音声ノード

この記事は翻訳版です。英語版が参照用であり、疑義が生じた場合には英語版が適用されます。

この記事の内容

• 利用可能な音声ノード
• ボイスオーバー
• ボイスオーバーモデル
• 音楽生成ツール
• 音楽生成ツールモデル
• 効果音
• 動画音声ミックス
• 一般的な音声ワークフロー
• プロンプトのヒント
• ヒントとベストプラクティス

利用可能な音声ノード

すべてのオーディオノードは、Spacesへの新しい追加機能です。

ボイスオーバー、音楽生成ツール、および効果音は順次展開されており、お使いのアカウントではまだ利用できない場合があります。

ボイスオーバー

ボイスオーバーノードは、テキストを自然な音声に変換します。複数のプロバイダーが提供する数百種類のAI音声から選択して、スクリプトのナレーション、ダイアログの作成、または音声コンテンツの制作を行えます。

ボイスオーバーノードの使い方

1. ノードを追加する

   Spaceにボイスオーバーノードを追加する。

2. スクリプトを入力

   テキストフィールドにスクリプトを入力または貼り付けるか、入力ポートにテキストノードを接続してください。

3. モデルを選択

   ElevenLabs v2、ElevenLabs v3、またはGemini 2.5 Proから選択してください。

4. 音声を選択

   音声チップをクリックして音声ライブラリを開き、選択前に音声を閲覧・プレビューしてください。

5. パラメーターを調整

   必要に応じて、速度、安定性、類似性ブーストを設定してください。

6. 生成

   生成数を1から10の間で設定し、ノードを実行してください。

音声パラメーター

入力と出力

VoiceoverノードはText入力（スクリプト）を受け取り、Audio（生成されたボイスオーバー）を出力します。カードに直接入力するか、Textノードを接続して動的なスクリプトを使用できます。

ユースケース

• 動画ナレーション — スクリプトを作成してボイスオーバーを生成し、Video Audio Mixを使って動画と組み合わせます。
• ポッドキャスト制作 — 各セグメントのボイスオーバーを生成し、それらを組み合わせてエピソード全体を作成します。
• キャラクターの対話 — 異なる音声のVoiceoverノードを複数使用し、それらを組み合わせて会話シーンを作成します。
• リップシンク動画 — ボイスオーバーを生成し、その音声出力をリップシンク動画モデルに接続して、キャラクターを同期させて話させます。

ボイスオーバーモデル

音声生成には3つのAIモデルが利用可能です。それぞれ異なる強みがあるため、プロジェクトに最適なモデルを選んでください。

ElevenLabs v2はもっとも高速なオプションです。多くのボイスオーバーをすばやく生成したり、制作中にスクリプトを反復したりする必要がある場合に使用してください。Speed、Stability、Similarity Boostの各パラメーターに対応しています。

ElevenLabs v3はv2よりも自然な韻律とイントネーションを実現しており、ペース、強調、感情的なトーンが人間による読み上げに近くなっています。品質がもっとも重要となる最終出力に使用してください。パラメーターはv2と同じです。

Gemini 2.5 Proは、多言語コンテンツや会話調の配信に優れています。Temperature、System Instruction、言語選択に対応しています。対話形式の出力には、複数話者の設定が行えます。

Gemini 2.5 Proは順次展開中のため、すべてのユーザーがまだ利用できない場合があります。

クイックガイド：どのモデルを選ぶべきか

AI 音楽生成ツール

AI 音楽生成ツールノードは、テキストによる説明からオリジナルの音楽を作成します。ムード、ジャンル、テンポ、楽器を指定すると、AI が独自のトラックを作曲します。

AI 音楽生成ツールノードの使い方

1. ノードを追加する

   Spaces に AI 音楽生成ツールノードを追加する

2. 音楽を説明する

   プロンプトフィールドに希望する音楽の説明を入力するか、入力ポートにテキストノードを接続します。

3. モデルを選択

   Lyria または ElevenLabs Music を選択する

4. 長さを設定する

   Lyria は最大30秒、ElevenLabs は最大10秒までです。

5. 生成

   生成数を1から10の間で設定し、ノードを実行してください。

入力と出力

AI 音楽生成ツールノードは テキスト 入力（音楽の説明）を受け取り、音声（生成されたトラック）を出力します。

ユースケース

• 動画のサウンドトラック — ムードを説明して背景トラックを生成し、Video Audio Mixを使って動画と組み合わせましょう。
• ポッドキャストのイントロ音楽 — ElevenLabs Musicを使って、ブランドに合わせた短いイントロを生成しましょう。
• 背景音楽 — コンテンツ向けに、ローファイ、アンビエント、または特定のジャンルのループを作成しましょう。
• スタイルの比較 — いくつかのジャンル説明を記述してすべて生成し、プロジェクトにもっとも適したものを選びましょう。

AI 音楽生成ツールモデル

音楽生成用に2つのAIモデルが用意されており、それぞれ異なるユースケースに最適化されています。

Google Lyriaは、自然な音楽構成を持つ長めの楽曲制作に優れています。幅広いジャンルに対応し、イントロ、ビルドアップ、トランジションなど、展開のあるアレンジの楽曲を生成できます。

ElevenLabs Musicは、短く凝縮された楽曲に最適化されています。クリーンで明確なサウンドを出力するため、ブランディング要素、トランジション、ループ可能なクリップに最適です。

