「顔出しはもちろん、声も出したくない。それでもYouTubeで動画を作って収益化できるのか？」——結論から言うと、できます。ただし、これから解説する“声なしという制約”を武器に変える設計ができている場合に限ります。テロップとBGMを流すだけの動画は、いま最も収益化審査に落ちやすいパターンのひとつだからです。
この記事では、声なしで成立する動画フォーマットを5つに分類し、それぞれの作り方をステップで示します。さらに、多くの初心者が見落とす「合成音声（読み上げ）と“完全な声なし”の決定的な違い」と、「再利用されたコンテンツ」ポリシーという収益化の壁を、実際のリスクとセットで掘り下げます。単なる方法論ではなく、どうやったら失敗するかまで書くのがこの記事の方針です。
「声なし=ラク」は誤解｜制約が増える3つの理由
まず、独自視点として一般論に反論しておきます。「声なしなら喋らなくていいからラク」と語られがちですが、実務ではむしろ難易度が上がる場面が多いです。理由は3つあります。
第一に、情報を伝えるチャネルが減ること。通常の動画は「映像＋音声＋テロップ」の3チャネルで情報を届けますが、声なしはこのうち最も情報量の多い音声を捨てます。その分をテロップと映像の構成力で埋めなければならず、脚本と編集の負荷が上がります。
第二に、視聴維持率が落ちやすいこと。人の声には「間」「抑揚」「感情」があり、それだけで視聴者をつなぎ止める力があります。声を消すと、テロップの表示速度・カット割り・BGMの選定といった編集技術で維持率を作らなければなりません。編集が単調だと、離脱が一気に増えます。
第三に、収益化ポリシーの網に引っかかりやすいこと。声なし＝ナレーションによる独自解説が薄くなりがちで、YouTubeが問題視する「付加価値の低いコンテンツ」と判定されるリスクが高まります。これは後半で詳しく扱います。
つまり「声なし」は、喋る手間を省く代わりに、構成力・編集力・オリジナリティで勝負するスタイルです。ラクをするためではなく、身バレを避けつつ質で戦うための選択肢だと捉えるのが正確です。始める前の全体像は顔出しなしYouTubeの始め方も併せて確認してください。
声なしで成立する5つの動画フォーマット
「声なし」と一口に言っても、成立するフォーマットは大きく分けて5種類あります。それぞれ求められるスキルも収益性も違うので、まず自分がどれを狙うのか決めるところからスタートします。
- フルテロップ解説型：ニュース・雑学・ランキングなどをテロップとBGMで見せる。台本のオリジナリティが命。
- 作業・チュートリアル型：料理、DIY、パソコン操作、ガジェットレビューなど「手元」を撮って字幕で補足。
- 環境音・ASMR・作業用BGM型：焚き火、雨音、カフェ音、睡眠用BGMなど、音そのものが主役（＝人の声はないが“音”はある）。
- 満足感（satisfying）・タイムラプス型：掃除、整理、絵を描く過程、料理の盛り付けなどを無言で早回し。
- ペット・自然・風景型：動物や景色をそのまま見せる。言語に依存しないため海外視聴も狙える。
ここで重要なのは、「声なし」の中に“音あり”と“完全無音寄り”の2系統があるという点です。ASMRや環境音は人の声こそ出しませんが、音（コンテンツの中身）は存在します。一方フルテロップ型は、BGM以外はほぼ無音でテロップに全依存します。この違いが、後述する収益化審査の通りやすさに直結します。
フォーマット別 難易度・収益性 比較表
| フォーマット | 制作難易度 | 収益性(RPM傾向) | 継続性 | 収益化審査の通りやすさ |
|---|---|---|---|---|
| フルテロップ解説型 | 高（台本が命） | 中〜高（ジャンル次第） | 中 | △（独自性が薄いと落ちやすい） |
| 作業・チュートリアル型 | 中 | 中〜高 | 中 | ◎（実演＝オリジナル性が明確） |
