メインコンテンツへスキップ
見出し画像

【ElevenLabs】BGM・SE・ボイスをAIで全部作る方法。自分のAIボイス(PVC)も作ってみた

    こんにちは、Kudoです。今回のクドラジでは、最近ランサーズで受注した動画制作案件を納品するまでの話と、そこで大活躍したElevenLabsについて話しました。

    音まわりのAIといえばElevenLabsが最強だと個人的に思っているのですが、今回実際に使い倒してみてその確信が深まりました。今回はそのレポートと、あわせて試してみたPVC(プロフェッショナルボイスクローン)の話もシェアします。

    ElevenLabsでできること

    ElevenLabsはひと言でいうと「音まわりのAIを全部担えるサービス」です。主な機能はこれだけあります:

    • テキスト to スピーチ(TTS) ── テキストを入力すると音声で喋ってくれる

    • スピーチ to テキスト(STT) ── 音声をテキストに変換

    • スピーチ to スピーチ ── ある人の声を別の声に変換

    • 翻訳機能 ── 日本語で喋った音声を多言語音声に変換

    • SE(効果音)生成 ── プロンプトで効果音を作れる

    • BGM生成 ── Music V2モデルで高品質な音楽を生成

    動画クリエイターや音声コンテンツを作る人にとっては、ほぼ全部ここで完結できるという印象です。

    動画案件でフル活用した結果

    ランサーズで受注した動画制作案件で、BGM・SE・キャラクターボイスのほぼすべてをElevenLabsで作りました。

    特に便利だったのがClaude CodeからMCP経由で自動生成できる点です。動画の構成をClaude Codeに考えてもらって、必要なSEのリストが決まったらそのままAPIを叩いて一気に生成する、というフローで作業しました。

    クレジットはどのくらい消費する?

    わたしが入ったのはクリエイタープラン(月額22ドル、初月11ドル)。付与クレジットは月1万クレジット+クリエイタープラン分で合計約13万クレジット。

    動画2本分をBGM・SE・ボイス込みで作った結果……残りは12万7576クレジットでしたw

    画像
    収録時からさらにすこし使いました

    つまり1万クレジットも使っていない。それくらいクレジットに余裕があります。

    料金プランの目安をまとめると:

    • スタータープラン ── 月額6ドル・3万クレジット。通常の使い方なら十分

    • クリエイタープラン ── 月額22ドル・12万1000クレジット+追加クレジット。PVC機能が解禁される

    音声コンテンツをがっつり量産しない限り、まずはスタータープランで十分だと思います。クリエイタープランは主に後述するPVC機能を使いたい場合の選択肢です。

    PVC(プロフェッショナルボイスクローン)を試してみた

    今回クリエイタープランに入ったもう一つの理由が、PVC(Professional Voice Clone)という機能を試したかったからです。

    PVCは自分の声を学習させて「自分声のAIクローン」を作れる機能です。テキストを打つだけで自分の声で喋らせることができます。

    ポッドキャスト音声を使って学習

    「自分で新たに収録するのが面倒」という話で、毎日配信しているクドラジの音声データを学習素材として使いました。

    3時間以上の音声データが最高品質の条件。毎回40〜60分の収録をアップしていくと、わりとすぐに条件を満たせました。アップロード形式はMP3推奨です(WAVだとデータ量が重くて1.5GBの上限に引っかかることがある)。

    PVCの品質基準と注意点

    公式ドキュメントによると、品質に直結する要件はこんな感じ:

    • データ量:最低30分、推奨2〜3時間

    • 音量:-23〜-18dB RMS、ピーク-3dB

    • 防音環境で収録

    • 単一話者のみ

    • 本人確認が必要(他人の声は学習不可)

    公式が「Garbage In, Garbage Out(粗悪な素材からは粗悪な声しか出ない)」と表現しているように、素材の録音品質がそのまま出力クオリティに直結します。

    マイクはあった方がいいです。スマホ内蔵マイクでも試せますが、クオリティの差は結構あります。わたしは録音にSHURE MV7を使っています。

    IVC(インスタントボイスクローン)との違い

    IVC(Instant Voice Clone)はもっと手軽なボイスクローン機能で、数分の音声データですぐ作れます。ただし本人に似せる精度はPVCより落ちます。また収益化には対応していません。気軽に試すならIVC、品質重視ならPVCという使い分けです。

    マイクはオンライン仕事全般で効く

    話が少しElevenLabsから外れますが、マイク環境について触れておきます。

    いいマイクを使ってオンラインミーティングに参加すると、ほぼ確実に「音質いいですね」と言われます。これはわたしの実体験です。

    周りのほとんどの人がノートPCの内蔵マイクかAirPodsで参加しているので、ちゃんとしたマイクを使うだけで抜きんでた印象を与えられます。

    • SHURE MV7+(わたしが使用しているモデルの後継機)──約4万5千円。USB接続できてセットアップが簡単

    • SHURE SM7dB ── 約8万円。プロ仕様。XLR接続のためオーディオインターフェースも必要

    在宅ワークをしている人には特におすすめの投資です。

    まとめ:ElevenLabsは音まわりのワンストップAI

    今回の動画制作案件を通じて感じたのは、ElevenLabsがあればSE・BGM・ボイスの音まわりをほぼすべてAIで完結できるということです。

    • クレジットの消費は想像以上に少ない

    • Claude CodeのMCP連携で自動化すれば作業効率が大幅に上がる

    • PVCで自分の声のクローンを作れば、自分が喋らなくても自分声のコンテンツを量産できる

    クリエイターや動画制作者で音まわりに悩んでいる人には、ぜひ試してほしいサービスです。


    このエピソードをポッドキャストで聴く

    年間アニメ200作品・マンガ300作品以上を消費するオタクのKudoが、今期のおすすめアニメ、話題のマンガ、ゲームレビュー、そしてAIの最新情報まで、好きなことを全力で語るポッドキャスト。

    ポッドキャストとは別に、Substackで「クドマガ」も毎日配信しています。
    アニメやAI情報に加えてちょっとした日々の気づきまで、 ゆるっと毎日お届けしています。よければあわせて無料購読してみてください。

    オススメのAIツール&教材

    🔻AI音声入力ソフト「Aqua Voice」の招待リンク(1ヶ月無料)

    🔻コンテンツ制作の音声・BGM・SEはすべてこれで完結「ElevenLabs」

    🔻イケハヤさんのマーケティング教材「明鏡」

    🔻しゅうへいさんの「AIで年収500万稼ぐ教科書」

    推しマンガ

    🔻少年ジャンプ+で連載中の「ニシトーキョーメタルブラザーズ」



    ※この記事には一部アフィリエイトリンクが含まれています。リンク経由で商品を購入された場合、売上の一部がポッドキャストの運営費として還元されます。記事内容への影響はありません。

    あなたへのおすすめ