ナレーション原稿のルビ・アクセント指示完全ガイド：東京式/京阪式の違いとIT・医療・法律の読みを事故なく伝える方法

ルビ・アクセント指示は「親切」ではなく「事故防止」

ナレーション収録で起きるミスの多くは、演技ではなく「読み」の不一致です。特に企業VP、eラーニング、医療解説、IR動画では、用語の読み違いがそのまま信用低下につながります。そこで重要になるのが、原稿へのルビ・アクセント指示です。

結論から言うと、ルビは「難読語だけ」に振るのでは不十分です。実務では、少なくとも次の3種類に指示を分けると事故率が大きく下がります。

1. 漢字の読みを確定するルビ
2. アクセントの山を示す指示
3. 業界内の慣用読みに合わせる注記

たとえば「最適化」は、文脈により「さいてきか」で問題ない一方、IT現場では英語 optimization の訳語として、スピード感を優先して特定のアクセントで読んでほしいケースがあります。こうしたズレは、収録前の原稿整備でほぼ防げます。

東京式と京阪式は「正誤」ではなく「運用基準」が違う

アクセント指示でまず押さえたいのは、東京式と京阪式は優劣ではなく、基準体系が異なるという点です。全国配信の動画、放送、企業案件の多くは東京式アクセントを基準に進みます。一方、関西圏向けCM、地域密着案件、特定の話者らしさを残す案件では京阪式の感覚が重要です。

ここで依頼側がやりがちなのが、「関西っぽく読んでください」「標準語で自然に」といった抽象指示です。これでは現場で判断が割れます。実務では、以下のように明記してください。

• 基準：東京式
• 例外：地名・固有名詞のみ京阪式許容
• 監修優先：クライアント社内呼称を最優先
• 迷った場合：アクセント辞典より社内音声見本を優先

この4行があるだけで、リテイクはかなり減ります。特にNHK日本語発音アクセント新辞典、三省堂国語辞典、社内過去動画の3点照合は有効です。私は収録前に、判断が割れそうな語を10語以内に絞って一覧化し、先に確認を取る運用を推奨しています。確認対象が30語を超えると、依頼者側の返信速度が落ちるためです。

業界特有の読みは「辞書にあるか」ではなく「その業界で通るか」

IT、医療、法律は、一般辞書の読みと現場運用がずれやすい代表分野です。

IT分野

ITでは外来語の日本語化が進んでおり、同じ単語でも会社ごとに揺れます。たとえば「AWS」「Azure」「SQL」「GUI」は、英字読み・略語読み・製品名読みが混在します。ここで必要なのは、正式名称／現場通称／今回採用読みの3列管理です。

例：

• SQL：エスキューエル / シークェル
• GUI：ジーユーアイ / グーイ
• Azure：アジュール / アジュア

医療分野

医療は、患者向けと医療者向けで読ませ方を分ける必要があります。「浮腫」は医療者向けなら「ふしゅ」、一般向けなら「むくみ」とするなど、理解優先か専門性優先かで決めます。薬剤名・疾患名は特に危険で、1音違うだけで別物です。ここは必ず監修者確認を入れるべきです。

法律分野

法律では、条文読み・実務読み・一般向け説明読みが異なります。「瑕疵」「遡及」「善意取得」などは、読める人でもアクセントが割れやすい語です。法律動画では、読みの正確さに加え、句読点位置も意味理解に直結します。アクセントだけでなく、息継ぎ位置も指定すると精度が上がります。

現場で使える原稿フォーマット

私が実務で勧めるのは、本文に情報を詰め込みすぎない2層構造です。

本文レイヤー

• 読みやすさ優先
• 必要最小限のルビ
• 強調、間、改行を記載

注記レイヤー

• 用語一覧
• アクセント指示
• 例外ルール
• 参考音声URLや社内用語集

表記例は以下です。

> 最適化（さいてきか）［東京式・頭高］を行います。
> SQL（シークェル）※今回案件ではこの読みで統一。
> 浮腫（むくみ）／医療者向け監修版では「ふしゅ」。

さらに、ExcelやGoogleスプレッドシートで
語句｜ルビ｜アクセント｜採用理由｜監修確認済み
の5列を作ると、修正履歴まで追えます。案件規模が5分尺を超えるなら、この管理表を別紙にするだけで収録効率が上がります。

依頼時に入れるべき最低限の5項目

最後に、発注時に最低限入れてほしい項目をまとめます。

1. アクセント基準：東京式 or 京阪式
2. 優先順位：辞書、社内慣用、監修者指示のどれを優先するか
3. 業界語一覧：最低10語まで先出し
4. 対象視聴者：一般向け、業界向け、社内向け
5. 音声見本：過去動画や参考URL

ナレーターは、うまく読む前に「正しく読む」必要があります。ルビ・アクセント指示は、細かい指定ではなく、完成品質を守るための設計図です。依頼文が1ページ整うだけで、リテイク回数、収録時間、編集コストは確実に下がります。読みの精度は、原稿の精度で決まります。