動画用のAIボイスオーバーの作り方（ステップ・バイ・ステップ）

映像と原稿はある。でも、信頼できるマイクも - カメラの前で使いたい声も - ない。AIボイスオーバーがそれを解決します。原稿を貼り付け、ボイスを選び、MP3をダウンロードして、カットに合わせるだけ。ここでは、最初から最後までの一連の流れを、約5分で紹介します。

必要なもの

• あなたの原稿（またはナレーションを入れたいセリフ）。
• 無料のSpeechoアカウント - 音声生成にはアカウントが必要で、クリップとクレジットはご自身のアカウントに保存されます。
• いつもの動画編集ソフト（Premiere、DaVinci Resolve、Final Cut、CapCut - MP3を読み込めるものなら何でも）。

ステップ1 - テキスト読み上げタブを開いて原稿を貼り付ける

アプリでテキスト読み上げタブに切り替え、ナレーションをテキストボックスに貼り付けます。最大250,000文字まで入力でき、長い原稿はパートごとに音声化されるので、残りを支払う前に最初のパートを聞けます。動画ならシーン単位のまとまりに分けるほうがやはり扱いやすく、どのみちタイムラインには別々に配置することになります。

ステップ2 - 品質ティアを選ぶ

3つのティアが表示されます。動画に合わせて選びましょう。

• スタンダード - 日常使いに向いたクリアな声で最も安く、50以上の言語に対応し、うち19言語はネイティブ話者の声。チュートリアルや下書きに最適。
• エンハンスト（ElevenLabs） - よりリアルで表現豊か。公開する動画のほとんどにちょうどいい標準の選択肢。
• プレミアム（ElevenLabs） - 最も自然。看板となる動画に。

ドイツ語、スペイン語、フランス語、日本語など31言語のテキストなら、エンハンストとプレミアムにはネイティブ話者の声があり、この4言語ならスタンダードにもあります - ドイツ語、スペイン語、フランス語、日本語の音声ページ（英語）をご覧ください。

迷ったら？ エンハンストから始めましょう。（詳しい解説はElevenLabs対OpenAI：あなたに必要なボイスはどっち？をご覧ください。）

ステップ3 - ボイスを選んで無料で試聴する

チャンネルのトーンに合うボイスを選んで、試聴ボタンを押します。これは無料です - 1クレジットも使わずに、すべてのボイスをあなたの言語で試聴できるので、いくつか試して自分の耳を信じましょう。

ステップ4 - MP3を生成してダウンロードする

試聴に満足したら、クリップを生成します。数秒で、結果を確認し、再生速度を調整し、標準的なMP3をダウンロードできるプレーヤーが表示されます。そのファイルはあなたのもので、いつでも再ダウンロードできます。

エンハンストまたはプレミアムのボイスなら、MP3の横の矢印からSRTまたはVTTの字幕ファイルも無料でダウンロードできます。音声に単語単位でタイミングが合っているので、MP3と一緒にタイムラインに置けば、ダウンロードしたときの再生速度のままナレーションと字幕がそろい、文字起こしは必要ありません。スタンダードのボイスには字幕がありません。

ステップ5 - タイムラインに配置する

MP3を編集ソフトに読み込み、映像の下に配置します。自動同期に頼らず自分で配置するからこそ、完全なコントロールが手に入ります。セリフを少しずらしてカットに合わせたり、見せ場の前に一拍の無音を入れたり、音楽の下で音量を絞ったり。この手動でのコントロールこそ、原稿に合わせて編集するときに求めるものです。

クリアでテンポの良いナレーションを作るには

いくつかのコツを押さえるだけで、AIナレーションは急いだ印象ではなく、意図の伝わる仕上がりになります。

• 息継ぎのために句読点を。 読点や句点は間になります。長い文より短い文のほうが声に出したときに聞き取りやすい - 耳のために書きましょう。音声にお金を払う前に長すぎる文を見つけたいなら、まず無料のブラウザ音声で原稿を再生してみましょう。
• 読み方が難しい単語は発音どおりに表記。 名前や略語が正しく読まれないときは、発音に合わせて書きます（「Speecho」なら「スピーチョ」、「SQL」なら「シークェル」と表記する）。
• 長い段落は分割して、シーンごとに別々のクリップにしましょう。配置しやすく、全体を再生成せずに1行だけ作り直すのも簡単です。
• 内容にエネルギーを合わせる。 個性のあるものにはエンハンストかプレミアム、淡々とした事実ベースのナレーションにはスタンダードで十分です。

2つ以上の声で：会話

ナレーターが2人いる動画や、登場人物同士が会話する動画なら、各行の先頭に名前を書いた台本（さくら: ...、けんた: ...）を用意し、パネルをテキストから会話に切り替えます。そうした台本をテキスト欄に貼り付ければ、アプリのほうから切り替えを提案します。名前ごとに専用の声を持つ登場人物ができ、行間の長さを選んで、すべてのセリフが順番に並んだ1つのMP3をダウンロードできます。料金は同じテキストを1つの声で読む場合とまったく同じです。詳しくは複数の声でテキスト読み上げをご覧ください。

あとから一部分だけ直す

パートに分けて音声化した長い原稿や会話は、1文のために全体を作り直す必要はありません。そのパートでこのパートを再生成（会話の行ならこのセリフを再生成）を押し、別のボイスを選ぶ、単語を直す、[whispers]のような指示を加えると、そのパートだけが作り直され、残りはそのままです。テキストが同じならそのパートの料金がもう一度かかり、変えた場合は新しいテキストの料金がかかります。

ボーナス：同じボイスオーバーを別の言語で

動画の第2言語版が欲しいですか？翻訳した原稿を貼り付けて、それに合ったボイスでボイスオーバーを生成すれば - その言語のきれいなMP3が手に入り、複製したタイムラインに配置できます。動画が録画から始まったものなら、まず文字起こしをして、Speecho内で文字起こしを翻訳してから、その翻訳を音声化することもできます。

正直な注意点を1つ：これで得られるのは別の言語のナレーションであって、自動吹き替えではありません - リップシンクも、元の話者へのタイミングの自動同期もありません。ボイスオーバー型の動画（解説動画、顔出しなしのチャンネル、製品デモ）にはまさにこれが必要なものですが、話者が映るトーキングヘッド型の動画では、セリフのタイミングを手動で合わせることになります。

費用について

文字単位の料金なので、ボイスオーバーは安く済みます。英語の3分の解説動画で約3,000文字 - スタンダードなら約30セント、エンハンストなら約70セントです。日本語なら3分で約1,000文字なので、その3分の1ほどです。$5からチャージでき、クレジットは無期限なので、少し多めに買っても無駄になることはありません。料金の詳細をご覧ください。

次の動画に声を吹き込む準備はできましたか？テキスト読み上げタブを開いて、原稿を貼り付け、ボイスを無料で試聴してみましょう。