【機材リスト】音声データの録音は最低限の環境から始める

音声データの録音を在宅で始めるとき、必要な機材は結局どこまでそろえればいいのか。結論から書きます。最初に必要なのは、コンデンサーマイク・オーディオインターフェース・密閉型ヘッドホン・マイクスタンド・ポップガードの5点です。合計3万円台から組めます。

そして、ここが最も誤解されている点なのですが、音質を決めるのはマイクの値段ではなく部屋の状態です。10万円のマイクを反響の激しい部屋で使うより、1万円のマイクを毛布で囲った空間で使うほうが、納品できる音になります。正直なところ、機材のスペック表を延々と比較している時間は、あまり生産的ではありません。

この記事では、在宅で音声データの録音を仕事として成立させるために、何を買い、何を後回しにし、どこに時間をかけるべきかを、優先順位をつけて整理します。

在宅の音声収録が仕事として成立するようになった背景

まず市場の状況を押さえます。ここを理解しておくと、求められる音質の水準が見えてきます。

音声データの需要は「動画の付属物」から独立した

以前、ナレーション収録といえばスタジオに出向くのが前提でした。ところがこの数年で、在宅収録（宅録）を前提とした発注が急速に増えています。理由は3つあります。

1つ目は、動画コンテンツの総量が増え続けていること。企業の紹介動画、eラーニング教材、商品説明、YouTube向けの解説動画。これらすべてにナレーションが必要で、スタジオを押さえて収録していては本数がさばけません。

2つ目は、音声メディアそのものの拡大です。ポッドキャスト、オーディオブック、音声広告。耳で消費するコンテンツが独立したジャンルとして定着しました。

3つ目は、機材の低価格化です。10年前ならスタジオでしか出せなかった品質が、5万円前後の機材構成で出せるようになりました。この3つが重なって、在宅収録という働き方が成り立っています。

在宅音声収録の主な案件タイプ

案件の種類によって、求められる機材と技術が変わります。主なものを挙げます。

・ナレーション収録（企業VP、eラーニング、商品説明） ・音声データの読み上げ収録（AI学習用の音声データ作成） ・オーディオブック、朗読 ・ポッドキャストの収録と編集 ・キャラクターボイス、ゲーム内ボイス ・電話音声ガイダンス、アナウンス ・整音・ノイズ除去などの後処理作業

このうち、AI学習用の音声データ作成は比較的新しい領域です。指定された文章を大量に読み上げて納品する形式で、演技力よりも「一定の音質・一定のトーンで読み続ける安定性」が評価されます。機材要件が明示されることが多く、初心者が最初に触れやすい案件でもあります。

求められる音質の基準は、意外と明確

「良い音」というのは曖昧に聞こえますが、発注側が見ているポイントは実はかなり具体的です。

・ノイズフロア（無音時のサーッという音）が十分低いこと ・部屋の反響（残響、風呂場のような響き）が乗っていないこと ・音割れ（クリップ）していないこと ・破裂音（パピプペポの吹かれ）が処理されていること ・音量が一定であること

この5つを満たしていれば、機材の銘柄は問われません。逆に、どれか1つでも欠けていると、いくら声が良くても再収録を求められます。機材選びは、この5つを満たすための手段だと考えてください。

在宅で成立する仕事は音声だけではありません。職種ごとの参入難易度と報酬水準を整理した在宅でできる仕事おすすめ【2026年版】｜スキル別ランキングを見ると、音声収録は「機材投資が必要だが、スキルが蓄積すると単価が上がる」タイプに分類されます。初期投資ゼロで始まる仕事と比べて、参入障壁がある分、競合が少ない領域でもあります。

最低限そろえる機材5点と、その選定基準

ここから具体的な機材の話に入ります。優先度の高い順に並べます。

マイク：コンデンサーかダイナミックか

最初の分岐がここです。両者の違いを整理します。

コンデンサーマイクは、感度が高く、繊細な音を拾います。声の質感がよく出るので、ナレーションや歌の収録では標準的な選択です。ただし感度が高いということは、部屋の反響やエアコンの音も一緒に拾うということ。部屋の対策が前提になります。また、動作に電源（ファンタム電源、48V）が必要です。