| 環境音・ASMR型 | 低〜中（機材で差） | 低（RPM 1〜3ドル前後） | 高（ストック型） | ○（自撮り音源なら通りやすい） |
| satisfying・タイムラプス型 | 中 | 中 | 中 | ◎（自分で撮れば独自性高） |
| ペット・自然・風景型 | 低〜中 | 低〜中 | 高 | ○（自前撮影が前提） |
※RPM＝1,000再生あたりの収益。ASMr・環境音は単価が低め（1〜3ドル程度）ですが、長時間再生・リピートされる「ストック型」で再生数を積みやすいのが特徴です。金融・ビジネス・副業などの解説ジャンルはRPMが高く、フルテロップ型でも高単価を狙えます。
この表から言えるのは、「作りやすさ」と「収益化の通りやすさ」は必ずしも一致しないということ。環境音は撮るだけで作れますが単価が低く、フルテロップ解説は単価を高くできる一方で審査ハードルが高い。自分の得意分野と体力に合わせて選ぶのが正解です。ジャンル選定の詳細はジャンルの選び方で深掘りしています。
【最重要】合成音声（読み上げ）と“完全な声なし”は別物
ここが多くの記事で曖昧にされているポイントです。「声なし動画」を調べると、必ず「VOICEVOXやゆっくり（AquesTalk）で読み上げればいい」という情報が出てきます。しかしこれは厳密には“合成音声あり”であって、“声なし”ではありません。
両者は制作方法も収益化条件もまったく異なります。整理します。
| 項目 | 完全な声なし（テロップ/BGMのみ） | 合成音声（読み上げソフト） |
|---|---|---|
| 音声 | 人の声・機械音声とも無し | AIが台本を読み上げる |
| 代表ツール | 動画編集ソフト＋フリーBGM | VOICEVOX / VOICEROID / A.I.VOICE |
| 制作の手間 | テロップ入力が中心 | 台本→音声生成→字幕の工程が増える |
| 情報伝達力 | 低い（読ませる） | 高い（聞かせる＋読ませる） |
| ライセンス注意 | BGM・素材の商用可否のみ | ソフト/キャラごとに収益化規約が異なる |
合成音声を使う場合、ソフトとキャラクターごとに収益化の可否が分かれる点に必ず注意してください。VOICEVOXは各キャラの利用規約に従えば商用・収益化とも可能なものが多く、無料で使えます。VOICEROIDやA.I.VOICEも多くのキャラで収益化が許可されています。一方、AquesTalk（ゆっくりの音声エンジン）は、無料で使えても収益化にはライセンス購入が必要なケースがあり、「無料だから収益化もタダ」という誤解でトラブルになりがちです。
そしてもうひとつ決定的な注意点があります。「合成音声で読み上げれば何でも収益化できる」わけではないということ。YouTubeの見解として、第三者が書いた文章や既存記事をそのまま合成音声で読み上げただけの動画は収益化対象になりにくく、逆に自分で書いたオリジナル台本を合成音声で読み上げた動画は収益化対象になり得ます。ポイントは音声の種類ではなく、中身がオリジナルかどうかです。
この記事のメインは「完全な声なし」ですが、情報伝達力の観点では合成音声のほうが視聴維持率を作りやすい場面も多いので、「絶対に音声も嫌」でなければ合成音声も選択肢に入れることを強くおすすめします。
フルテロップ解説型の作り方【7ステップ】
最も需要が大きく、かつ最も設計が問われるのがフルテロップ解説型です。ニュース解説、雑学、ランキング、体験談などが該当します。手順を分解します。
- ジャンルとチャンネルコンセプトを決める：金融・副業・ガジェットなど高RPMジャンルか、雑学・エンタメなど再生が伸びやすいジャンルかを選ぶ。
- 台本を書く（ここが8割）：他サイトの寄せ集めではなく、自分の視点・比較・結論を入れる。1本あたり2,000〜4,000字が目安。
