30秒のナレーションは何文字？15秒・60秒の目安

30秒の動画でも、30秒まるごと話せるわけではありません。画面が目に入るまでに少し時間がかかり、話題が変わるところには息継ぎが要り、最後の1行のあとには余韻が要ります。

30秒のナレーションは、125文字前後から始めてください。日本語のナレーションは、1分に約300文字（1秒に約5文字）で計画するのが、放送でよく使われる目安です。人や場面によって幅があり、250〜350文字/分ほどに収まります。30秒から間の2秒とエンディングの3秒を引くと、話せる時間は25秒です。25秒×5文字で125文字になります。150文字入れると30秒をそのまま使い切り、間もエンディングも残りません。これは計画のための見積もりで、特定のAI音声を測った数字ではありません。

15秒・30秒・60秒の文字数の目安

300文字/分で計算した表です。どの行も、2秒の間を1回と、3秒のエンディングを取ってあります。解説を休みなく話す動画なら間を減らし、静かな映像なら間を増やしてください。

計算の方法：話せる時間＝動画の長さ−間−エンディング。文字数の目安＝話せる秒数×5。250〜350文字/分で見るなら、30秒の場合は約104〜145文字です。

文字数の数え方

漢字もかなも1文字と数え、句読点は数えません。句読点は読み方の区切りで、間の秒数は段落の切れ目にまとめて見込みます。読点や句点1つごとに秒数を足すことはしません。

数字、英語、略語は、読む形に直してから数えます。「2026年」は「にせんにじゅうろくねん」と読むので、見た目の5文字よりずっと長くかかります。URLや見慣れない略語も、読ませたい形に書いてから数えてください。

句読点は読み上げの調子に影響しますが、正確な時計にはなりません。ElevenLabsの間の入れ方のヘルプ（英語）は、句読点やオーディオタグで読み方を調整する方法を説明しています。それでも実際の秒数は、聞いて確かめるしかありません。ここでいう間は、編集で自分で取る時間です。

30秒の例文：118文字

1枚の絵について話す、2段落の例です。状況、変化、見てほしい細部の3つを入れ、段落の切れ目を間にしています。

窓辺に立たせた、私のキャラクターの絵です。窓のそばに立つ彼女が、少し冷たく見えました。そこで光を、窓の側へ動かしてみました。

すると、横顔にやわらかな影が落ちて、表情がやっと生き生きとしました。頬の線も、少しだけ和らぎました。目の奥の光を、ぜひ近くで見てください。

句読点を除くと118文字です。300文字/分なら約24秒で、間の2秒とエンディングの3秒を足すと約29秒になり、30秒に収まります。言葉だけなら余裕があるように見えても、間とエンディングを足すと、ほとんど余りがないことが分かります。

長すぎるときの削り方

収める方法は2つあります。速く読ませるか、台本を削るかです。速く読めば文字数は収まりますが、聞く人は追いつくのに精一杯になります。削れば、伝えたいことがはっきりします。短い動画なら、たいてい削るほうが向いています。

「この画像では、温かく雰囲気のある表現の可能性を探っています」は、時間を使うわりに何も指していません。「光を窓の側へ動かしました。顔がやっと生き生きとしました」なら、見る人に動きと、確かめる場所を渡せます。

短いナレーションは、状況を言う、変化を1つ見せる、近くで見るようにうながすの3つで書きます。例が2つあるなら2つ目を削り、次の文がすでに見せていることを説明する文も削ります。直したら、1回声に出して読んでください。それでも長いときは、その行の役目を1つに決めます。手順の動画なら次の1歩、キャラクターの動画なら人物、リールの冒頭なら見続ける理由です。

無料オーディオで長さを確かめる

計算はあくまで目安なので、最後は1回生成して長さを測ります。AIKIZIでは今シーズン、ログインしたアカウントならElevenLabsのオーディオが1日20分まで無料です。30秒のテイクなら、20分のうち約30秒しか使いません。無料枠は毎日0時（UTC）、日本時間の9時にリセットされます。

1. スタジオの「音声」を開きます。Googleでログインすると、編集できる例文が「音声」で開きます。
2. 例文を自分の台本に置き換えます。Eleven v4は日本語のテキストを読み上げます。段落の切れ目は改行にしておきます。
3. 台本の1行目で声を選びます。試聴で合っていた声でも、説明の部分では急いで聞こえることがあります。比べるあいだは、台本と声を変えないでください。
4. 「無料」と表示された「生成」を押し、長さを測ります。できた音声はライブラリに入り、再生とダウンロードができます。見積もりより長ければ、いちばん役に立たない言い回しから削って、もう一度生成します。
5. 間とエンディングは編集ソフトで取ります。正確な間が必要なら、ダウンロードしたクリップを動画編集ソフトで切って入れます。声が止まったあとも、最後の画面を残してください。

オーディオタグ（[whispers]など）は、ElevenLabsが読み方を方向づける手段として説明しています。ただし、日本語の行でタグが効くかどうかは、まだ確かめていません。タグは文字数に入れず、効き方は実際に聞いて判断してください。タグの使い方は「ElevenLabs感情タグの使い方と一覧：Eleven v4」にまとめています。

声の下に音を敷く

声が時間内に収まったら、それを支える音を決めます。部屋の環境音はキャラクターのいる場所を伝え、控えめなインストはカットをつなぎます。これらは声と重ねて使うので、長さを足し算する必要はありません。書き方は「ElevenLabsの効果音の作り方：音源・空間・動きで書く」と「Eleven Musicの使い方：一文で1曲を作るプロンプト」で紹介しています。

ナレーションの文字数のよくある質問

30秒のナレーションは何文字ですか？

300文字/分なら、30秒をすべて話すと150文字です。間の2秒とエンディングの3秒を引くと、文字数の目安は125文字になります。

1分のナレーションは何文字ですか？

300文字/分が目安です。間とエンディングを5秒取るなら、275文字前後から始めてください。

AI音声の長さを正確に予測できますか？

できません。ここで出せるのは、決めた速さで読んだ場合の見積もりです。声、発音、句読点、前後の文脈によって、出力は変わります。実際の長さは、1回のテスト生成で確かめてください。

数字や英語は、文字数にどう数えますか？

読む形に直してから数えます。たとえば「2026年」は「にせんにじゅうろくねん」と読むので、見た目よりずっと長くなります。

句読点は文字数に入りますか？

入れません。漢字もかなも1文字と数え、句読点は数えません。間の秒数は、段落の切れ目にまとめて見込んでください。

2026年10月17日確認。例文はすべてオリジナルです。時間の計算は単純な算数で、録音を測ったものではありません。