を取るという意味では、確かに入り口として機能します。ただし手数料が差し引かれる設計になっている点は、単価の低い音声収集案件では無視できません。この話は後ほど詳しく書きます。

背景にある市場動向も押さえておきましょう。音声認識と音声合成の技術が実用段階に入り、コールセンターの応対記録の自動化、動画コンテンツの自動字幕、読み上げアプリなど、音声データを必要とする用途が一気に広がりました。開発には多様な話者のデータが必要です。年齢、性別、出身地、話す速度。バリエーションが求められるからこそ、専門のナレーターではない一般の人にも発注が回ってくる構造になっています。

つまり、初案件を取りやすい時期にあるということです。ただし、この構造には注意すべき点もあります。自分の声が学習データとして使われるということは、その声を模した合成音声が将来生成される可能性があるということです。ここが契約確認の核心になります。

単価の相場を、案件の種類別に整理する

お金の話をはっきりさせます。ここを知らずに応募すると、割に合わない仕事を掴むことになります。

AI学習用の音声収集は、単価が比較的低く設定されています。短文の読み上げなら1件あたり数十円から数百円、まとまったセット（たとえば100文の読み上げ）で1,000円から5,000円程度という設計が多く見られます。作業自体は難しくありませんが、録音のやり直しが発生すると時給換算は一気に下がります。

ナレーション収録は幅が大きい領域です。数分の企業紹介動画で1本3,000円から2万円程度、専門性の高い教材やCM系の案件になると、それ以上の水準が提示されることもあります。声の質だけでなく、修正対応の速さ、指示の理解力が単価に反映されます。

文字起こしは、音声の長さで単価が決まるのが一般的です。音声1分あたり100円から250円程度が相場で、専門用語が多い分野や、話者が複数いる会議録は高めに設定されます。ここで理解しておくべきなのは、音声1分の文字起こしに実作業は4分前後かかるという点です。1分100円の案件は、実質的な時給が最低賃金を下回ることもあります。

単価を見るときは、必ず「その金額に何が含まれるか」を確認してください。録音のやり直しは何回まで無償か。ノイズ除去などの音声編集は含まれるか。納品形式の変更は追加費用になるか。ここが曖昧なまま受けると、当初の想定の2倍働くことになります。

私自身、事務所の案内音声を自分で録音しようとしたとき、想定の甘さを痛感しました。原稿を読むだけなら10分で終わると思っていたのに、エアコンの動作音、外を通る車の音、言い直しの編集で、結局3時間かかりました。読むことと、使える音源として納品することの間には、大きな隔たりがあります。単価を判断するときは、この「使える状態にするまでの時間」を必ず勘定に入れてください。

初案件を取る4つのルート

本題です。音声データの録音の初案件を取るルートは、大きく4つあります。

ルート1：クラウドソーシングのタスク型案件から入る

最も早く初案件にたどり着けるのがこのルートです。「指定の短文を読み上げて録音する」という単純な作業が、タスク形式でまとめて募集されていることがあります。選考も面接もなく、条件を満たせばその場で着手できるものが中心です。

このルートの目的は、報酬そのものより「納品の経験を積むこと」に置いてください。音声ファイルの形式（WAVやMP3）、サンプリングレート、ファイル名の付け方、無音区間の処理。実際に納品してみないと分からない実務のルールが、一通り体験できます。1件でも納品と評価の実績ができると、次の応募での通過率が変わります。

注意点は手数料です。サービスによっては報酬から一定割合が差し引かれます。単価の低いタスク型案件では、この差し引きが手取りに直接効いてきます。手数料0%で発注者と直接やり取りできる在宅ワーク仲介サイトを併用しておくと、同じ作業量でも残る金額が変わります。実績づくりの場と、収入を得る場を分けて考えるのが合理的です。

ルート2：音声データ収集の専門企業に登録する

AI開発向けの音声データを集めることを事業にしている企業があります。こうした会社は話者を継続的に募集しており、登録制で案件を割り振っています。

このルートの利点は、案件が継続的に供給されることです。単発で終わらず、プロジェクトごとに声がかかります。また、収録の手順や品質基準がマニュアル化されているため、初めてでも進めやすい。

