メインコンテンツへスキップ
見出し画像

AI音声「ElevenLabs V4」で、日本語の「怒り」と「悲しみ」を読ませたら(Gemini・Fish Audioと比較・無料)

    こんにちは、レオです。

    この1週間で、AIの音声が続けて新しくなりました。

    • 9月24日:GoogleがGemini 3.8 Flash TTSを公開。文章で声を設計したり、30秒ほどの音声サンプルから声を再現したりできます(本人の許可が前提)。

    • 9月28日:ElevenLabsが新モデル「Eleven v4」を公開。日本語を含む言語の品質が上がり、感情の指示を重ねて書けるようになったと発表されています。

    私はこの連載のナレーションを、自分の声から作った「LEO」で出しています。そこで、3社(ElevenLabs V4・Gemini・Fish Audio)に同じ私の声を作り、同じ台詞を読ませて比べてみました。

    新音声AI「ElevenLabs V4」が出たので、Gemini・Fish Audioと日本語で比べました。台詞は3社とも正確。感情の乗せ方はGeminiとElevenLabsが上手で、ほぼ人間です。
    ※映像・音声はAI生成#AI音声 #ElevenLabs pic.twitter.com/k2rbsiSqRr

    — レオ(七深麗音)|AI×SNSコンテンツ戦略 (@singa_44) September 30, 2026

    どう比べたか

    • 声は、3社とも私自身の声から作ったものだけを使いました(他人の声は使いません)

    • 台詞は同じ。普通に読むもの、怒り、悲しみ、笑い、喜びの順に読ませました

    • 感情は、各サービスの指示欄・タグで指定しました

    • 読み間違いは、出てきた音声を文字起こしして確認しました

    結果:台詞は3社とも正確、差が出たのは感情

    まず、台詞の読みは3社とも正確でした。文字起こしと照らして、読み間違いはありませんでした。ここは、もう差がつかない段階に来ています。

    差が出たのは、感情の乗せ方です。私の耳では、GeminiとElevenLabsが一段上手でした。怒りや悲しみを読ませたときの声の張りや揺れが自然で、ほとんど人間と変わらない、というのが私の感想です。

    ただし、これは私が数回聞いた印象です。声質の好みもあるので、皆さんも自分の台詞で試してみてください。

    つまずいた点:Geminiは、指示文を本文に書くと「読み上げる」

    Geminiで最初に失敗したのが、これです。

    「怒って読んで」のような指示を、台詞のはじめに書いたら、その指示まで声に出して読まれました。

    感情の指示は、本文ではなく、スタイル(声の雰囲気)を書く欄に入れるのが正解でした。これだけで、台詞だけがきれいに読まれます。

    ドラマに使ってみた

    比較のあと、女性の声も別に作って、短いドラマにしてみました。

    コツは「声を先に作って、映像を声に合わせる」ことです。声を引き伸ばして映像に合わせると不自然になるので、私は映像の側を、声の長さに合わせて調整しました。雨の音などの環境音は、あとから足しています。

    まとめ

    • ナレーションも、喜怒哀楽のドラマも、V4でこなせました

    • 台詞の正確さは、3社とも問題なし

    • 感情の乗せ方は、GeminiとElevenLabsが上手。ほとんど人間と変わらなくなっている

    • Geminiは、指示を本文に書かず、スタイル欄へ

    映像と音声はAI生成です。台本と、最後の確認は人(私)がやっています。

    この記事で触れた「声を先に作って、映像を声の長さに合わせる」やり方を、台本から書き出し・投稿までの手順にまとめた有料記事があります。声の指示文、口パクのずれ、字幕の直し方を、指示文つきで書いています。冒頭の無料部分で、内容を確認してから購入できます(有料¥980)。▶ AIショート動画を公開できる品質にする。声・口パク・字幕の修正手順とテンプレ4つ

    今後も、AIやガジェットなど、有益な情報をお伝えしていきます。

    参考(発表内容の確認元)

    • TechCrunch「ElevenLabs' new v4 speech model supports more expression control and 90 languages」(2026-09-28)

    • Android Authority「Gemini can now clone your voice and perform scripts like an actor」

    • Fish Audio 公式サイト(S2 Pro:自然言語のタグで感情を指定、日本語は最上位の対応言語と公式に記載)

     
     
    AI動画の作り方を、実際に作ったものを見せながら順番に書いています。SNSサポートの会社経営。YouTube登録者7万人(マンチカンズTV)、TikTok約2万人、Amebaブログ読者1.6万人。記事は3つの棚に整理。入口は固定記事へ。机上論ではなく、実践したことを伝えます

    あなたへのおすすめ