ElevenLabs — テキストから音声、そして動画の吹き替え

ElevenLabs とは

ElevenLabs は音声とナレーションのための AI に特化した企業です。自然に聞こえる音声を合成し、声色や抑揚、響きといった人の声の特徴を、多くの言語で再現できます。声の品質の高さから、ElevenLabs は AI ナレーションと吹き替えの代表格になりました。

genkiki.com では 吹き替え モードで利用できます。話し声の入った動画を受け取り、別の言語に翻訳して、元の話者に近い声で読み上げてくれるツールです。

generiram で使えるバージョンと機能

ElevenLabs は 2 つのモードで提供されています。動画の吹き替えと、テキストからの音声生成です。

吹き替えでは、元動画のせりふを翻訳し、選んだ言語で読み直します。声は元の話者に近く再現されるので、知らない人の声に置き換わったようには聞こえず、同じ人が訳して話しているように感じられます。口の形は新しい言語に合わせて作り直しません。そのぶん、リップシンクつきのフル吹き替えより速く、安く仕上がります。

• 読み上げは最大 29 言語。
• 動画の長さは約 10 分まで。
• 元の言語は自動で判定 — 手で指定する必要はありません。
• より正確に仕上げるため、動画内の話者の人数を指定できます。
• 声のクローンにより、訳した音声が元の話者に近く聞こえます。

こんなときに

ElevenLabs 吹き替えは、何も撮り直さずに動画を別の言語で分かるようにしたいときに、いちばん役に立ちます。

• 新しい視聴者や海外市場に向けた、動画のすばやい音声吹き替え。
• 研修動画、プレゼン、ウェビナーの翻訳。
• マーケティング動画や商品動画の多言語ナレーション。
• 口元がアップで映らない場面 — 口の作り直しがなくてもほとんど気づかれず、速さと安さの恩恵だけ受けられます。

ElevenLabs v3 — テキストから音声

ElevenLabs v3 は AI スタジオのオーディオカテゴリーにある 音声モデルです。文章を書いて声を選ぶと、ナレーターが読んだような音声ファイルができます。声は 21 種類、男性・女性それぞれ個性が違い、選ぶ前にサンプルを聴けます。

• 1 回の生成でテキストは 5000 文字まで — 入力欄の下のカウンターで残りが分かります。
• 料金は 1000 文字単位（切り上げ） — 1 文字でも 1000 文字でも同じ料金です。
• 角かっこの指示を入れられます。読み上げられず、演技として反映されます。自分の言語でそのまま書けば、システムがモデル用に訳します: [笑い]、[ささやき]、[ため息]、[興奮して]、[皮肉っぽく]、[泣きながら]、[歌う]、[間] など。
• 読み方のスタイル: クリエイティブ — 表情豊かで感情的。ナチュラル — バランス型。安定 — 均一で予測しやすい（ナレーションやレッスン向け）。
• 言語は通常テキストから自動判定されます。発音がおかしいときだけ 手で選んでください。数十の言語に対応しています。
• テキストは書いたとおりに読まれます。翻訳も短縮もされません。 「数字と略語」の設定で、「25 €」を「にじゅうごユーロ」と読むかどうかが決まります。

AI スタジオを開き、オーディオのカテゴリーで テキストから音声 のモードを選び、 文章を書いて「生成」を押してください。数秒で音声をダウンロードできます。

始め方

genkiki.com の AI スタジオを開き、動画から動画のモードと ElevenLabs 吹き替え を選びます。動画をアップロードし、目的の言語を選び、必要なら話者の人数を指定してください。元の言語は自動で判定されます。処理を始めると、同じ動画が新しい言語で、元に近い声で吹き替えられて返ってきます。