ダイナミックマイクは、感度が低く、近くの音だけを拾います。部屋が整っていない環境でも扱いやすく、ポッドキャストや配信で好まれます。ただし口元との距離を一定に保つ必要があり、少し離れるだけで音量が落ちます。

結論を言うと、在宅で本格的なナレーション収録を目指すならコンデンサー、部屋の対策が難しく、まずは始めたいならダイナミックです。どちらが優れているという話ではなく、環境との相性で決まります。

価格帯の目安です。

・エントリー：8,000円から2万円 ・ミドル：3万円から6万円 ・ハイエンド：10万円以上

正直なところ、最初の1本にハイエンドは要りません。ミドルクラスまでは価格と音質がある程度比例しますが、そこから上は好みの領域に入ります。

マイク選びの実感について、宅録を続けてきた方の記述を引用します。

私はこれまで五本のマイクを所有したのですが、随分適当に選んできたなーという感想です（笑）でも、どのマイクも愛着持てましたし、良い経験だったと言えます。 出典: note.com

この感覚は、実務でもよく聞きます。最初の1本を「正解」にしようと悩みすぎるより、まず1本買って使い込み、不足を感じたところで次を選ぶほうが、結果的に自分に合うものにたどり着きます。

オーディオインターフェース：USBマイクという選択肢もある

コンデンサーマイクを使う場合、マイクとパソコンの間にオーディオインターフェースが必要です。これはマイクのアナログ信号をデジタルに変換し、ファンタム電源を供給する機器です。

選ぶ基準は3つあります。

まず、入力数。1人で録るなら1入力で足りますが、対談形式の収録もするなら2入力あると安心です。

次に、対応する解像度。24bit／48kHzに対応していれば、業務用の納品仕様はほぼ満たせます。現行機はほとんど対応しているので、あまり気にしなくて構いません。

3つ目に、ダイレクトモニタリング機能。自分の声を遅延なしでヘッドホンに返す機能です。これがないと、自分の声が数十ミリ秒遅れて聞こえて、非常に喋りにくくなります。必須と考えてください。

価格帯は1万2,000円から3万円程度。この価格帯なら性能差はわずかで、端子の形状と操作性で選んで問題ありません。

なお、USB接続のコンデンサーマイクを選べば、オーディオインターフェースは不要になります。配線がシンプルで、初期費用も抑えられます。デメリットは、後からマイクだけ買い替えるという拡張ができないこと。最初の1年をUSBマイクで走り、続けると決めた時点でインターフェース込みの構成に移行する。この進め方は合理的です。

ヘッドホン：密閉型一択

モニター用ヘッドホンは、必ず密閉型を選んでください。開放型は音の広がりが自然で聴きやすいのですが、音漏れしてマイクに入ります。録音中に自分の声のモニター音がマイクに回り込むと、使い物になりません。

選ぶ基準は、フラットな音質であること。低音が強調されるリスニング向けのモデルだと、実際の音を正しく判断できません。「モニターヘッドホン」として売られているものを選べば、まず外しません。価格は8,000円から2万円程度です。

長時間装着することになるので、側圧（頭を締め付ける強さ）とイヤーパッドの素材も確認してください。3時間連続で使うと、この差がはっきり出ます。

マイクスタンド、ショックマウント、ポップガード

この3点は地味ですが、必須です。

マイクスタンドは、卓上型とアーム型があります。机に固定するアーム型は、位置調整の自由度が高く、机を叩いた振動が伝わりにくい。ナレーション収録なら、立って録るか座って録るかで選びます。座って録るならアーム型、立って録るならブームスタンドです。

ショックマウントは、マイクをゴムやワイヤーで宙吊りにする器具です。床や机からの振動がマイクに伝わるのを防ぎます。マンションで隣の部屋のドアが閉まる音や、階下の生活振動が録音に乗るのを、かなり抑えてくれます。

ポップガードは、口とマイクの間に置く網状のフィルターです。パ行・バ行の破裂音で空気が直接マイクに当たる「吹かれ」を防ぎます。これがないと、後処理でどれだけ頑張っても取り切れないボコッという音が入ります。1,500円程度のものでいいので、必ず用意してください。

