AI小説ライターがキャラクター名付けを苦手とする理由と正しいワークフロー
要約
AI小説ライターは2026年現在、文章生成には強いが、キャラクター名付けには構造的な弱点がある。音象徴のずれ、非英語圏命名の失敗、一族の一貫性欠如という3つの問題と、名前ジェネレーターを使った修正ワークフローを解説します。
ブランドン・サンダーソンは「カラディン」という名前を決める前に7回変更した。J・K・ローリングは何年もの間、名前の断片だけを書き続けたノートを持っていたと言われている。長編小説を書く作家に共通するパターンがある:文章はすぐ書けるのに、名前を決めるのは遅い。そこにAI小説ライターを加えると、そのギャップはさらに広がる。
2026年のAI小説ライターは、ストーリー構成、セリフのリズム、章のテンポという点では確かに使えるツールだ。だが、キャラクター名付けとなると話が変わる。特定の文化的背景、特定の言語系統、あるいは独自の音韻ルールを持つ架空の世界のキャラクターに名前をつけてほしいと頼むと、「Ethan」「Mara」「Caden」のような中間的な英米風の名前か、キーボードを頭で叩いたような結果、「Zyrox」「Thraeven」「Xaelthor」が返ってくる。
この記事では、なぜそうなるのかと、どう対処するかを説明する。
AI小説ライターが名前に使うのは「統計」だ
ほとんどのAIライティングツールは、学習データの統計的パターンからキャラクター名を生成する。その学習データは英語圏の出版済みフィクションに大きく偏っており、さらにそのデータ自体が特定の音韻規則に偏っている。結果として、「なんとなく馴染みがあるが特定の文化を感じない」名前へと引き寄せられる重力が生じる。
より深い問題は、これらのツールが名前の音象徴的な意味についてモデルを持っていないことだ。音象徴は実在する:心理言語学の研究によれば、人は名前の音だけで一貫してキャラクターの特性を判断する。破裂音(K、T、D)は支配的で体力的に強い印象を与える。摩擦音(F、S、Sh)は軽く速く重みが少ない印象だ。丸みのある母音(O、U)は鋭い前舌母音(I、E)よりもゆっくりと落ち着いた感じを与える。
「穏やかな治癒師」に「Kaelar」、「戦争指揮官」に「Sofiel」という名前を生成するAI小説ライターは、音象徴的なエラーを犯している。名前を声に出したときの響きをモデル化していないのだ。
AIが一貫して失敗する3種類の名前
複数のAI小説ライターツールを使った経験から、3つのカテゴリの命名失敗が偶発的ではなく構造的なパターンとして繰り返されることがわかった。
非英語圏の言語的伝統から来た名前。 日本の文化的影響を受けたキャラクターを求めると、日本語の音韻体系には存在しない子音クラスターや、日本語に親しんだ人には違和感のある長さのパターンが生成されることが多い。アラビア語、スワヒリ語、ほとんどのスラブ系の伝統でも同じことが起きる。英米中心から外れると、学習データが急に薄くなる。
架空の家族・派閥内の名前。 小説に、きょうだいが共通の語根音節を持つ貴族の家があるとしよう(トールキン(バギンズ/サックヴィル=バギンズ)、ハーバート(アトレイデス/コリーノの音韻)など多くの作家が使う命名規則だ。AIツールは拡大したキャスト全体でこのパターンをほぼ維持できない。「エリンドラの7番目のきょうだい」を求めると、音韻的にまったく関係のない名前が返ってくる。家系図がランダムリストから組み立てられているように聞こえる。
語源を持つ名前。 「構築語で『鉄の意志』と翻訳されるような戦士の名前」や「光のラテン語根を持つ治癒師の名前」のように、意味が重要な名前では、AIはその語源をその場で構築する(一貫性なし)か、文書化された言語データから引っ張る(正しい言語からとは限らない)かのどちらかだ。結果は意味があるように見えるが実際にはそうではなく、その言語を話す読者はすぐに気づく。

ランダム性より「語源」が重要な理由
文書化された言語的語源から機能する名前ジェネレーターは、AIライティングアシスタントとは異なる問題を解決する。Behind the Nameのようなツールは、ラテン語、古ノルド語、ギリシャ語、アラビア語、ヘブライ語、日本語、スワヒリ語などの実際の言語的起源で名前をインデックス化し、その伝統の中で検索できる。これはAI小説ライターツールがすることではない。次のトークンを予測しているだけだ。この違いは世界構築において非常に重要になる。
一方の文化がゲルマン語的で、もう一方がセム語的な音韻を持つファンタジー世界を考えてみよう。最初の文化のすべての名前は、子音が多く強いストレスを持つパターンであるべきだ。2番目の文化のすべての名前は、三子音語根の形態論を持つべきだ。言語的制約なしに同じAIツールで両グループの名前を生成すると、数章のうちに音韻的に混ざり合ってしまう。
