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 - 音声生成はアカウント専用で、クリップとクレジットがあなたのものとして保存されます。
- 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 - ボイス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。一度に最大20,000文字 - 約20分の音声 - まで処理できるので、たいていの動画は1本まるごと収まります。もっと長い場合は、シーン単位のまとまりに分割してください。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。
- Standard（OpenAI） - クリアで自然、最も安く、50以上の言語に対応。チュートリアルや下書きに最適。
- Enhanced（ElevenLabs Flash） - 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。
- Premium（ElevenLabs Multilingual v2） - 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22言語のテキストなら、EnhancedとPremiumにはネイティブ話者の声があります - 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？ Enhanced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。
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。
- 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EnhancedかPremium、淡々とした事実ベースのナレーションにはStandardで十分です。
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。3分の解説動画で約3,000文字 - Standardなら約30セント、Enhancedなら約60セントです。$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？ボイスタブを開いて、原稿を貼り付け、ボイスを無料で試聴してみましょう。