- 素材を集める：商用利用可の画像・動画・BGMを、ライセンスを確認しながら収集。出所不明素材は使わない。
- テロップ設計：1画面の文字数を絞る（20〜30字程度）、表示時間を読める速度に合わせる、キーワードは色や大きさで強調。
- カット割りとテンポ：無音を退屈にさせないため、3〜5秒ごとに画面変化を作る。BGMは尺と雰囲気に合わせて選定。
- 書き出し・サムネ・タイトル：サムネはテロップ動画の生命線。検索意図に刺さるワードを大きく。
- 公開後の分析：視聴維持率グラフで離脱ポイントを特定し、次の台本・編集に反映する。
このフォーマットの最大の落とし穴は、ステップ2と3です。既存記事を要約してテロップにしただけの動画は、後述の「再利用されたコンテンツ」に該当し、収益化審査で落ちます。台本には必ず自分の考察・比較・一次体験を混ぜてください。
台本を書くときの実践的なコツは「逆三角形」を意識することです。動画の冒頭で結論やランキングの1位、あるいは最も意外な事実を先に見せ、その後で理由や詳細を展開します。声がない声なし動画では、視聴者は「この先に何があるか」を音の抑揚から予測できません。だからこそ、テロップの最初の1〜2画面で「見続ける理由」を明示することが、維持率を左右します。加えて、1本の中に必ず1つは「その動画でしか得られない切り口（自分の実測・比較・失敗談など）」を仕込むと、再利用コンテンツ判定を避けやすくなります。
ツール面では、無料〜低コストで十分に始められます。編集は無料のCapCutやDaVinci Resolve、有料ならPremiere ProやFilmoraなどが定番です。BGMはYouTubeオーディオライブラリや商用可のフリー音源サイトを、必ずライセンス表記を確認して使います。画像・動画素材も商用可のストックサイトに限定し、出所不明の素材は絶対に使わないこと。ここで権利物が混入すると、収益化以前に著作権の申し立てを受けるリスクがあります。
作業・チュートリアル型の作り方【チェックリスト】
料理、DIY、ガジェット組み立て、パソコン操作の解説など、「手元を撮って字幕で補う」タイプです。実演そのものがオリジナルコンテンツになるため、声なしの中でも収益化審査を最も通しやすいのが強みです。
撮影・編集前に、以下をチェックしてください。
- [ ] 手元・作業対象がはっきり映る撮影アングルを確保したか（俯瞰スタンド推奨）
- [ ] 手順が視聴者にとって「再現可能」な粒度で分解されているか
- [ ] 各ステップに数値（分量・時間・サイズ）を字幕で入れたか
- [ ] 作業音（包丁の音、キーボード音など）を活かしてBGMを控えめにしたか
- [ ] 冒頭5秒で「完成形」または「ビフォーアフター」を見せたか
- [ ] 権利物（音楽・ロゴ・他社動画）が映り込んでいないか
- [ ] 概要欄に材料・道具リストを書いたか（滞在時間と検索対策）
この型は字幕が主役ではなく映像が主役なので、テロップは補助に徹します。だからこそ「読ませ疲れ」が起きにくく、海外視聴者にも届きやすい。字幕を付けるか迷う場合は字幕は必要かの判断基準も参考になります。
音・映像が主役の型｜環境音・ASMR・satisfying・ペット
ここまでの3型（フルテロップ／作業／合成音声）はテロップや台本で情報を「伝える」タイプでしたが、ここからは映像や音そのものを「体験させる」タイプをまとめて扱います。共通点は、人の声に頼らずコンテンツ本体（音・動き・被写体）で価値を作ること。制作ハードルは低めですが、収益設計と独自性の確保がカギになります。
環境音・ASMR・作業用BGM型の作り方と収益設計
人の声は出さないが「音」は主役、という系統です。焚き火、雨音、カフェの環境音、睡眠用BGM、キーボードのタイピングASMRなどが該当します。制作のハードルは比較的低い一方で、収益性の設計に工夫が要ります。
