ボイスリミックス
ボイスをわかりやすい言葉で説明し、プレビュー用テキストを話す声を聞けます。リファレンスの録音も調整する設定も不要な、ボイスのアイデアを手早く探す方法です。
ボイスリミックスノードは、わかりやすい言葉で書いた説明からボイスを作成します。そのボイスがプレビュー用テキストを話すのを聞けます。ボイスのアイデアを手早く探すための方法で、リファレンスの録音も設定も必要ありません。磨き上げて再現し、保存できるボイスがほしい場合は、ボイスデザインを使います。
使いどころ
- プロジェクトのボイスを決める前に、いくつかのボイスのスタイルを試します。
- 文章による説明から、キャラクターのボイスを聞いてみます。
- 制作に入る前に、クライアントの承認を得るためのボイスのサンプルを作ります。
- オーディオブックや動画のナレーターのスタイルを、ブレインストーミングします。
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 › ボイス › ボイスリミックスを選びます。
ボイスを説明する
設定パネルを開き、ボイスの説明を書きます。たとえば、「A warm, deep male voice with a slight British accent and a calm delivery.」(少しイギリス訛りがあり、落ち着いた話し方をする、温かみのある低い男性の声)のように書きます。
プレビュー用テキストを書く
プレビュー用テキストに、ボイスに話させる文を 1〜2 文ほど書きます。
実行する
ノードの実行をクリックし、ノード上でプレビューを聞きます。
入力と出力
| 入力 | 接続できるノード | 説明 |
|---|---|---|
| オーディオスタイル | 声の特徴、話し方などのボイス系ピッカー | 設定パネルに、接続したピッカーの一覧と、ピッカーの言い回しを含む最終的なボイスの説明が表示されます。 |
出力のオーディオはオーディオプレビューで、新しいボイスがプレビュー用テキストを話します。
設定
| 設定 | 説明 |
|---|---|
| ボイスの説明 | 年齢、性別、アクセント、トーン、ペース、感情を、わかりやすい言葉で書いたボイスの説明です。 |
| プレビュー用テキスト | プレビューで新しいボイスが話すテキストです。実行するには、プレビュー用テキストが必要です。 |
| 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。 |
ヒント
- 具体的に書く:年齢層、性別、アクセント、トーン、ペース、感情の質を含めます。言い回しを少し変えるだけで、はっきりと違うボイスになることがあります。
- 現実的なプレビュー用テキストを使う:単語を並べるよりも、自然な話し言葉で 1〜2 文ほど書いたほうが、ボイスの特徴がよくわかります。
- 複数回実行する:同じ説明でも、実行のたびに少し違うボイスになることがあります。
- ボイスを残すならボイスデザインに移る:ボイスリミックスが返すのはプレビューだけです。ボイスデザインはボイス ID を返し、シードを固定することもできます。
- ボイスを録音に適用する:気に入ったボイスのスタイルが見つかったら、ボイスチェンジャーを使って、そのスタイルに合うボイスを既存の録音に適用します。
API から
POST /v1/voice-remix は、text(プレビュー用テキスト)と voiceDescription を受け取ります。MCP ツールは voice_remix です。音声とメディアを参照してください。
よくある質問
ボイスリミックスは何をするノードですか?
文章による説明からボイスを作成し、そのボイスがプレビュー用テキストを話すオーディオプレビューを返します。リファレンスの録音は必要ありません。
ボイスリミックスで、再利用できるボイスは得られますか?
いいえ。ボイスリミックスが返すのは、オーディオプレビューだけです。ボイス ID があり、シードで再現できるボイスがほしい場合は、ボイスデザインノードを使ってください。
同じ説明でも、毎回違うボイスになるのはなぜですか?
実行のたびに新しいボイスが生成されるため、同じ説明でも結果が少し変わることがあります。何回か実行して気に入ったプレビューを残すか、ボイスデザインに移ってシードを固定してください。
良いボイスの説明は、どう書けばよいですか?
年齢層、性別、アクセント、トーン、ペース、感情など、具体的な特徴を挙げます。「a cool voice」(かっこいい声)よりも、「Gravelly baritone, speaks slowly, sounds like a late-night radio host」(しゃがれたバリトンで、ゆっくり話す、深夜ラジオのパーソナリティのような声)のほうがうまくいきます。
関連ページ
ボイスデザイン
ボイスチェンジャー
テキストから音声
声の特徴
最終更新