登録時には、声のサンプル提出を求められることが一般的です。指定された文章を読み上げて送る形式で、ここが実質的な選考になります。雑音が入っていない、音量が適切、指定どおりの読み方ができている。この3点を満たしていれば、多くの場合は登録できます。

ルート3：ナレーション案件をスキルマーケットで受ける

自分のサービスを出品する形のマーケットで、ナレーション収録を商品として掲載するルートです。待ちの姿勢になるため初回の受注までに時間がかかりますが、一度実績と評価がつくと、継続的に依頼が来る構造になります。

初案件を取るコツは、サンプル音源の質です。テキストの説明より、実際の声を聞いてもらうほうが早い。30秒程度のサンプルを、想定される用途別に複数用意しておくと、依頼側が判断しやすくなります。ナレーションらしい読み、落ち着いた説明調、明るい案内調といった具合に、いくつかのパターンを見せるのが効果的です。

ルート4：文字起こしから入って音声業務に広げる

案件数の多さで言えば、文字起こしが圧倒的です。録音の案件がなかなか見つからない時期でも、文字起こしなら常に募集があります。

このルートを勧める理由は、音声を扱う実務の勘所が身につくからです。聞き取りにくい録音がどういう状態なのかを、聞き手の側から理解できます。ノイズの多い音源、話者が被っている箇所、音量が不安定な部分。これらを実際に扱った経験は、自分が録音する側に回ったときに直接効いてきます。

文字起こしで求められる文章表現の基礎を整えたいなら、ビジネス文書検定の出題範囲が実用的です。表記の統一、句読点の使い方、聞き取った内容を読みやすい文章に整える技術は、そのまま納品品質につながります。文章を扱う職種全体の報酬水準を知りたい場合は、著述家，記者，編集者の年収・単価相場で確認しておくと、自分の作業を安売りせずに済みます。

在宅録音に必要な環境と機材

音声の仕事は、環境要件が明確に存在する数少ない在宅ワークです。ここを軽視すると、納品してもリテイク（やり直し）が続きます。

マイク。パソコン内蔵マイクでの納品を認めている案件はほとんどありません。USB接続のコンデンサーマイク、またはダイナミックマイクを用意してください。1万円前後の製品でも、内蔵マイクとは比較にならない品質が得られます。最初から高価な機材を揃える必要はありません。

ポップガード。「パ」「バ」行の発音で息がマイクに当たって生じる破裂音を防ぐ器具です。数百円から千円程度で買えて、効果は大きい。これがないと、録音後の編集で何度も直す羽目になります。

録音環境。専用の防音室は不要ですが、反響を抑える工夫は必須です。カーテンを閉める、壁際にクッションや布団を置く、押し入れの中で録音するといった方法で、実用的な水準まで持っていけます。

環境で最も重要なのは、継続的なノイズの排除です。エアコン、冷蔵庫、パソコンのファン、時計の秒針。人の耳は慣れて気づかなくなりますが、マイクは正確に拾います。録音前に一度、何も話さずに30秒録音して再生してみてください。そこに何が入っているかを確認する習慣をつけると、リテイクが激減します。

録音・編集ソフト。無料のソフトで十分に対応できます。必要なのは、録音、不要部分のカット、音量の正規化（ノーマライズ）、ノイズ除去の4機能です。案件によっては「編集なしの素の音源で納品」と指定されることもあるので、指示を必ず確認してください。

納品環境。音声ファイルは容量が大きくなります。安定したインターネット回線と、指定のクラウドストレージを使える環境が必要です。回線が不安定でアップロード中に失敗すると、納期に響きます。ネットワークの基礎を理解しておくとトラブルの切り分けが速くなるので、体系的に学びたい方はCCNA（シスコ技術者認定）の学習範囲が参考になります。

契約で必ず確認する権利の条項

ここが本記事で最も重要な部分です。音声の仕事は、他の在宅ワークと決定的に違う点があります。納品するのが「あなた自身の声」だという点です。

音声には、著作隣接権の問題と、人格的な利益の問題の両方が絡みます。難しい話に聞こえるかもしれませんが、実務で確認すべきことは5つに整理できます。

1つ目、利用範囲。録音した音声が、どの媒体で、どの期間、どの地域で使われるのか。「発注者の事業に関して制限なく使用できる」という条項は、実質的に無制限です。用途が限定されているかを確認してください。