作り方の骨子は次の通りです。
- 自分で音を録る（重要）：フリー音源の寄せ集めは「再利用コンテンツ」判定リスクが高い。自前録音なら独自性が担保される。
- マイク・機材に投資する：ASMRは音質が命。指向性マイクやステレオ録音で差がつく。
- 映像はループでOKだが単調を避ける：静止画1枚＋BGMだけの動画はスパム判定されやすい。ゆっくり動く映像や複数カットを用意する。
- 尺を長く取る：睡眠・作業用途は1〜3時間の長尺が有利。長時間再生で総再生時間を稼ぐ。
- サムネと検索ワード：「睡眠用」「作業用」「3時間」など用途キーワードを明確に。
収益面では、環境音・ASMRのRPMは1〜3ドル程度と低めです。ここで独自視点をもうひとつ。「再生されているのに全然稼げない」問題は、このジャンルの宿命です。仮にRPM200円で月100万再生でも約20万円。これは長尺・ストック型で再生数を積み上げてようやく届く水準で、開始直後に達成できるものではありません。単価の低さを理解した上で、「一度作れば長く再生される資産型」として取り組むのが正しい姿勢です。
satisfying・ペット・風景型で海外再生を狙う
掃除や整理のビフォーアフター、絵を描く過程、料理の盛り付け、ペットの日常、風景タイムラプス——これらは言語に依存しないため、日本語圏だけでなく海外視聴者にも届く可能性があります。声もテロップも最小限で成立するのが特徴です。
ポイントは3つ。
- 冒頭で結論（完成形・オチ）を予告する：無言だからこそ「この先に何が起きるか」を最初に示さないと離脱される。
- 1カットを短く、変化を絶やさない：satisfying系はテンポが命。同じ画が続くと飽きられる。
- 自前撮影を徹底する：他人の動画のまとめは即アウト。自分のカメラ・スマホで撮った素材のみで構成する。
ペット・風景系はRPMが中程度ですが、海外再生が乗ると再生数の伸びしろが大きく、結果的に収益総額が伸びるケースがあります。ただし、動物や風景を「ただ流すだけ」で編集意図が乏しいと、これもまた付加価値不足と見なされることがある点に注意してください。
この「音・映像主役型」全体に共通する収益化の考え方を、最後に整理しておきます。ポイントは「単価×再生数×継続再生」の3要素で設計することです。ASMRや環境音のように単価（RPM）が低いジャンルは、その分を長尺化とリピート視聴で補い、総再生時間を積み上げる。satisfyingやペットのように単価が中程度でも爆発的にバズりやすいジャンルは、1本のヒットで一気に再生数を伸ばす。どちらも「1本作って終わり」ではなく、同じフォーマットで積み上げるほど過去動画が資産として再生され続ける「ストック型」である点が強みです。逆に言えば、短期で結果が出ないからと数本でやめてしまうと、このストック効果が働く前に撤退することになります。
声なし動画 最大の壁「再利用されたコンテンツ」
この記事で最も伝えたい、見落とされがちな収益化の壁がこれです。YouTubeで収益化（YPP参加）するには審査があり、そこで頻繁に人を落とすのが「再利用されたコンテンツ」というポリシーです。
これは、すでにネット上に存在するコンテンツを流用し、独自の解説・実質的な変更・教育やエンタメ上の価値が十分に付加されていないチャンネルを指します。具体的に危険なのは次のような動画です。
- 他サイトの記事を要約してテロップとBGMで流すだけの動画
- フリー素材の画像・映像をつなぎ、BGMを乗せただけのスライドショー
- 他人の動画・切り抜き・第三者コンテンツをまとめただけの動画
- 静止画1枚にBGMを流すだけの音源動画
