2 Models Available
AIセリフを生成する方法
あるアニメーション制作チームは、声優を手配せずに、自然な掛け合い、はっきり異なる声、感情タグを備えた4人キャラクターのシーンを台本にします。Astorieのキャンバス上で話者の切り替えを設定したスクリプトノードを作り、ElevenLabs Eleven v3 Dialogue(専用のマルチスピーカーエンドポイント)、Fish Audio S2-Proのマルチスピーカー、Minimax Speechのいずれかに通し、[whispers]、[laughs]、[excited]のようなインラインタグで感情表現をコントロールします。出力は、複数キャラクターのアニメ短編、音声ドラマ、インタラクティブなプロトタイプにそのまま使えるセリフです。下記からモデルを選んで、マルチスピーカー制作のワークフローを体験してください。
Choose a Model to Get Started
ElevenLabs
ElevenLabs Dialogue v3
ElevenLabs Dialogue v3は、Eleven v3の複数話者版エンドポイントです——異なるキャラクターの声同士が自然に掛け合う対話のために作られており、インライン感情タグ([whispers]、[laughs]、[excited]、[sighs])で行ごとの演出を指示できます。標準のEleven v3は1つの声が段落を読み上げるのに対し、Dialogue v3は話者ごとに異なる声を割り当て、自然な間合いや呼吸、感情の反応を伴って台本のシーンを読ませられます。Astorieでは、対話シーンをキャンバス上のオーディオノードとして組み立てます——細かくコントロールしたい場合はキャラクターごとに1ノード、まとめて複数話者を生成したい場合はDialogue v3ノード1つで完結させることもできます。21種類の声のライブラリはキャラクターのあらゆる原型をカバーしており、既製の声が合わない場合はクローン音声対応でオリジナルキャラクターを持ち込むこともできます。
Fish Audio
Fish Audio S2-Pro
Fish Audio S2-Proの複数話者対話モードは、Fish Audioファミリーの中でもS2-Pro限定の機能です——旧世代のS1は対応していません。[Speaker:Name]構文を使って話者ごとに異なる声を割り当てられ、[whispering]、[laughing nervously]、[pause two seconds]といった自然言語の方括弧タグで行ごとの演出を指示できます。対応言語は80以上で、同じ声のIDのまま自動検出されるため、多言語の対話シーン(例えば英語・中国語・日本語で配信する音声ドラマ)や、ElevenLabsの固定インラインタグセットを超える表現の幅が必要なシーンには、Fish Audioが最も強力な選択肢になります。オープンソースの配信基盤なので、機密性の高いコンテンツや公開前のコンテンツでは、Astorieの外で対話生成をセルフホストすることもできます。