6 min read
ひとりで事業を営む人が使えるAI音声の最高峰が、今週はっきりと進化しました。しかも、1円も払わずに試せます。9月28日、ElevenLabsは新しい音声合成モデル（書かれた文字を話し言葉の音声に変換するソフトウェア）であるEleven v4と、より高速な兄弟モデルEleven v4 Turboを発表しました。TechCrunchの発表記事によると、新モデルは感情や話し方をより細かく調整でき、90以上の言語に対応し、無料プランを含むすべてのプランで利用できます。
今回はツールを深掘りする記事なので、結論から言います。講座のレッスン、商品紹介動画、電話の応答メッセージなど、何らかの音声を作っているなら、今まず試すべきAI音声はEleven v4です。以下では、何が変わったのか、本当に向いているのは誰か、弱点はどこか、そして最初の1時間でどう成果を出すかを紹介します。
Eleven v4で実際に変わったこと
これまでのAI音声は「読む」のは上手でした。単語を正しく発音できても、台本を初めて読む人のように聞こえていました。v4は暗唱ではなく演じることを目指して作られています。ひとつの文を温かく、楽しげに、落ち着いて、あるいは真剣に聞こえるよう誘導でき、間の取り方や強調も、内容を理解して話している人にずっと近くなりました。
小規模事業者にとって特に重要な改善点は4つです。
- 表現のコントロール。良いテイクを期待して同じクリップを10回作り直す代わりに、トーンやテンポを調整できます。
- 90以上の言語。ひとつの台本から、市場ごとに別のナレーターを雇わずにスペイン語、日本語、ドイツ語のナレーションを作れます。
- より速いボイスクローン。報道によれば、自分の声の実用的なクローンは、約10秒のサンプル音声で作れるようになりました。
- リアルタイム用途向けのTurbo。Eleven v4 Turboは話し始めるまで約150ミリ秒と計測されており、電話やチャットのエージェントが気まずい沈黙なしに応答できる速さです。
ElevenLabsはまた、v4が9月の独立した音声ランキングで1位となり、ブラインド比較では約4分の3の聞き手に選ばれたと発表しています。企業の主張はほどよく慎重に受け止めましょう。無料プランなら、お金をかける前に自分の耳で違いを確かめられます。
注目すべき人（と見送ってよい人）
相性が良い人
- 講座の制作者やコーチで、レッスンを頻繁に更新する人。たった一文を直すために、モジュール全体を録り直す必要はもうありません。
- 商品を販売する人で、SNS向けの短いデモ動画を作り、一貫した洗練されたナレーションを求めている人。
- 海外の顧客を持つサービス業、たとえばコンサルタント、家庭教師、旅行プランナーなど。同じ解説を複数の言語で公開できるようになりました。
- 音声エージェントを作ろうとしている人。予約受付や営業時間外の電話対応に、Turboモデルの低い遅延が役立ちます。
相性が良くない人
- パーソナリティが主役のポッドキャスト。リスナーがあなた目当てなら、あなたの本物の声と自由な脱線こそが商品です。AIはオープニングや広告読みに使い、番組全体には使わないようにしましょう。
- 規制の厳しいメッセージ。医療、法律、金融に関する注意書きは、声がどれほど自然でも、一語一語を人が丁寧に確認する必要があります。
ひとり起業家が今週できる5つの使い方
- 一番読まれているブログ記事を音声にする。本文を貼り付け、声を選び、ファイルを記事に追加するだけです。聞く方が好きな読者に選択肢ができ、あなたはマイクを持って物置にこもる午後を過ごさずに済みます。
- 修正用に自分の声をクローンする。きれいなサンプルを録音してクローンを作り、既存動画のミスを直すのに使えば、修正部分もあなたの声に聞こえます。画面に出る話し手も欲しいなら、HeyGenのレビューで紹介した動画ツールと組み合わせましょう。
- 商品動画をひとつローカライズする。一番売れている商品を選び、2番目に大きい市場の言語版を作ります。すべてを翻訳する前に、クリック数が増えるかを測りましょう。
- 電話の応答メッセージを格上げする。自然な声のあいさつと保留メッセージは数分で作れ、小さな事業でもしっかりした会社に聞こえます。
- ショート動画に声を入れる。長い動画を短いクリップに切り出しているなら、最初の2秒にナレーションのつかみを入れましょう。多くの視聴者は、そこで見続けるかを決めます。
料金をわかりやすく
ElevenLabsはクレジット制です。各プランには毎月の文字数（おおまかに言えば、音声に変換される文字の量）が含まれています。無料プランでも、v4をしっかり試し、いくつか台本を書き、品質がお金を払う価値があるかを判断するには十分です。有料プランでは文字数が増え、商用利用の権利や、より高品質なボイスクローンが加わります。プランや文字数はよく変わるため、契約前にElevenLabsの公式料金ページで最新の数字を確認してください。
実用的な注意点が2つあります。まず、音声を販売物や広告に使うなら、選んだプランの商用ライセンスを必ず確認しましょう。次に、開発者向けアクセスは発表時に割引されていましたが、これはAPI（あるアプリが別のアプリとやり取りするための接続口）でElevenLabsを他のソフトとつなぐ予定がある場合にのみ関係します。
知っておきたい落とし穴
欠点に触れないツール紹介は誠実とは言えません。
- 声よりも台本のほうが大事。素晴らしい声でも、まとまりのない台本を読めば、まとまりのない音声になります。耳で聞くことを意識して、短い文、少ない括弧、読み上げるときの形で数字を書きましょう。
- 長いコンテンツではクレジットがすぐ尽きる。1時間の講座で入門プランの文字数を使い切ることもあります。生成する前に台本を書いて確定させましょう。
- ボイスクローンには責任が伴う。クローンするのは自分の声か、書面で許可を得た声だけにしましょう。誤解される可能性があるなら、ナレーションがAI生成であることを視聴者に伝えてください。
- 固有名詞や専門用語の発音がずれることがある。公開前にすべてのクリップを聞き、特に顧客名や商品名を確認しましょう。
Eleven v4との最初の1時間
シンプルな計画が欲しいなら、こうしてみてください。まず10分で、最もアクセスの多いページか最も再生された動画を選びます。次の20分で、その要となる部分を約150語の話し言葉の台本に書き直します。続く15分で、3つの声と2つの感情設定を試します。最後の15分で一番良いバージョンを公開し、日付を記録しておけば、1か月後に反応を比べられます。
アイデアがまとまりのないボイスメモから始まるなら、ボイスメモを完成したコンテンツに変えるステップごとのガイドで、ElevenLabsを開く前に生のアイデアをきれいな台本にする方法を紹介しています。
まとめ：Eleven v4によって、ひとりの事業が実際より小さく聞こえてしまう理由はほとんどなくなりました。あなたの個性の代わりにはなりませんし、そうすべきでもありません。それでも、後回しにしてきたナレーション、ローカライズ、電話対応の仕事には、今いちばん頼れる無料の出発点です。あなたが最初に声を与えたいコンテンツは何ですか？
