Seed Audio よくある質問

Seed Audio とは？

Seed Audio は、ElevenLabs の技術をベースに NanoPhoto プラットフォームに統合された、AI による音声合成（Text-to-Speech）およびテキスト対話生成ツールです。書き起こしたスクリプトを、表情豊かなパフォーマンスタグ、マルチボイスでの対話対応、高速 MP3 プレビューに対応した音声に変換します。ユーザーはスクリプトを入力し、音声を選択し、必要に応じて演出指示を追加するだけで、ブラウザから離れることなく数秒で聞き取り可能な音声を生成できます。

テキスト読み上げとテキスト対話生成の違いは？

テキスト読み上げ（TTS）は、1 つのテキストブロックから単一のナレーターによる音声を生成し、解説動画、広告読み上げ、ナレーション下書きに適しています。テキスト対話生成は、スクリプト内の個々の発言ターンに異なる音声を割り当て、ポッドキャスト、ゲームの台詞、デモ、ストーリーボード向けの複数話者による会話をサポートします。対話モードではターンごとにパフォーマンスタグも指定できるため、各キャラクターの演技を個別に演出できます。

どのようなパフォーマンスタグがサポートされていますか？

Seed Audio は [laughing]、[whispering]、[sighs]、[short pause]、[warmly]、[curious] などのタグを認識し、出力の感情的なトーンやペースを調整します。これらのタグは、演出を変えたい箇所のスクリプトテキストに直接挿入します。TTS モードと対話モードの両方で機能し、外部の音声編集ソフトを使わずに、細かいニュアンスまでコントロールできます。

Seed Audio の料金体系は？

Seed Audio はクレジットベースの料金モデルを採用しており、1 回の音声生成につき 1 クレジットを消費します。クレジットは NanoPhoto プラットフォームを通じて購入し、製品スイート全体で使用できます。この従量制モデルは、ワークロードが変動するユーザーに適しており、月額契約なしで、時折のナレーション作成から大量の対話生成まで対応できます。

Seed Audio は誰に向けた製品ですか？

Seed Audio は、迅速に公開可能な音声アセットを必要とするコンテンツ制作者、動画編集者、ポッドキャスター、ゲーム開発者、プロダクトチームをターゲットとしています。広告のモックアップ、チュートリアルのナレーション、インディーゲームのキャラクター対話、ポッドキャストの下書き録音など、スピードが求められるワークフローに適しています。これまでは短いスクリプトごとに専用の音声スタジオを立ち上げていたユーザーも、同じ作業をはるかに短い時間で完了できます。

Seed Audio はどの音声形式を出力しますか？

Seed Audio は MP3 ファイルを生成します。ブラウザ上で直接プレビューし、動画編集ソフト、ポッドキャスト制作ツール、ゲームエンジン、プレゼンテーション資料にダウンロードして使用できます。MP3 はファイルサイズと音質のバランスが良く、クイックドラフトから最終アセットまで実用的に使える出力形式として採用されています。

Seed Audio は単体の TTS ツールとどう違いますか？

スクリプト編集、音声選択、音声エクスポートのたびにアプリケーションを切り替える必要がある単体の TTS ツールとは異なり、Seed Audio はすべての作業を NanoPhoto プラットフォーム内で完結します。ユーザーは 1 つのインターフェースでスクリプト作成、演出、レンダリング、試聴、ダウンロードまで行えます。内蔵のパフォーマンスタグシステムとマルチスピーカー対話モードにより、基本的な演出調整のために別途音声編集を行う必要がなくなり、1 回の反復時間が数分から数秒に短縮されます。

• ナレーションパラグラフを入力するか、2〜4 ターンのダイアログ（自然会話に焦点を当てた 4 ターンの対話）を入力して、ソーススクリプトを作成します。
• ナレーターボイスを選んでテキスト読み上げ（TTS）を行うか、各ダイアログターンに異なるボイスを割り当ててキャラクターの掛け合いを実現します。
• [warmly]、[curious]、[laughing]、[short pause] などのパフォーマンスタグを追加して感情表現をガイドし、演出されたような出力を得られます。
• ブラウザで生成された MP3 をプレビューして品質を確認し、オーディオファイルをダウンロードして動画編集、ポッドキャストの下書き、広告モックアップ、製品デモに使用します。