解決策はAIツールを避けることではない。語源の部分をAIに頼まないことだ。文章にはAIを使い、名前には名前ジェネレーターを使う。
名前を付ける前に命名システムを作る
名前ジェネレーターに最も明確な結果を持ち込む作家は、何も生成する前に命名システムを定義した人たちだ。これは最初に1時間かけるだけで、後から名前を修正する何週間もの作業を節約できる4ステップのプロセスだ。
ステップ1:各文化の音韻パレットを固定する。 どの音を使えるか?どの音は禁止か?トールキンのエルフ語は特定の位置で有声閉鎖音(b、d、g)を許さなかった。ドワーフ語はほぼ子音クラスターだけを使った。各文化にコンランは必要ない。音韻の指紋が必要だ。文化ごとに3〜4つの制約で十分だ。
ステップ2:音節数の規則を決める。 2音節は記憶しやすさの認知的スイートスポットだ。3音節は正式な名前や儀式的な名前に使える。1音節は親密な関係や戦士に合う。4音節以上は異国情緒や重要性を示す。これを文化ごと、またはキャラクターの階層ごとに設定する。
ステップ3:語根や接辞のパターンを確立する。 実際の文化の命名規則は繰り返す形態素を使う。ノルド人は「-sson」と「-dottir」を加えた。ラテン語の命名規則には氏族名が含まれていた。それほど厳格である必要はないが、家族の共有語根音節、職業の接尾辞、貴族家の接頭辞は、読者が言語化できなくても感じ取れる内的論理を世界に与える。
ステップ4:これらの制約の中で生成する。 語源、音節数、音韻プロファイルでフィルタリングしたクエリを実行する。30個の候補を生成する。5個に絞る。AI小説ライターが各候補をコンテキストでどう読むかをテストするのに役立つ、セリフの文章にその名前は自然に収まるか、それとも読者を止めてしまうか?
実践ワークフロー:AI草稿→名前ジェネレーター→文脈テスト
両方のツールを使う小説家が収束した順序がある。そして順序が重要だ。
最初の草稿はプレースホルダーで書く。 真剣に:[キャラクターA]、[キャラクターB]、[治癒師-1]。文章は速く書け、間違った名前に早期に執着することもない。ほとんどのAI小説ライターツールはこれをうまく処理できる。
各キャラクターが誰であるかわかったら、その機能、感情的な重み、世界との関係、命名セッションを行う。名前ジェネレーターに行き、文化的・音韻的制約を適用し、候補リストを生成する。ツールがサポートしていれば言語的起源でフィルタリングする。NaimelingとBehind the Nameはどちらも、特定の言語的伝統と一致した名前を生成する起源フィルタークエリに対応している。
各候補を自分の文章の3文でテストする。リズムを壊すか?解析に精神的努力が必要か?構築した文化世界とは異なる文化世界の名前のように聞こえるか?これらの答えのどれかがイエスなら、候補リストに戻る。

ジャンル別命名規則、AIが見落とすもの
ファンタジー、SF、歴史小説、現代文学はそれぞれAIツールが一貫して適用しない独自の規則を持っている。
ファンタジー読者は、その論理が発明されたものであっても内的な音韻論理に従う名前を期待する。二次世界小説で、その対比がポイントでない限り、音韻的に全く異なる文化圏の名前が同じシーンに並ぶべきではない。
SF読者はより多くの音韻的多様性を受け入れるが、未来感があって妥当に感じられる名前を期待する。発音できないほど異星的でも、時代錯誤的なほど現代的でもなく。
歴史小説は最も厳格な制約を持つ。中世英国のキャラクターをアイルランド語起源の名前で呼ぶべきではなく、ローマ人のキャラクターは階級や地域に応じた命名規則に従うべきだ。
AI小説ライターツールは制約を具体的にプロンプトで指定しない限り、これらのジャンルの境界をぼかす傾向がある。歴史的時代、文化、性別でフィルタリングできる名前ジェネレーターは、5文のプロンプトよりも速くこの問題を解決できる。
そもそもAIにキャラクターを名付けさせていいのか?
最初の草稿としては、出力を候補リストとして扱うなら、使っていい。
AIツールは速く名前を生成する。良い名前は生成しない。AIが生成する名前は、キャラクターについてどんな種類の名前が合うかを考え始めるのに役立つ。しかし命名システムと音象徴チェックを通した後、AI生成の名前のほとんどを差し替えることになると思っておくべきだ。
2026年に最高の結果を出している作家は、AI小説ライターと名前ジェネレーターのどちらかを選んでいるのではない。それぞれが得意なことに、正しい順序で両方を使っているのだ。
小説の途中で、すべてのキャラクターにまだプレースホルダー名があるとしても、それは問題ではない。これが正しい出発点だ。名前は最後に来るべきものだ。全員が誰であるかわかったとき。それから音韻制約を適用し、候補リストを生成し、コンテキストの中で各名前をテストする。
そのプロセスの後に正しいと感じる名前は偶然ではない。それはシステムの結果であり、システムはインスピレーションとは違い、繰り返せる。