2 Models Available

AIで声をクローンする方法

ポッドキャスターやコース作成者は、30秒のサンプル音声から自分の声をクローンし、その後は再録音なしで新しいナレーションを生成できます。Astorieのキャンバス上でノイズのないリファレンス音声をオーディオノードに入れ、ElevenLabs Voice Cloning、Fish Audio S2-Proの声クローン、Minimax Voice Designのいずれかに送り、クローンした声を下流の台本から音声への変換、吹き替え、リップシンクの各ノードへつなげます。創業者本人の声によるトレーニングナレーション、コース教材、既存動画のローカライズなどに活用できます。クローンできるのは、自分が権利を持つ、または利用許可を得た声のみです。下記からモデルを選んで、クローンのワークフローを体験してください。

Choose a Model to Get Started

ElevenLabs

ElevenLabs Eleven v3

ElevenLabsの音声クローンには、手元にある参照音声の量に応じて選べる2つのティアがあります。インスタント音声クローン(IVC)は10秒のサンプルだけで学習でき、数秒で使えるようになります——社内向けナレーションの下書きやプロトタイプの吹き替え、個人動画のボイスオーバーに向いています。プロフェッショナル音声クローン(PVC)には30分以上のクリーンなスタジオ音声が必要ですが、できあがった声はコース教材やオーディオブック1本分をブレなく支え続けられます。AstorieではどちらのモードもEleven v3(英語以外の作業ではMultilingual v2)に接続されるため、声を一度登録すれば70以上の言語でインラインの感情タグ付きナレーションを生成できます。重要:クローンしてよいのは、自分が権利を持つ声、または明確な書面での許可を得た声だけです。ElevenLabsは本人の声をクローンする際に本人確認を求めますが、プラットフォームが強制するかどうかにかかわらず、同意を得ることが何より重要です。

4 steps + 2 promptsView guide

Fish Audio

Fish Audio S2-Pro

Fish Audio S2-ProはElevenLabsのクローンに代わるオープンソースの選択肢で、2つの明確な違いがあります。プロンプト内で自然言語の方括弧タグ([whispering]、[laughing nervously]、[pause])を使える点と、自分でセルフホストできるオープンな配信基盤を持つ点です。音声クローンには、クリーンな参照音声サンプルに加えて、内容が一致する文字起こしが必要です——Fish Audioは文字起こしのテキストを使って音素のあいまいさを解消するため、文字起こしがずれているとElevenLabsよりもクローン品質への悪影響が大きくなります。対応言語は80以上で、自動検出されます。重要:クローンしてよいのは、自分が権利を持つ声、または明確な書面での許可を得た声だけです。Fish Audioはオープンソースであるため、同意の担保はプラットフォームではなくあなた自身の責任になります——参照音声をアップロードする前に、権利関係をはっきりさせておきましょう。

4 steps + 2 promptsView guide