3点合わせて6,000円から1万5,000円程度です。ここを削ると音質に直接響くので、削らないほうがいい部分です。

録音ソフト：無料から始めて問題ない

録音と編集をするソフトウェアが必要です。ここは無料のもので十分始められます。

無料の定番として、波形編集に特化したソフトがあり、切り貼り・ノイズ除去・音量調整といった基本操作が一通りできます。ナレーション収録の納品作業なら、これで完結します。

有料のDAW（音楽制作ソフト）は、複数トラックの管理やエフェクト処理が強力ですが、音声の読み上げ収録が中心なら過剰です。オーディオインターフェースを買うと、簡易版のDAWがバンドルされていることが多いので、まずはそれを試すのが効率的です。

予算別の機材構成例

具体的に、予算ごとにどう組むかを示します。

予算3万円台：まず始めるための最小構成

・USBコンデンサーマイク：1万2,000円 ・モニターヘッドホン：8,000円 ・卓上マイクスタンド：3,000円 ・ポップガード：1,500円 ・録音ソフト：無料 ・吸音対策（毛布、クッション類）：手持ちのもので代用

この構成で、AI学習用の音声データ収録や、簡易的なナレーション案件は受けられます。まず案件を1本こなしてみて、続ける手応えがあれば次の段階に進む。この順番が合理的です。

予算6万円台：継続前提の標準構成

・XLR接続コンデンサーマイク：2万5,000円 ・オーディオインターフェース：1万5,000円 ・モニターヘッドホン：1万2,000円 ・ショックマウント付きアームスタンド：6,000円 ・ポップガード：2,000円

ここまでそろえると、業務用の納品仕様を安定して満たせます。マイクを後から交換できる構成なので、機材の使い方を覚えてから上位機に移行する道が開けています。

予算12万円台：仕事として本格化する構成

上の構成に、以下を足します。

・上位マイクへの交換：追加4万円 ・リフレクションフィルター：1万5,000円 ・吸音パネル数枚：1万円

ここでの主役は、マイクではなく吸音対策です。リフレクションフィルターは、マイクの背後に置く半円形の吸音板で、部屋の反響がマイクに回り込むのを防ぎます。実感として、上位マイクへの交換より、この吸音対策のほうが納品音質への寄与は大きいと感じています。

部屋の音対策こそ、最も投資対効果が高い

ここが本記事で最も伝えたい部分です。機材のグレードアップより先に、部屋を整えてください。

なぜ部屋が音質を決めるのか

マイクは、口から出た直接音と、壁や天井で跳ね返った反射音を、区別せずに拾います。反射音が多いと、録音に「響き」が乗ります。この響きは、後処理でほとんど取り除けません。ノイズは減らせますが、残響は減らせないのです。

だから、録音の段階で反射音を減らすしかありません。これが部屋対策の本質です。

費用ゼロでできる対策5つ

まず、お金をかけずにできることから試してください。

・カーテンを閉める（窓ガラスは最悪の反射面） ・クローゼットの中や、服が多い場所で録る ・机の上に布を敷く（机の天板からの反射を防ぐ） ・部屋の中央ではなく、隅を避けた位置で録る ・マイクの背後に毛布を垂らす、または洗濯物を干す

この5つだけで、録音が明らかに変わります。特にクローゼットの中は、衣類が吸音材の役割を果たすため、簡易ブースとして優秀です。実際、プロのナレーターでもクローゼット収録を常用している方がいます。

1万円台でできる対策

費用ゼロの対策で足りない場合、次の段階です。

・リフレクションフィルター（マイク背後に設置）：8,000円前後 ・吸音ウレタン数枚（正面の壁に貼る）：3,000円前後 ・厚手のカーテンへの交換：5,000円前後

ここで注意点があります。吸音材を部屋中に貼れば良いというものではありません。反射が完全に消えた部屋は、話していて非常に不自然に感じます。マイクの背後と、正面の壁。この2箇所を優先的に処理するのが効率的です。

ノイズ源を止める

反響対策と並行して、音を出しているものを止めます。

・エアコン、換気扇、空気清浄機を録音中は止める ・冷蔵庫の近くを避ける ・パソコンのファン音がマイクに入らない位置関係にする ・スマートフォンを機内モードにする（電波ノイズが乗ることがある） ・時計の秒針音、蛍光灯のジーという音を確認する

