1. ヘルプセンター
  2. AIオーディオ

AI音声生成

AIオーディオ2026年11月7日 更新

AI音声生成は、テキストを自然な話し声に変換します。最大40,000文字の台本を貼り付けて声を選べば、音声をダウンロードできます。字幕を付けることもできます。

カフェで話す3人の友人のイラスト
友達とコーヒー · 3人の話者による会話を1回の生成で作成しました。

ナレーションを作る

AI音声生成で最初の音声を作る流れを約2分半で紹介します。
AI音声生成のページ:モデル、シングルボイスとマルチボイスのタブ、声、原稿、オプション
AI音声生成のページ。モデル、シングルボイスとマルチボイスのタブ、声、原稿、オプションが表示されます。
  1. 台本を入力するか貼り付けます。入力先はテキストボックスです。
  2. モデルを選びます(下の表を参照)。
  3. 声を選びます。音声ライブラリを開くと、性別、用途、特徴でさらに多くの声を探せます。音声を試聴を押すと事前に聞けます。気に入った声はお気に入りに保存できます。
  4. オプションを設定します。言語、速度、感情などです。
  5. 「生成」を押します。必要なクレジットは、開始前にボタンに表示されます。

モデルの選び方

モデル向いている用途オプション
ElevenLabs Eleven v4最も表現力が豊かな声。感情やスタイルのタグを使え、複数の声による会話も作れます。16言語、安定性(表現豊か〜安定)、声、速度、音声タグ
Google Chirp 3: HD自然な声を低コストで。約50の言語・地域に対応します。言語、声、速度
Typecast SSFM 3.0感情を選べる自然な声。韓国語が得意です。言語(または自動)、感情(うれしい、悲しい、ささやき、穏やかなど)、速度0.5×〜2×

感情タグと音声タグ

Eleven v4では、タグを開くと、[happy]、[whispers]、[laughs]などの音声タグやポーズ(間)を、台本の好きな位置に挿入できます。AIタグを使うと、適切な感情タグが自動で追加されます。Typecastでは、台本全体に感情を1つ選びます。

複数の声による会話

Eleven v4でマルチボイスに切り替えると、会話を作成できます。各行をA:やB:などの話者ラベルで始め、話者ごとに声を選びます。話者は最大10人(A~J)まで使えます。ラベルのない行は話者Aが読み上げます。

A: 角に新しくできたカフェ、もう行った?
B: まだなんだ。コーヒーはおいしい?
A: 今年飲んだ中でいちばんだよ。

字幕とダウンロード

字幕を生成(Eleven v4とTypecast)をオンにすると、話し声のタイミングに合わせた字幕が作成されます。音声ができたら、オーディオ、字幕 (SRT)、または両方をZIPでダウンロードできます。結果はマイ作品に保存されます。

料金

料金は台本1,000文字あたりで決まり、単価はモデルによって異なります。台本を入力する前はボタンに単価が、入力すると正確なクレジット数が表示されます。

「台本で使用している話者 … の音声を追加してください。」

会話の中に、声がまだ設定されていない話者ラベルの行があります。話者を追加でその話者を追加するか、ラベルを変更してください。

これらの声を長い動画に使えますか?

はい。画像と字幕の入ったナレーション動画を作るなら、スーパーナレーターをご利用ください。同じライブラリの声を使い、話し声に合わせて動画のタイミングを合わせます。

解決しませんでしたか? ご質問をお送りいただければ、メールでご返信します。