クイックガイド：どのモデルを選ぶべきか

効果音

効果音ノードは、テキストによる説明からAI搭載のオーディオを生成します。トタン屋根を叩く雨の音から宇宙船のエンジンの唸り音まで、あらゆる音を説明すると、AIがその音を作成します。動画プロジェクトに雰囲気やフォーリーを追加する際にご活用ください。

効果音ノードの使い方

1. ノードを追加する

   Spacesに効果音ノードを追加する

2. 音を説明する

   プロンプトフィールドに説明を入力するか、テキストノードを入力ポートに接続します。

3. 長さを設定する

   効果音の長さを選択します

4. 必要に応じてループを有効にする

   環境音や背景オーディオなど、継続的に再生する必要がある音にはループをオンにします。

5. 生成

   生成数を1から10の間で設定し、ノードを実行してください。

入力と出力

効果音ノードはテキスト入力（音の描写）を受け取り、音声（生成された効果音）を出力します。

ユースケース

• ビデオフォーリー — シーンの音を描写して生成し、Video Audio Mixを使って動画に重ね合わせます。
• アンビエントループ — Loopを有効にして、カフェの雰囲気や雨音のような継続的な背景音を作成します。
• ポッドキャストのイントロ — ドラマチックなスティングやトランジション音で、独自のオーディオブランディングを作成します。
• ゲームオーディオ — ゲームのプロトタイプ用に、UIサウンド、環境音、またはアクション効果音を生成します。

動画音声ミックス

Video Audio Mixノードは、複数のオーディオトラックを動画と組み合わせます。オーディオワークフローの最終ステップとして使用してください。ボイスオーバー、音楽、効果音を接続し、生成またはアップロードした動画とミックスします。

一般的なオーディオワークフロー

Spacesでサウンドトラック付きのナレーション動画を制作する一般的なパターン：

1. スクリプトを作成する

   テキストノードを使用するか、ボイスオーバーノードに直接入力します。

2. ボイスオーバーを生成

   ボイスオーバー・ノードは、スクリプトを自然な音声に変換します。

3. 音楽を追加

   音楽生成ツールは、ムードの説明から背景トラックを作成します。

4. 効果音をレイヤー化

   効果音ノードは、環境音やフォーリーを生成します。

5. すべてをミックス

   すべての音声出力と動画をビデオ・オーディオ・ミックス・ノードに接続します。

最終的な動画と組み合わせる前に、必要な数だけ音声ソースを接続できます。

プロンプトのヒント

優れたプロンプトが、より良い音声を生み出します。各ノードで効果的なプロンプトは以下の通りです。

ボイスオーバー

ボイスオーバーのプロンプトはスクリプトそのものです。話してほしい内容をそのまま記述してください。文章は自然で会話調にしましょう。特定のペースや強調が必要な場合は、テキストに指示を書き込むのではなく、適切なモデルを選択し、音声パラメーターを調整してください。

AI 音楽生成ツール

ジャンル、ムード、テンポ、楽器を含めると、より細かく制御できます。

シネマティックなオーケストラ曲、ドラマチック、緊張感が高まる、ストリングスとブラス、120 BPM

アコースティック・フォークギター、温かみがありノスタルジック、フィンガーピッキング・スタイル、90 BPM

ElevenLabs Music（短い楽曲）の場合は、単一のムードや目的に絞って説明を記述してください。

アップテンポなエレクトロニック・ジングル、ハッピー、シンセリード

ダークなアンビエント・ドローン、不気味、低周波のハミング

効果音

具体的かつ詳細に記述してください。詳細を含めるほど、頭の中でイメージしている音に近い結果が得られます。

トタン屋根に降る激しい雨と遠くの雷鳴 — 単に「雨」とするよりも効果的です。

静かな会話とエスプレッソマシンの音が混ざる忙しいコーヒーショップの雰囲気。カフェの環境音よりも効果的です。

ヒントとベストプラクティス

生成前に音声をプレビューする。音声ライブラリにはすべての音声のサンプル再生機能が含まれています。生成前に試聴しましょう。

表現力を高めるために安定性を下げる。ボイスオーバーが平坦すぎたりロボットのように聞こえる場合は、安定性パラメーターを下げてみてください。これにより、表現にバリエーションと感情の幅が加わります。

複数のバリエーションを生成する。音声生成、特に音楽や効果音は非常に変化に富んでいます。同じプロンプトで複数のバージョンを生成し、最適なものを選びましょう。

環境音にはループを使用する。雨、交通音、オフィスのような継続的な背景音が必要な場合は、効果音ノードのループ切り替えを有効にしてください。

v2でドラフトを作成し、v3で仕上げる。スクリプトの素早い反復にはElevenLabs v2を使用し、品質が重要な最終的なボイスオーバーにはv3に切り替えましょう。

音楽プロンプトではテンポを具体的に指定する。120 BPMのようなBPM値を追加すると、AIに具体的な目標が与えられ、より一貫した結果が得られます。

対話には複数のボイスオーバーノードを使用する。異なる音声のボイスオーバーノードを複数追加して会話シーンを作成し、それらを動画オーディオミックスで組み合わせましょう。

効果音を組み合わせて豊かなサウンドスケープを作る。複数の効果音ノード（例：雨、遠くの交通音、室内の反響など）を重ねてミックスし、深みを出しましょう。