$ cd ../

音声合成が日本語を読み間違えるとき — 同形異音・固有名詞・数詞

---

1. 同形異音語（同じ表記・違う読み）

日本語は1つの表記に複数の読みがある語が多い（heteronym）。文脈を取り違えると堂々と誤読する。

表記	読みの候補
行った	いった／おこなった
市場	いちば／しじょう
方	かた／ほう／がた
日本	にほん／にっぽん
一日	いちにち／ついたち
生	なま／せい／き／う(まれる)…
辛い	つらい／からい

2. 固有名詞（人名・地名）

もっとも外しやすいのが固有名詞。難読・複数読み・当て字が日常的にある。

• 人名：「飛鳥（あすか／ひか）」「陽菜（ひな／はるな）」「心（こころ／しん）」。同じ表記で読みは人それぞれ。
• 地名：「田原」「日向」「国府」などは地域で読みが割れる。
• 社名・ブランド名・型番：正式な読みが決まっているのに一般読みに化ける。

3. 数詞・助数詞・単位

例	読みの揺れ
1個 / 1杯 / 1匹	いっこ・いっぱい・いっぴき（直前の数で音が変わる）
3階	さんがい／さんかい
4日 / 8日	よっか／ようか（曜日や日付で特殊読み）
電話番号・型番	区切り・ゼロ（れい/ゼロ/まる）の読み

4. 記号・英数字混在・韻律

• 「Vol.3」「AI」「%」「〜」「&」「/」をどう読むか（記号読み・英字読み）。A 和欧混植が音声側に出たもの。
• URL・メール・ハッシュタグの読み上げ。
• アクセント（高低）とポーズ（句読点・分かち書き）で意味が変わる：「はし」（橋/箸）、係り受けの切れ目。

5. 対策

• 読み辞書／ユーザー辞書を持つ。固有名詞・専門用語・社名は事前に読みを登録。
• SSML で読みを明示（<phoneme> やルビ的な読み指定、<break> でポーズ、<say-as> で数・日付・電話番号の読み方を指定）。
• 数値・記号は入力前にフォーマット：「Vol.3」→「ボリューム3」、「3階」→意図した読みのかなへ、など前処理で確定。
• 重要箇所は聞いて確認。人名・金額・日時は誤読が事故になるので、合成後に人手チェックかフォールバック。

まとめ

TTS の日本語トラブルは「字」ではなく「読み」。同形異音・固有名詞・数詞・記号で、文字が正しくても発音を外す。対策は読み辞書 × SSML × 事前フォーマット × 重要箇所の確認。——これで画像・OCR・LLM・TTS と、日本語まわりのトラブルを画像の内と外で一巡した。入口（生成）から出口（読み上げ）まで、共通するのは「文字・読みの正確さは確定情報として人間/コードが押さえ、モデルには確率的な部分を任せる」という線引きでした。