重要なのは、「声なし」というスタイル自体が、この網に引っかかりやすいという構造的リスクです。声（＝独自ナレーション）がないと、YouTube側から見て「あなた自身が付加した価値」が見えにくくなります。かつてはテロップを入れるだけで審査に通った時期もありましたが、現在はフルテロップにしても落ちたという報告が数多くあります。
回避策は明確です。
- 一次情報・自前撮影・自分の考察を必ず入れる：素材は「引用・題材」に留め、あなたの分析や結論を主役にする。
- 編集で明確な付加価値を作る：比較・図解・独自の切り口・実演など、「これはこの人が作った」と分かる要素を入れる。
- 他人の素材の寄せ集めにしない：BGM＋転載映像だけの構成は避ける。
つまり、収益化を本気で狙うなら「作業型」「実演型」「自前撮影のASMR」のように、オリジナル性が構造的に担保されるフォーマットを選ぶのが、遠回りに見えて最短ルートです。
もう一点、審査で見落とされがちなのが「繰り返しの多いコンテンツ」という別ポリシーです。これは、テンプレートが同じで中身の差が乏しい動画を量産しているチャンネルが対象になります。声なし動画は同じ編集テンプレートを使い回しやすいため、AIや素材を使って「タイトルだけ変えて中身がほぼ同じ」動画を大量投稿すると、このポリシーに触れる恐れがあります。量産すること自体は問題ありませんが、1本ごとに視聴者が得る情報・体験が明確に異なることが条件です。「再利用されたコンテンツ」と「繰り返しの多いコンテンツ」は別物ですが、どちらも根っこは同じ——視聴者にとっての独自価値があるかという一点に集約されます。
うまくいかない条件｜こういう人・作り方は稼げない
誇大に「誰でも稼げる」とは言いません。以下に当てはまる場合、声なし動画で収益化するのは難しいです。
- 他サイトの要約テロップだけで量産しようとしている：再利用コンテンツで審査に落ちる。
- 静止画＋BGMの音源動画を大量投稿している：スパム判定リスクが高い。
- 編集の単調さを放置している：無音＋固定画は維持率が壊滅する。
- RPMの低いジャンルで再生数だけを追っている：ASMR・環境音は再生の割に稼ぎにくい。
- 合成音声ソフトのライセンスを確認していない：規約違反で収益化やアカウントに影響する恐れ。
- 1〜2本で結果を求める：ストック型は蓄積して初めて効く。数ヶ月〜の継続が前提。
逆に言えば、これらを避け、「自前素材・オリジナル台本・付加価値のある編集・適切なジャンル選定・継続」を満たせば、顔も声も出さずに収益化に到達している運営者は実際に数多く存在します。
よくある質問
Q. 声なし・顔出しなしでも本当に収益化できますか？ A. できます。実際に顔も声も出さずに収益化している運営者は多数います。ただし条件付きで、「自前撮影・オリジナル台本・付加価値のある編集」が必須です。他サイトの要約テロップやフリー素材の寄せ集めは「再利用されたコンテンツ」で審査に落ちます。
Q. テロップとBGMだけの動画は審査に通りますか？ A. 通りにくくなっています。かつてはフルテロップで通った時期もありましたが、現在はフルテロップでも落ちた報告が多数あります。台本のオリジナリティと、あなた自身の考察・一次情報の有無が分かれ目です。
Q. 一番稼ぎやすい声なしフォーマットはどれですか？ A. 一概には言えませんが、収益化の通りやすさと単価のバランスでは「作業・チュートリアル型」が有利です。実演そのものがオリジナルなので審査に通りやすく、高RPMジャンル（ガジェット・料理・DIY）とも相性が良いです。ASMR・環境音は作りやすい反面、RPMが低く再生数の蓄積が必要です。
Q. ゆっくり（合成音声）を使うのは「声なし」に含まれますか？ A. 厳密には含まれません。合成音声は「機械音声あり」です。制作工程も収益化条件も異なり、ソフトやキャラクターごとに商用・収益化の可否が変わります。VOICEVOX・VOICEROID・A.I.VOICEは規約内で収益化可能なものが多い一方、AquesTalkは収益化にライセンス購入が必要な場合があります。