2つ目、二次利用と改変の可否。ここが最も重要です。納品した音声を素材として、合成音声モデルの学習に使えるのか。声質を加工して別の用途に使えるのか。AI学習用の音声収集案件では、当然ながら学習に使われます。そのこと自体は問題ではありません。問題は、それを理解しないまま契約することです。

3つ目、第三者への譲渡・再許諾。発注者が、あなたの音声を別の企業に販売したり、使用を許諾したりできる条項が入っていないか。データセットとして流通する可能性があるかどうかは、事前に把握しておくべきです。

4つ目、氏名表示と匿名性。あなたの名前が公表されるのか、匿名で扱われるのか。どちらが良いかは案件によりますが、意図しない形で名前が出ることは避けたい場合が多いはずです。

5つ目、リテイクの範囲と回数。何回まで無償でやり直すのか。指示の変更による再収録は追加報酬の対象になるか。ここが無制限の契約は、実質的に単価が青天井で下がります。

業務委託で受ける場合、2024年11月に施行されたフリーランス保護新法の対象になります。この法律により、発注する事業者には取引条件を書面や電子メール等で明示する義務があり、成果物を受け取った日から60日以内のできる限り短い期間内に報酬を支払う義務も定められています。つまり、「まだ確認中なので支払いは先になります」といった理由で何か月も待たされるのは、法律が想定している姿ではありません。制度の内容は公正取引委員会が案内しています。

冒頭で紹介した相談のケースは、契約書に二次利用の記載がなく、口頭でも説明を受けていないという状況でした。この場合、どこまでの利用に同意したと言えるのかが争点になります。逆に言えば、契約書に明記されていれば、こうした相談自体が発生しません。条件を文書で確認することは、発注者を疑う行為ではなく、お互いを守る手続きです。

※ 納品した音声が想定外の形で使われている、報酬が支払われないといったトラブルが起きている場合は、対応が遅れるほど選択肢が狭まります。早い段階で弁護士など専門家に相談してください。

初案件で信頼を得るための実務のコツ

初回の納品でどう振る舞うかが、その後の継続を決めます。現場で効くポイントを整理します。

テスト録音を先に送る。全部録り終えてから「音量が小さすぎます」と言われるのが、最悪の展開です。最初の30秒だけ録音して、「この設定で問題ないか確認をお願いします」と送る。この一手間で、全部やり直すリスクが消えます。手間をかけさせて申し訳ないと感じるかもしれませんが、発注側にとっては後でまとめて直すよりはるかに助かることです。

指示書を読み込む。ファイル形式、サンプリングレート、ビット深度、ファイル名の命名規則、無音の長さ。指示書に書かれている技術的な条件は、すべて理由があって指定されています。ここを守るだけで「分かっている人」として扱われます。逆に、ここを外すと声がどれだけ良くても再納品になります。

読み間違いの処理を決めておく。読み間違えたときに、その場で言い直して後で編集するのか、テイクごと録り直すのか。案件によって指定が違います。指示がない場合は、事前に確認してください。

録音条件を固定する。マイクとの距離、部屋、時間帯、機材の設定。これらを毎回変えると、音の質が揃いません。継続案件では「前回と同じ音」であることが求められます。設定をメモに残して、毎回同じ状態を再現できるようにしてください。これは意外と見落とされがちなポイントです。

声のコンディションを管理する。録音の質は体調に直結します。前日の睡眠、乾燥、飲食物。長時間の収録では声が枯れてきます。1回の収録を何分で区切るか、どこで休憩を入れるか。作業リズムの設計については在宅ワークの集中力アップ｜ポモドーロ以外に効く7つのテクニックの考え方が応用できます。集中の切れ目でミスが増えるのは、録音でも同じです。

家庭の生活音と時間帯を調整する。在宅録音の最大の敵は生活音です。同居家族がいる場合、収録可能な時間帯をあらかじめ決めておく必要があります。時間の割り振り方については在宅ワーク主婦の1日のタイムスケジュール公開に具体的な例があり、静かな時間をどう確保するかを考える土台になります。

