テキストからオーディオ
ElevenLabs Sound Effects で、テキストの説明から効果音や環境音を最長 22 秒まで生成します。背景音には、つなぎ目のないループも作れます。
テキストからオーディオノードは、テキストの説明から効果音や環境音を生成します。使うモデルは ElevenLabs Sound Effects です。音を説明して長さを設定すると、ノードがオーディオクリップを返します。雨や人混みのざわめきなど、つなぎ目なく繰り返す背景音には、ループをオンにします。
使いどころ
- 動画用の効果音。足音、ドアの音、衝撃音などです。
- 背景の環境音。森、街の通り、海などです。
- UI の操作音や通知音。
- ポッドキャストや動画の下に敷く、途切れずに繰り返すループ音。
- モーショングラフィックス用のサウンドテクスチャ。
既存の動画に合う音を 1 ステップで追加するには、動画の効果音を使います。
クイックスタート
ノードを追加する
キャンバス上で Tab を押し、オーディオ › 効果音 › テキストからオーディオを選びます。
音を説明する
設定パネルを開き、プロンプトを書きます。たとえば「heavy rain on a tin roof」(トタン屋根に打ちつける激しい雨)です。音にまつわるストーリーではなく、音そのものを説明します。
長さを設定する
長さ(秒)を 0.5〜22 の範囲で設定します。繰り返す背景音にする場合は、ループをオン(シームレスループ)にします。
実行する
ノードの実行をクリックします。生成された音が、プレーヤー付きでノードに表示されます。
入力
| 入力 | 接続できるノード | 説明 |
|---|---|---|
| プロンプト | テキストやテキスト生成 - あらゆる LLM などのテキスト系ノード | プロンプト欄の代わりに使う、音の説明です。 |
| オーディオスタイル | 音楽のムードやトーンなどのオーディオ系ピッカー | ピッカーの言葉を説明に追加します。 |
出力のオーディオは、生成された音の URL です。
設定
| 設定 | 説明 |
|---|---|
| プロンプト | 音の説明で、最大 450 文字です。 |
| プロバイダー | 効果音のモデルです。選べるのは ElevenLabs SFX v2 だけです。 |
| 長さ(秒) | 0.5〜22 秒で、0.5 秒単位です。デフォルトは 10 です。 |
| ループ | オフ(デフォルト)またはオン(シームレスループ)です。オンにすると、終わりが始まりに途切れなくつながるクリップを作ります。 |
| プロンプトの影響度 | 0(よりランダム)〜1(より忠実)です。デフォルトは 0.3 です。モデルが説明にどれだけ忠実に従うかを決めます。 |
| 前後のテキスト | 説明の前後に必ず追加されるテキストです。ワークフローをアプリとして使う人には表示されません。プロンプトの前後のテキストを参照してください。 |
モデル
| モデル | 開発元 | モード | クレジット | 詳細 |
|---|---|---|---|---|
| ElevenLabs Sound Effects | ElevenLabs | 効果音 | 2 から | テキストのプロンプトから短い効果音を生成します。 |
クレジット
料金は長さ(秒)で決まります。指定した 1 秒ごとに料金がかかり、1 秒未満の端数は 1 秒として数えます。そのため、0.5 秒は 1 秒と同じ料金です。
| 長さ | クレジット |
|---|---|
| 1 秒 | 2 |
| 5 秒 | 6 |
| 10 秒(デフォルト) | 11 |
| 30 秒(API で指定できる最長) | 33 |
ノードは、実行する前に正確な料金を実行ボタンに表示します。
ヒント
- シーンではなく音を説明する:「it was a stormy night」(嵐の夜だった)よりも、「Heavy rain on a tin roof」(トタン屋根に打ちつける激しい雨)のほうがうまくいきます。
- 必要な長さを指定する:長さ(秒)の 1 秒ごとに料金がかかります。長い音を作ってあとで切り詰めるのではなく、必要な長さを指定してください。
- プロンプトの影響度は低めにする:0.2〜0.4 の値が、最も自然に聞こえます。結果が説明から離れる場合にだけ、値を上げてください。
- 連続する音をループする:ループは、風、雨、人混みのざわめきなど、一定に続く環境音に最も向いています。1 回きりの打撃音には、あまり向いていません。
- 重ねてからミックスする:サウンドスケープの各パーツをそれぞれ別のノードで生成し、オーディオをミックスでまとめて、それぞれの音量を設定します。
API から
MCP ツールは text_to_audio です。MCP ツールを参照してください。
API と MCP では、duration に 0.5〜30 秒を指定できます。duration を指定しない呼び出しでは、モデルが長さを決め、5 秒として課金されます(6 クレジット)。
よくある質問
生成できる効果音の長さは、どれくらいですか?
0.5〜22 秒で、0.5 秒単位で指定できます。デフォルトは 10 秒です。もっと長い背景音が必要な場合は、「ループ」をオンにしてクリップを繰り返します。
説明は、どれくらいの長さまで書けますか?
最大 450 文字です。音は 1 つずつ説明し、複雑なサウンドスケープは、複数のノードの音をミックスして組み立てます。
長い音ほど、料金は高くなりますか?
はい。料金は設定した「長さ」に応じて秒単位で決まり、1 秒未満の端数は 1 秒として数えます。1 秒の音は 2 クレジット、デフォルトの 10 秒は 11 クレジットです。
「テキストからオーディオ」で、音声や音楽を作れますか?
このノードは効果音と環境音のためのもので、音声向けではありません。音声には「テキストから音声」を使います。音楽には「Suno 生成」か「音楽生成」を使います。
「プロンプトの影響度」は何を決める設定ですか?
モデルが説明にどれだけ忠実に従うかを、0〜1 で設定します。デフォルトは 0.3 です。値が低いほど、自由に解釈されます。結果が説明から離れすぎる場合にだけ、値を上げてください。
関連ページ
オーディオをミックス
動画の効果音
動画とオーディオを結合
テキストから音声
ElevenLabs Sound Effects
最終更新