ElevenLabsでベルリスを喋らせよう
※本記事は有料マガジンに収録しています。マガジンは記事追加に伴い価格を段階的に引き上げます。最新の価格・内容はマガジンページをご確認ください。
ベルリスセキュリティアカデミーのイメージキャラクタのベルリスですが、ただ立っているだけではもったいないので、動画のナレーションもやってもらおうと思います。
最近は生成AIを活用した、喋る動画もたくさん出てますので、それほど難しいことはないと思います。今ある技術をしっかりと活用させてもらいます。
有料記事のところでは実際に生成した音声やリップシンク動画も確認できますのでぜひ参考にしてください。
ベルリスの設定
ベルリスは、ただのリスではありません。
情報処理安全確保支援士を目指し、日々勉強に励む男の子のリスで、勉強をしながら、学生の皆さんに、セキュリティの大切さを教えることを頑張っているという設定。
ベルリスのベルは尻尾にぶら下がっているベルです
リスは、情報処理安全確保支援士の英語名RISSを参考にしています。
男の子で、動物を擬人化していますので、アニメ風な声なら良いかな？って考えています。
AI音声の常識を変える「ElevenLabs」とは？
最近、SNSや動画制作界隈で大きな注目を集めているのが、次世代AI音声生成プラットフォーム「ElevenLabs（イレブンラボ）」です。
これまでのAI音声といえば、どこか機械的で平坦な印象がありましたが、ElevenLabsはその常識を根底から覆しました。驚くほど自然で、感情豊かな「人間らしい」声を生成できるのが最大の特徴です。
今回は、私が実際に活用している推しポイントを絞ってご紹介します。
感情が宿る「圧倒的な抑揚」
ElevenLabsを触って一番驚くのが、その表現力です。
文脈を読み取り、驚き、ため息、あるいは熱のこもった語り口など、細かなニュアンスを自動で再現してくれます。ただ文章を読み上げるのではなく、そこに「意志」があるかのようなリアルな抑揚は、一度聴くと他のツールに戻れなくなるほどです。
日本語対応のプリセット音声が充実
「海外のツールだから日本語は不自然なのでは？」という心配は不要です。
現在、ElevenLabsには日本語に完全対応した高品質なプリセット音声が多数用意されています。落ち着いたナレーション風から、親しみやすいキャラクターボイスまで、用途に合わせて選ぶだけで即戦力の音声が手に入ります。
プロンプトから「理想の声」を生成
特定の誰かの声を選ぶだけでなく、プロンプトを入力して、自分の理想とする声をゼロから生み出すことも可能です。
「20代の落ち着いた女性、少しハスキーで知的なトーン」といった具合に指定することで、世界に一つだけのオリジナルボイスをデザインできます。
動画制作を加速させる「リップシンク機能」
私が特に重宝しているのが、リップシンク（口パク）動画生成の機能です。
生成した音声に合わせて、画像や動画内の人物の口元を自然に動かすことができます。これを使えば、静止画一枚からまるで本当に喋っているかのような解説動画やメッセージ動画が驚くほど簡単に作れてしまいます。
ベルリスにあう音声を探してみる
実際にElevenLabsに用意されているVioceから日本語に対応しているものを探してみます。GUIはわかりやすく、絞り込みたい内容で絞っていけば、候補となる音声が表示されます。言語：Japaneseだけで絞るとこれだけたくさん出てきます。これは期待できそうです。
出てきた、音声はサンプルが用意されているので、その場でどんな声色が確認ができます。
一つやりにくところがあって、日本語対応って書いてあっても、サンプルのナレーションが英語の文の場合があるので、この場合は、日本語を読ませたらどんな風になるかが想像つきにくいです
かなりの数のボイスを聞いてみたんですが、どうもイメージに合うものが見つからなくって、プリセットではちょっと無理かなって感じでした。
ベルリスにあう音声を作ってみる
いいのがないので、音声を作ってみます。これができるのがElevenLabsのいいところだと思います。
早速プロンプトを作って、音声合成してみます。
左のメニューからボイスの＋ボタンをクリックします
ボイスデザインをクリックします
設定ボタンをクリックします
プレビュー用テキストを生成のスイッチをOnにします
最終的にこの画面構成にします。プロンプトの欄には、プロンプトを英語で記入してください。ChatGPTやGeminiなどのAIを使ってプロンプトを英語で作ってもらうのがいいと思います
下段のプレビュー用テキストには、実際にしゃべらせるテキストを記入します。これは、日本語で記入してください。そうしないと、音声を生成した後のサンプルボイスを聞いても出来がいいのか、悪いのか判断に迷うと思います。
当時はこんなやりとりで、GeminiにElevenLabsに使うプロンプトを作ってもらっていました。なんか日本語がおかしいですね。
Voice作成用のプロンプトに直して
明るくエネルギッシュな中学生の男の子の声で、明るいプレゼンテーションに最適です。
日本アニメ調の声
ここからは実際に作って見た声色を4つほど紹介します。
プロンプト、プロンプトの日本語訳、実際の音声サンプルのセットです。
初期音声作品（男の子っぽい声）
プロンプトはこれです。
Create a neutral, androgynous voice with a slightly higher pitch,
but without feminine softness or breathiness.
Keep the tone clear, steady, and lightly youthful, similar to a calm young boy.
Increase the speaking pace slightly so the voice sounds more natural and less slow or heavy.
Avoid overly warm or bright qualities, and maintain a balanced, intelligent tone suitable for narration日本語訳をするとこんな感じ
やや高めのピッチで、女性的な柔らかさや息遣いのない、中性的で中性的な声を作りましょう。
落ち着いた少年のような、明瞭で安定した、やや若々しいトーンを保ちましょう。
声がより自然に聞こえ、遅すぎたり重すぎたりしないように、話すスピードを少し上げましょう。
過度に温かみのある声や明るい声は避け、ナレーションに適した、バランスの取れた知的なトーンを維持しましょう今思うと、男の子なのか、女の子なのかどっちなの？って感じも無茶苦茶なプロンプトですね
実際の音声はこちらです。
noteは音声を記事に埋め込みできるのがいいですね。
なんとも棒読み感が半端ないです。
実はこの声でスライドナレーションを作っていました。
真面目なスライドを読み上げる時は比較的大丈夫なんですが、このセリフみたいに元気よくしゃべらせようとすると破綻しますね。
※本記事は有料マガジンに収録しています。マガジンは記事追加に伴い価格を段階的に引き上げます。最新の価格・内容はマガジンページをご確認ください。