メリットとデメリットを正直に整理する

始める前に、両面を把握しておきましょう。

メリット1：初期投資が比較的小さい。マイクとポップガードで1万5,000円程度から始められます。専用の防音設備は必須ではありません。

メリット2：時間の自由度が高い。納期さえ守れば、収録の時間帯は自分で決められる案件がほとんどです。静かな時間を選んで作業できます。

メリット3：市場が拡大している。音声認識と音声合成の技術開発が続く限り、学習データの需要は続きます。参入時期としては悪くありません。

メリット4：スキルが積み上がる。録音の技術、音声編集、原稿を読む力。これらは経験に比例して質が上がり、単価に反映されやすい領域です。

デメリット1：単価が低い案件が混じる。特にタスク型の音声収集案件は、リテイクを含めた実作業時間で割ると、期待した水準に届かないことがあります。

デメリット2：環境の制約が大きい。静かな録音環境を確保できない住環境では、そもそも成立しません。集合住宅で家族と同居している場合、時間帯の制約が厳しくなります。

デメリット3：権利関係の複雑さ。自分の声が資産である以上、契約確認の負担が他の在宅ワークより重くなります。読まずに同意すると、後から取り返せません。

デメリット4：案件の変動が大きい。プロジェクト単位で発注されるため、収入が安定しません。他の在宅ワークと組み合わせるのが現実的です。在宅ワーク全体の選択肢を見渡すなら、在宅でできる仕事おすすめ【2026年版】｜スキル別ランキングでスキル別の比較を確認しておくといいでしょう。

税金と手続きの基本

報酬を受け取ったら、税務の話も避けて通れません。

業務委託で受け取った音声収録の報酬は、給与ではなく事業所得または雑所得になります。会社員が副業として受ける場合、給与以外の所得が年間20万円を超えると確定申告が必要です。給与所得がない方は、基礎控除の範囲を超えると申告の対象になります。

経費として計上できるものも押さえておきましょう。マイクやオーディオインターフェースなどの機材、録音ソフトの利用料、インターネット回線料金のうち業務使用分、防音のために購入した資材。領収書は初案件のときから保管してください。所得区分と必要経費の考え方は国税庁の情報で確認できます。

なお、ナレーションの報酬は源泉徴収の対象になる場合があります。発注者が源泉所得税を差し引いて支払うケースがあるということです。振り込まれた金額が契約額より少ない場合、この控除である可能性が高い。支払調書や明細を必ず保管し、確定申告で精算してください。

配偶者の扶養に入っている方は、税制上の扶養と社会保険上の扶養で基準が異なる点にも注意が必要です。国民年金の第3号被保険者に関する要件は日本年金機構の案内が一次情報になります。

※ 扶養の判定は個別事情で結論が変わります。境目に近づきそうなときは、加入している健康保険組合に早めに確認してください。

応募文と自己紹介で書くべきこと

音声の案件に応募するとき、何を書けば通るのか。ここで差がつきます。

まず、録音環境を具体的に書いてください。「静かな環境で収録できます」では伝わりません。使用しているマイクの機種名、録音ソフト、部屋の防音対策、収録可能な時間帯。この4点を並べるだけで、発注側は「この人はすぐ任せられる」と判断できます。逆に環境の記載がない応募は、実際に納品できるかどうかが読めないため、選考で後回しにされます。

次に、納品可能な形式を明記する。WAVかMP3か、サンプリングレートは48kHzまで対応できるか、ノイズ除去などの編集まで対応するのか。技術的な条件に触れられる応募者は、それだけで実務経験があるように見えます。実際、ここを書けるかどうかが未経験者と経験者の分かれ目になっているのが実情です。

3つ目に、サンプル音源を必ず添える。文章でどれだけ説明しても、声の仕事は聞いてもらうのが最速です。30秒程度で構いません。案件の内容に近い読み方のサンプルを用意してください。ナレーション案件なら落ち着いた説明調、AI学習用の音声収集なら指定文の素直な読み上げというように、用途に寄せたものを送ります。

4つ目に、稼働できる量を数字で書く。「週に何時間、月に何件まで対応可能か」。発注側が最も知りたいのは、この人に何をどれだけ任せられるかです。抽象的な意欲より、具体的な数字のほうが評価されます。

未経験だからと引け目を感じる必要はありません。音声の案件で発注側が恐れているのは、経験の少なさではなく、指示どおりの音源が期日に届かないことです。環境と条件を明示できれば、その不安は解消されます。