エアコンを止めると夏場は厳しいのですが、収録は15分から30分ごとに区切り、その間だけ止めるという運用で対応できます。事前に部屋を冷やしておく、というのが実務的な解です。

集中を保ちながら短時間で区切る作業設計は、在宅ワーク全般に共通するテーマです。在宅ワークの集中力アップ｜ポモドーロ以外に効く7つのテクニックでは、作業を区切るタイミングの決め方が整理されており、収録と休憩のリズムづくりにそのまま応用できます。

初心者がつまずく失敗と、その回避策

実際によく起きる失敗を並べます。事前に知っておくだけで避けられるものばかりです。

失敗1：入力レベルを上げすぎて音割れした

最も多い失敗です。オーディオインターフェースのゲインを上げすぎると、大きな声を出した瞬間に波形が上限を超え、音が歪みます。これは後処理で修復できません。

回避策は、ピークがマイナス6dBあたりに収まるよう調整することです。少し小さいくらいでちょうどいい。デジタル録音では、後から音量を上げるほうが、割れた音を直すよりはるかに簡単です。

失敗2：口とマイクの距離が一定でない

読み進めるうちに、無意識に体が前後に動きます。すると音量が上下し、聞き苦しくなります。

回避策は、ポップガードを物理的な距離の目安として使うことです。ポップガードに鼻先が触れない位置、という基準を作れば、距離が安定します。目安の距離は15cmから20cmです。

失敗3：ヘッドホンなしで録って、後から異常に気づいた

モニターせずに録ると、ノイズや音割れに気づかないまま30分録り続けることになります。全部撮り直しです。

回避策は、必ずヘッドホンでモニターしながら録ること。そして本番前に30秒のテスト録音をして、再生して確認する。この習慣が、最も多くの事故を防ぎます。

失敗4：納品仕様を確認せずに録音した

サンプリングレート、ビット深度、ファイル形式、モノラルかステレオか。これらは発注ごとに指定されます。48kHz／24bitのWAVモノラル、という指定が来たのに、44.1kHzのMP3ステレオで納品すると、当然やり直しになります。

回避策は、録音を始める前に発注書の仕様欄を読み、ソフトの設定を合わせること。作業前の3分で防げます。

失敗5：ノイズ除去をかけすぎて声が劣化した

ノイズ除去処理は便利ですが、強くかけると声の成分まで削られ、水中で喋っているような音になります。

回避策は、そもそもノイズが乗らないように録ること。処理は最小限にとどめる。「録音で解決できることを、後処理で解決しようとしない」というのが原則です。

失敗6：機材選びに時間をかけすぎて、案件に応募していない

これも実は多い失敗です。比較記事を延々と読み、レビュー動画を何十本も見て、結局買わない。

マイクの比較情報について、こんな指摘があります。

YouTubeでマイクの比較動画を検索してみたら本当にたくさんの動画が見つかると思います。もし気になるものがあるのならば、そこから色々みてみたり、実際に歌ったり配信者に推しがいるのならば、その方が使っているマイクを調べて、そこにアンテナを張ったりするのもアリです。大アリです。 出典: note.com

情報を集めること自体は有用です。ただし、集めるフェーズと決めるフェーズを分けないと、いつまでも始まりません。私自身、最初の機材をそろえるときに2か月比較検討に費やし、結局その間の案件を1本も受けられませんでした。今振り返れば、その2か月で1本録って納品したほうが、はるかに多くを学べたと感じています。

失敗7：静かな時間帯を確保していない

在宅収録では、周囲の環境音が最大の敵です。日中は道路の音、夕方は生活音、夜は静かだが自分の集中が切れている。この時間帯の設計をしていないと、毎回条件が変わって品質が安定しません。

回避策は、収録時間帯を固定することです。多くの在宅収録者は、早朝または深夜に時間を寄せています。家族との時間割の調整も含めて、在宅ワーク主婦の1日のタイムスケジュール公開のような実例を参考に、自分の生活に合う枠を先に決めてしまうのが確実です。