Q. 合成音声なら台本は他サイトのコピペでも大丈夫ですか？ A. だめです。第三者の文章をそのまま読み上げただけの動画は収益化対象になりにくいです。逆に、自分で書いたオリジナル台本を合成音声で読み上げた動画は収益化対象になり得ます。判断基準は音声の種類ではなく「中身がオリジナルか」です。
Q. ASMRや作業用BGMはどのくらい稼げますか？ A. RPMは1〜3ドル程度と低めです。仮にRPM200円で月100万再生でも約20万円という試算になります。長尺・リピート視聴の「ストック型」で再生数を積んで初めて成立するモデルで、開始直後に大きく稼げるジャンルではありません。
Q. 声なしだと視聴維持率が下がると聞きました。対策は？ A. その通り、声の抑揚がない分だけ離脱しやすくなります。対策は、3〜5秒ごとに画面変化を作る、テロップの表示速度を読める速さに調整する、冒頭5秒で結論やビフォーアフターを見せる、BGMと効果音でリズムを作る、などです。編集の単調さが最大の敵です。
Q. 顔も声も出さないと、ファンやチャンネルの個性は作れませんか？ A. 作れます。テロップのフォントや口調、色使い、サムネのトーン、扱うテーマの一貫性、編集のテンポなど、声以外の要素で“らしさ”は表現できます。むしろ声がない分、映像と構成の作り込みで差別化する意識が個性につながります。
Q. スマホだけで声なし動画は作れますか？ A. 作れます。作業型・satisfying型・ペット型はスマホ撮影＋スマホ編集アプリで完結できます。ただしASMRは音質が収益を左右するため、外付けマイクなど機材投資の効果が大きいジャンルです。
Q. 何本くらい投稿すれば収益化ラインに届きますか？ A. 本数より「継続と改善」が本質です。ストック型は蓄積して効くため、数ヶ月単位で20〜50本以上を目安に、視聴維持率を見ながら台本と編集を改善し続けるのが現実的です。1〜2本で結果を求めるのは避けてください。
Q. AIで声なし動画を量産すれば効率よく稼げますか？ A. 量産自体は可能ですが、注意が必要です。AI生成の素材やテンプレートで「中身がほぼ同じ」動画を大量に出すと、「再利用されたコンテンツ」や「繰り返しの多いコンテンツ」のポリシーに触れ、収益化が止まる恐れがあります。効率化のためにAIを使うのは有効ですが、1本ごとに独自の切り口・情報・体験を必ず入れることが、量産と収益化を両立させる前提条件です。
まとめ
顔出しなし・声なしでの動画制作は、確かに実現可能で、収益化まで到達している運営者も多数います。ただし本文で繰り返した通り、「声なし＝ラク」ではなく、音声という最大の情報チャネルを捨てた分を、構成力・編集力・オリジナリティで補うスタイルです。
押さえるべき要点は4つ。第一に、フォーマットを5系統（フルテロップ／作業型／環境音・ASMR／satisfying・タイムラプス／ペット・風景）から選び、自分の体力と得意分野に合わせること。第二に、「完全な声なし」と「合成音声」は別物で、合成音声を使うならソフトごとのライセンスを必ず確認すること。第三に、最大の壁である「再利用されたコンテンツ」を避けるため、自前素材・オリジナル台本・付加価値のある編集を徹底すること。第四に、ASMR・環境音のように単価が低いジャンルは、ストック型として長期で積み上げる前提で取り組むこと。
この4点を押さえれば、顔も声も出さずに戦う土台は十分に作れます。まずは審査を通しやすい「作業・実演型」から1本作り、視聴維持率を見ながら改善していくのが、遠回りに見えて最短の入り口です。声も顔も出さないという制約は、裏を返せば「構成と編集の質だけで評価される」という公平な土俵でもあります。その土俵で勝つための設計を、最初の1本から意識していきましょう。