独自データから見る、録音の先にある仕事

在宅ワークの求人データを横断して見ると、音声を扱う仕事は「AI関連業務の入口」として機能していることが分かります。

第一の進路が、AI開発の周辺業務です。音声データの収集だけでなく、収録済み音声へのラベル付け、書き起こしの精度検証、合成音声の品質評価。これらはすべて、録音の実務を知っている人が有利な領域です。どんな業務が発注されているかはAIコンサル・業務活用支援のお仕事に整理されています。

第二が、コンテンツ制作の方向です。ナレーションから始めて、動画編集、台本執筆、音声コンテンツの企画へと広がっていく道があります。声を出す側から、コンテンツ全体を組み立てる側に回ると、報酬の構造が変わります。マーケティング寄りの業務がどう発注されているかはAI・マーケティング・セキュリティのお仕事で確認できます。

第三が、技術寄りの進路です。音声処理のツール作成、収録データの自動整形、納品パイプラインの構築。プログラミングを学べば、自分の作業を自動化しながら、その仕組み自体を売ることもできます。この方向に興味が出たらアプリケーション開発のお仕事とソフトウェア作成者の年収・単価相場で市場の水準を確認しておくべきです。

20年この市場を見てきた立場から言えば、音声の仕事で長く続いている人には共通点があります。声が良い人ではなく、発注側の手間を減らす人です。指示書の曖昧な箇所を事前に確認する、リテイクの原因を自分で特定して報告する、次回の収録予定を早めに相談する。こうした動きをする人は、発注側から見て「この人に頼むと工程が止まらない」存在になります。音声の仕事は納品後の編集工程があるため、手戻りのなさが何より価値になるんです。

もうひとつ、運営者として見てきた限りでは、続くかどうかを分けるのは手取りの厚さです。同じ1件3,000円の収録でも、仲介手数料が引かれるかどうかで手元に残る金額が変わります。発注側から見ても、中間マージンが乗らなければ、同じ予算でより多くの収録を頼めます。手数料0%で直接つながる構造は、金額の大小というより、双方が納得して長く続けられるかどうかに効いてきます。継続的なプロジェクトが多い音声の領域では、この差が積み上がっていきます。

初案件を取ることを、ゴールにしないでください。音声の初案件は、あなたが指示どおりの音源を、期日どおりに納品できる人だと証明する最初の機会です。そして同時に、自分の声をどこまで委ねるかを決める最初の判断でもあります。契約書を読み、条件を文書で確認し、納得した上で録音してください。法律はあなたの味方です。

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. 音声データの録音は未経験でも初案件を取れますか？

取れます。AI学習用の音声収集案件は指定された短文を読み上げるだけの作業が中心で、演技力や専門資格は求められません。まずクラウドソーシングのタスク型案件で納品の手順を経験し、その実績をもとに音声データ収集の専門企業に登録するのが現実的な流れです。声のサンプル提出が選考代わりになることが多いので、雑音のない環境で録れるかが分かれ目になります。

Q. 単価の相場はどのくらいですか？

AI学習用の音声収集は100文の読み上げセットで1,000円から5,000円程度、ナレーションは数分の動画で1本3,000円から2万円程度が目安です。文字起こしは音声1分あたり100円から250円程度ですが、実作業は音声1分につき4分前後かかるため、実質の時給を必ず計算してください。リテイクが無償で何回までかも単価に直結します。

Q. どんな機材と録音環境が必要ですか？

USB接続のマイクとポップガードがあれば始められ、費用はおよそ1万5,000円からです。パソコン内蔵マイクでの納品を認める案件はほとんどありません。防音室は不要ですが、エアコンや冷蔵庫の動作音は必ず入るため、録音前に無音で30秒録って何が入っているか確認する習慣をつけてください。反響はカーテンやクッションで実用水準まで抑えられます。

Q. 契約で特に注意すべき点はありますか？

納品する音声の二次利用と改変の可否です。合成音声モデルの学習に使われるのか、第三者へ譲渡や再許諾されるのかを必ず文書で確認してください。あわせて利用範囲と期間、氏名表示の有無、リテイクの無償回数も要確認です。フリーランス保護新法により、発注者には取引条件を書面等で明示する義務と、受領日から60日以内に支払う義務があります。