納品データの作り方と品質チェック

録音が終わったら、納品用に整えます。ここを丁寧にやる人が、継続依頼を得ています。

最低限やる編集作業

・冒頭と末尾の無音を整える（指定がなければ0.5秒程度） ・言い直し部分、咳、雑音のカット ・リップノイズ（口を開くときのピチャッという音）の除去 ・全体の音量をそろえる（ノーマライズ） ・指定のファイル形式で書き出し

この5工程で、収録時間の1.5倍から3倍の作業時間がかかります。単価を判断するとき、この編集時間を計算に入れていないと、実質時給が想定より大きく下がります。

納品前のチェックリスト

書き出したファイルを、必ず一度通しで聴いてください。そのとき確認する項目です。

・音割れしている箇所がないか ・ノイズが目立つ箇所がないか ・カット部分が不自然に途切れていないか ・原稿と読み上げ内容が一致しているか ・ファイル名が指定通りか

ファイル名の指定は、意外と見落とされます。100本単位の音声データ納品では、ファイル名の規則が作業効率に直結するため、発注側は厳密に指定してきます。ここを守れるかどうかで、次の依頼が来るかが変わります。

音声の仕事を広げていく方向性

録音ができるようになった先に、どんな展開があるか。ここは職種データを見ながら考えるのが現実的です。

収録スキルの隣にあるのが、音の整音・仕上げの領域です。録った音を聴きやすく整え、複数の音源をまとめる作業についてはミックス・マスタリングのお仕事で、必要なスキルと案件の種類が解説されています。自分の声を整音できるようになると、他人の音源の整音も受けられるようになり、収録と編集の両方で単価を積み上げられます。

音源そのものを作る側に進む道もあります。動画やゲームに使う効果音、ジングル、BGMの制作については作曲・編曲・効果音・ジングルのお仕事にまとまっています。ナレーション案件では、BGMや効果音の付与まで一括で依頼されることが少なくありません。ここを自分で処理できると、案件単位の受注額が上がります。

一方、文章側に軸を移すという選択もあります。ナレーション原稿の執筆、台本構成、音声コンテンツの企画。文章を扱う職種の報酬水準は著述家，記者，編集者の年収・単価相場で確認でき、経験年数と専門領域による差が整理されています。読み手として原稿を扱ってきた経験は、書き手に回るときの強みになります。

技術寄りに進むなら、音声処理の自動化やAI音声の領域があります。AI関連職種の広がりについてはAI・マーケティング・セキュリティのお仕事が参考になります。AI音声の普及は人間の収録の脅威と語られがちですが、実際には学習用データの収録需要を生み出しており、それを整備する側の役割も増えています。技術職の単価水準はソフトウェア作成者の年収・単価相場で確認できます。

なお、業務のやり取りを支える基礎スキルも軽視できません。発注書の読み取り、見積書の作成、納品時の連絡文。こうしたビジネス文書の型を体系的に学べる資格としてビジネス文書検定があります。実務では、音質より連絡の丁寧さで信頼を得る場面が多くあります。通信環境やネットワークの基礎を押さえたい方にはCCNA（シスコ技術者認定）がありますが、音声収録に必須ではありません。

収録を安定させる日々の運用

機材と部屋が整ったら、次は運用です。毎回同じ品質を出すための仕組みを作っておくと、体調や天候に左右されにくくなります。

セッティングを写真で残す

マイクの高さ、角度、口元との距離、ゲインのつまみの位置。これらを一度決めたら、スマートフォンで写真を撮っておいてください。次回の収録で同じ状態を再現できます。特にゲインのつまみは、掃除のときに触ってしまいがちで、気づかないまま録ると音量が前回と揃いません。

つまみに小さなシールを貼って基準位置を示しておく方法も有効です。単純ですが、複数回にまたがる案件では効果が大きい工夫です。

声のコンディションを整える

在宅収録では、機材以上に自分の声が変数になります。起床直後は声帯がむくんでいて、声がこもります。実務的な目安として、起床から2時間以上あけてから収録に入ると、声が安定します。

収録前に常温の水を飲む、乾燥する季節は加湿する、直前にカフェインを取りすぎない。この3点は、リップノイズや声のかすれを減らす基本です。長時間の収録では、30分ごとに水を飲む休憩を入れると、後半の声質の落ち込みを抑えられます。

