まずは原稿から。
ここで原稿を編集し、ボイスを切り替えられます。「生成」を押すと、下書きをスタジオに引き継げます。音声の生成には無料アカウントが必要です。
原稿から音声まで、たった3ステップ。
処理時間は入力サイズ、選択したモデル、プロバイダーの稼働状況によって異なります。
生成の上限は選択したモデルによって異なります。対応するスクリプト長はスタジオに表示されます。
440+のボイスを言語、性別、年齢、スタイルで絞り込み、速度、ピッチ、感情を設定します。文字数を消費する前に試聴できます。
スタジオでMP3、WAV、FLACを選択できます。利用できる音声設定は選択したモデルによって異なります。
すべてをひとつのエディターで。
ボイス、各種コントロール、音声クローン、セレブのパロディボイスが、すべて同じ画面にそろっています。ボイスを変えるために別のツールへ書き出す必要はありません。
どのボイスも、言語、アクセント、年齢層、スタイルを備えた実際のカタログ項目で、汎用的なスライダーではありません。合いそうな4つに絞り込み、聴き比べてみてください。
対応言語のAI生成音声を選べます。プレビューを聴き、自分のテキストで発音を確認してください。
3つのスライダーと感情の選択メニュー。ナレーションを0.9×に落としてオーディオブックらしいペースにしたり、ピッチを2半音上げて明るい広告ナレーションにしたりできます。
スタジオでMP3、WAV、FLACを選択できます。利用できる音声設定は選択したモデルによって異なります。
クローンはカタログと同じボイス選択画面に表示されます。30秒のクリアな音声で1つ作成でき、Starterには3枠が含まれます。
ミームやファン動画向けの200+の個性的なものまねボイスで、そのうち14種類は無料です。あくまでパロディであり、演じられている人物本人の録音ではありません。
いつもの仕事に、そのまま使えます。
それぞれに専用ページがあり、用途に合ったボイスと、すぐに生成できるサンプル原稿を用意しています。
AIテキスト読み上げの仕組み。
AIテキスト読み上げとは？
テキスト読み上げは、書かれた文章を話し言葉の音声に変換する技術です。初期のシステムは録音した断片をつなぎ合わせていたため、途切れがちで機械的に聞こえました。現代のニューラルシステムは、どこでピッチが上がるか、間がどれくらい続くか、どの単語に強勢が置かれるかといった文全体の形を予測し、そこから波形を生成します。
その結果、文章は機械のアナウンスではなく、人が読み上げているように聞こえます。特に、自分では録音したくないナレーションによく使われています。オーディオブック、講座のモジュール、動画のナレーション、電話メニュー、長文記事を読み上げるアクセシビリティ用リーダーなどです。
VoiceMateが音声を生成する仕組み
カタログからボイスを選び、原稿を貼り付けて生成するだけです。各ボイスは、言語、アクセント、年齢、標準のスタイルをそれぞれ持つ独立したモデルです。そのため「イギリス英語・物語」を選ぶことは、汎用的なボイスにフィルターをかけるのではなく、特定の読み手を選ぶことを意味します。
スタジオでMP3、WAV、FLACを選択できます。利用できる音声設定は選択したモデルによって異なります。
6つのボイス、6つの用途。
実際のカタログに載っているボイスを、その説明とともに掲載しています。再生ボタンを押して、同じセリフの読み比べを聴いてみてください。
若々しく会話的な女性の声。自然でリアルな話し方です。
一般的なアメリカ英語のアクセントで、やさしい温かみをもって話す、思いやりがあり落ち着いた若い大人の女性の声。
イギリス英語のアクセントを持つ、説得力のある大人の女性の声。放送や正式なアナウンスに適しています。
イギリス英語のアクセントを持つ、表現力豊かな大人の男性の声。引き込まれるオーディオブックのナレーションに最適です。
明瞭なイギリス英語のアクセントを持つ、プロフェッショナルな大人の男性ニュースキャスターの声。正式なニュース報道向けに作られています。
一般的なアメリカ英語のアクセントを持つ、安定感があり信頼できる大人の女性の声。明瞭で一貫した放送に最適です。
ナレーションを用意する3つの方法。
解釈や演出の面では、今もプロの声優に軍配が上がります。実際の判断を左右するのは、次のようなトレードオフです。
| VoiceMate | 自分で録音する | 声優に依頼する | |
|---|---|---|---|
| 費用 | 毎月の文字数に含まれる | 無料だが、録音に時間がかかる | 通常は完成した音声の分数で請求 |
| 納期 | 処理時間は変動します | 録音と編集によって異なります | 話者の予定によって異なります |
| 修正 | 再生成するたびにプランの文字数を消費します。 | 録り直して、以前の音量に合わせる | 新たな収録と追加請求になることが多い |
| 言語 | 同じエディターで40言語 | 自分が流暢に話せる言語のみ | 依頼する声優1人につき1言語 |
| 一貫性 | 同じ音声を使えますが、表現は変わる場合があります。 | 声の調子、部屋、気分によって変わる | 収録ごとに変わる |
要点まとめ。
準備ができたらプランを選びましょう。
すべてのアカウントに500文字の無料枠が付きます。ここで重要なのは、毎月の文字数の利用枠です。
すべてのアカウントに、補充されない500文字の無料枠が1回分付与されます。カードは不要です。AI音声を始める趣味のユーザー向け。
/ 月
毎週コンテンツを公開するクリエイター向け。
/ 月
チームや大量制作向け。
/ 月
- Studio HDとTurboの音声モデル
- MP3・WAV・FLACでダウンロード
- 感情・速度・ピッチの調整
- サウンドキューと発音辞書
テキスト読み上げに関するよくある質問。
カード不要で、1回限りの無料枠として500文字を生成できます。これは短い段落1つ分（約30秒の音声）で、自分の原稿でボイスを判断するには十分ですが、制作に使えるほどの量ではありません。有料プランは月額$9.99（50,000文字）からです。無料で無制限に使いたい場合、ブラウザで動く読み上げツールには文字数制限がありませんが、VoiceMateのボイスではなくお使いのデバイスの音声を使用します。
はい、すべての有料プランで可能です。Starter以上のプランには、クライアントワーク、収益化した動画、広告、出版するオーディオブック向けの商用利用権が含まれます。無料枠で生成した音声は、個人的な非商用利用に限られます。
スタジオでMP3、WAV、FLACを選択できます。利用できる音声設定は選択したモデルによって異なります。
カタログには40言語にわたる440+のAI音声があり、それぞれに言語、アクセント、性別、年齢層、スタイルのタグが付いています。さらに200+のセレブ風パロディボイスと、自分でクローンしたボイスも使えます。
スタジオでMP3、WAV、FLACを選択できます。利用できる音声設定は選択したモデルによって異なります。
原稿内の文字、スペース、句読点は、それぞれ1文字として数えます。完成したナレーション1分はおよそ800〜900文字なので、Starterの50,000文字は月に約1時間分の音声になります。Proの1,000,000文字ならオーディオブック規模です。
はい。約30秒のクリアな音声を録音またはアップロードすると、VoiceMateがクローンを作成し、カタログと同じボイス選択画面に表示されます。Starterにはクローン用スロットが3枠含まれ、上位プランではさらに多く使えます。
いいえ。利用枠は各請求期間の開始時にリセットされます。毎月大幅に余ったり足りなくなったりする場合は、ためておこうとするより、プランを1段階下げるか上げるほうが通常は合っています。