ボイスチェンジャー

ボイスチェンジャー（Voice Changer）ノードは、録音の声や、話している動画全体の声を、別の声に置き換えます。ElevenLabs で音声から音声へ変換するため、元の感情、テンポ、タイミングはそのまま残り、声だけが変わります。オーディオを接続するとオーディオが返り、動画を接続すると、新しい声に差し替えた同じ動画が返ります。

使いどころ

• トーキングヘッド動画やリップシンクした動画の声を、1 ステップで差し替えます。
• 録音を、ブランドやキャラクターの声にします。
• 自然な話しぶりを保ったまま、話者の身元を伏せます。
• 仮録りの粗い録音を、完成度の高いナレーションに仕上げます。
• 別々の人が録音した音声に、1 人のナレーターの声を共通して使います。

複数の話者がいて、それぞれに新しい声が必要な会話には、ボイスチェンジャー Pro（Voice Changer Pro）を使います。

クイックスタート

入力と出力

両方の入力を接続した場合は動画が優先され、オーディオ入力は無視されます。

モードを決めるのは、入力ではなくファイル：ノードは、ファイルに実際に何が含まれているかを確認します。.m4a で保存したボイスメモのような、オーディオだけのファイルを動画入力に接続した場合は、オーディオとして実行され、オーディオが返ります。オーディオ入力に接続した動画は、その音声が抽出され、オーディオとして扱われます。

設定

モデル

結果を比較したい場合を除き、Multilingual v2 のままにしてください。ElevenLabs は英語の録音にもこのモデルを推奨しています。英語でも English v2 より良い結果になることが多く、ほかの言語の録音ではこのモデルが必須です。

動画全体の声を差し替える

話している動画を動画入力に接続します。生成したクリップ、アップロードしたファイル、リップシンクしたショットのどれでもかまいません。ノードは次の処理を行います。

1. クリップから音声トラックを抽出します。
2. 話し声を、選んだボイスに変換します。
3. 新しい声を元の動画に戻し、その動画と新しい声の音声トラックを返します。

このノード 1 つで、動画、オーディオを抽出（Extract Audio）、声の変換、動画とオーディオを結合（Merge Video & Audio）という 4 つのノードの連なりを置き換えられます。

動画には音声トラックが必要：テキストから動画や画像から動画のモデルの多くは、無音の動画を作ります。変換する話し声をノードに渡せるのは、VEO 3.1 や Kling 3.0 など、音声も生成するモデルだけです。クリップが無音の場合は、オーディオを直接接続してください。

音楽は残すことも、取り除くこともできる：背景ノイズを除去がオフの場合、クリップの音楽と効果音は新しい声の下に残ります。声だけにしたいときは、オンにしてください。

ヒント

• デフォルトから始める：安定性 0.5、類似度 0.75 は、ほとんどの録音に合います。類似度を上げるとボイスにより近くなりますが、不自然に聞こえることがあります。
• スタイルの誇張は 0 のままにする：上げるのは、元の録音のドラマチックな表現を、新しい声でより強く出したいときだけにします。
• 先に元の音声をクリーンにする：質の悪い録音は、その問題が結果にも持ち込まれます。ノイズの多いオーディオは、先に音声抽出を通してください。
• 話し声が中心のクリップを選ぶ：セリフの下で大きな音楽が鳴っていると、変換に混ざることがあります。音楽が不要なときは、背景ノイズを除去をオンにしてください。
• 大きく変えるほど、ニュアンスは失われやすい：元の声と変換先のボイスがかけ離れているほど（たとえば、低い男性の声から軽やかな女性の声へ）、アーティファクトが出やすくなります。

トラブルシューティング

「This video has no audio track to revoice」というエラーで実行が失敗する：クリップが無音です。話し声の入ったクリップを使うか、録音をオーディオ入力に接続してください。

結果がロボットのように聞こえる：類似度を下げてモデルの自由度を上げるか、元の話者に近い変換先のボイスを選んでください。

API から

POST /v1/voice-changer は、voiceId と、audioUrl または videoUrl のどちらかを受け取ります。任意で model、stability、similarityBoost、style、useSpeakerBoost、seed、removeBackgroundNoise も指定できます。結果の sourceHasVideo を見ると、実行が動画モードとオーディオモードのどちらだったかがわかります。MCP ツールは voice_changer です。音声とメディアを参照してください。