原稿を事前に下読みする

読みながら意味を理解しようとすると、言い直しが増えます。結果として編集時間が伸びます。収録前に一度声に出して通し読みをしておくと、噛みやすい箇所、読み方が不明な固有名詞、息継ぎの位置が事前に把握できます。

読み方が分からない固有名詞や専門用語は、収録前に発注側へまとめて確認してください。収録後に読み間違いが判明すると、その箇所だけ後日録り直すことになり、機材のセッティングを再現する手間まで発生します。事前の確認1通で防げる作業です。

収録データの保管ルールを決める

納品後も、元データはしばらく保管してください。修正依頼が来たとき、元データがあれば該当箇所だけ差し替えられます。案件名と日付でフォルダを分け、外付けストレージにもコピーを置いておく。この習慣があると、修正対応の速さで差がつきます。

市場を長く見てきた立場からの観察

フリーランス・在宅ワーク市場を20年運営してきた立場から、この分野について感じていることを書きます。

運営者として見てきた限りでは、音声収録で長く続く人は、機材にこだわる人ではありません。むしろ「発注側の手間を減らす人」です。指定仕様を守る、ファイル名を規則通りにする、納期より少し早く出す、修正依頼に淡々と応じる。この4つを続けている人が、同じクライアントから何年も依頼を受けています。

逆に、機材の話ばかりする人は、案件が続かない傾向があります。発注側が求めているのは最新機材ではなく、「毎回同じ品質のデータが、決まった形式で、決まった日に届くこと」だからです。この期待に応え続けられる人は、機材構成が地味でも仕事が絶えません。

もうひとつ、報酬の構造について。仲介手数料が乗る取引では、依頼側が支払う金額と受け手に届く金額の間に差が生まれます。同じ予算でも、中間マージンが乗らない直接取引なら、依頼側は同じ費用でより多くの本数を頼めますし、受け手の手取りは厚くなる。手数料0%という条件は、単価を叩き合うのとは違う次元で、双方の取り分を同時に改善します。長く見てきた実感として、この差は本数をこなす仕事ほど大きく効いてきます。音声収録は1本あたりの単価が中程度で本数が積み上がる仕事なので、この構造の影響を受けやすい分野です。

機材は、あくまで入口です。3万円台の構成でも、部屋を整えて、仕様を守って、丁寧に納品すれば、仕事は成立します。まずは1本録って、聴き返して、直す。その繰り返しが、どんな高級機材よりも音質を上げてくれます。

よくある質問

Q. 在宅で音声データの録音を始めるには、最低いくら必要ですか？

USBコンデンサーマイク約1万2,000円、モニターヘッドホン約8,000円、卓上スタンド約3,000円、ポップガード約1,500円の合計3万円台から始められます。録音ソフトは無料のもので十分です。吸音は毛布やクローゼットで代用できるので、この構成でAI学習用の音声データ収録や簡易ナレーション案件は受けられます。

Q. 高いマイクを買えば音質は良くなりますか？

価格と音質はミドルクラスまでは比例しますが、それ以上は部屋の状態のほうが影響します。10万円のマイクを反響の強い部屋で使うより、1万円のマイクを毛布で囲った環境で使うほうが納品できる音になります。残響は後処理で除去できないため、マイクのグレードアップより先にリフレクションフィルターや吸音対策に投資するのが合理的です。

Q. オーディオインターフェースは必ず必要ですか？

XLR接続のコンデンサーマイクを使う場合は必要です。ファンタム電源の供給とアナログからデジタルへの変換を担うためです。一方、USB接続のマイクを選べば不要になり、配線も簡単になります。ただしUSBマイクはマイクだけの交換ができないので、長く続ける前提ならインターフェース込みの構成のほうが拡張性があります。

Q. 納品前に必ず確認すべきことは何ですか？

サンプリングレート、ビット深度、ファイル形式、モノラルかステレオかの4項目を発注仕様と照合してください。48kHz／24bitのWAVモノラル指定が一般的です。加えて、書き出したファイルを通しで聴き、音割れ、ノイズ、カットの不自然さ、原稿との一致を確認します。ファイル名の命名規則も指定されることが多く、ここを守れるかが継続依頼につながります。