はじめに
話し声のノイズ除去
ElevenLabs によると、Voice Isolator は不要な背景音や音楽、干渉音が含まれる録音から、話し声をきれいにします。
元の録音
500 MB 以下かつ 1 時間以内の音声または動画ファイルを audio_url で指定します。ページでのアップロードは MP3、WAV、MP4、WebM に対応し、それ以外の対応形式は URL で送信できます。
処理後の録音
元ファイルが動画でも、返されるのは MP3 音声です。当方のテストでは、44.1 kHz、約 320 kbps のモノラル音声が得られました。
| 項目 | 値 |
|---|---|
| 入力 | 音声 |
| 出力 | 音声 |
| API 名 | elevenlabs/audio-isolation/audio-to-audio |
| 元ファイル | 音声または動画、最大 1 時間・500 MB |
| 処理後の音声 | MP3、当方のテストではモノラル・44.1 kHz・約 320 kbps |
| リクエスト設定 |
|
| 時間に応じた課金 | 元ファイルの長さを秒単位で切り上げ、最小 1 秒・最大 1 時間 |
主な機能とハイライト
ノイズフロアの変化を確認
当方のテストでは、音声メッセージのノイズフロアが約 −24 dB から約 −35 dB に低下しました。スペクトログラムで元の録音と処理後の結果を並べ、違いを確認できます。
単語間に残るノイズを抑える
当方のテストでは、音声メッセージ内の発話のタイミングを保ったまま、言葉の合間がほぼ無音になりました。2 つの波形を見比べると、ヒスやハムがどこにあったかを確認できます。
きれいにした音声を編集に活用
動画を送信すると、映像を含まない MP3 音声が返ります。当方のテストでは、6.04 秒の動画から 6.04 秒の音声トラックが得られました。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
audio_url | はい | 元の音声または動画の URL で、必須項目です。500 MB 以下かつ 1 時間以内に収めてください。 1 文字以上 |
料金
$0.0022 / 出力秒
元ファイルの長さを秒単位で切り上げて課金し、最小 1 秒、最大 1 時間です。失敗したタスクの料金は発生しません。
ユースケース
騒がしい場所で録音した音声メモ
交通量の多い道路沿いや混雑したホームで録音したメッセージを処理し、言葉やその合間を元の録音と聞き比べます。
インタビューの抜粋
不要な環境音が入ったインタビュー録音を処理し、ポッドキャストに組み込む前に MP3 の仕上がりを確認します。
動画編集で使う話し声
会話にノイズが混ざった動画を送信し、返された音声を編集ソフトで元の映像と組み合わせます。
プロンプトガイドと実践のヒント
元ファイルを選びます
ページからアップロードする場合は MP3、WAV、MP4、WebM を使います。それ以外の対応形式は、API 経由で URL を送信してください。
ファイルの URL を送信します
audio_urlに処理したい録音の URL を指定します。ファイルが 500 MB 以下かつ 1 時間以内であることを確認してください。処理後の MP3 を試聴します
編集に使う前に、ノイズを除去した話し声を元の録音と聞き比べてください。生成ファイルは削除される前に、14 日以内にダウンロードします。
概要
ElevenLabs Audio Isolation は、既存の録音に含まれる話し声を処理します。ElevenLabs はこの機能を Voice Isolator と呼び、背景ノイズが入った録音をきれいな話し声に変えると説明しています。想定される用途には、騒がしい場所での録音や、環境音、音楽、その他の干渉音が混ざった話し声の処理があります。
リクエストには audio_url が必要で、テキストプロンプトは使いません。音声と動画のどちらも送信できますが、結果は MP3 音声トラックです。当方のテストでは、12.00 秒の元ファイルから 11.98 秒の音声が返り、6.04 秒の動画からは 6.04 秒の音声が返りました。
主な機能と特徴
- 話し声のノイズ除去:ElevenLabs によると、録音された話し声の周囲にある不要な音を処理します。
- 音声と動画に対応:ElevenLabs が挙げる対応形式は、音声が AAC、AIFF、OGG、MP3、OPUS、WAV、FLAC、M4A、動画が MP4、AVI、MKV、MOV、WMV、FLV、WEBM、MPEG、3GPP です。
- 入力の上限:ElevenLabs が公表する元ファイルの上限は、500 MB かつ 1 時間です。
- MP3 出力の測定結果:当方のテストでは、44.1 kHz、約 320 kbps のモノラル音声でした。
- ノイズ低減の測定結果:当方のテストでは、音声メッセージのノイズフロアが処理前の約 −24 dB から処理後の約 −35 dB へ低下しました。
- 短い録音の処理時間:当方のテストでは、15 秒未満のクリップの処理に約 3〜4 秒かかりました。
活用例
- 混雑したホームで録音した音声メッセージのノイズを除去し、言葉の聞き取りやすさを元の録音と比較します。
- 室内や道路の不要な音が入ったインタビューの抜粋を、ポッドキャストの編集用に整えます。
- ノイズの多い動画からきれいにした話し声を取り出し、編集ソフトで MP3 を元の映像に合わせます。
入力の準備と活用のヒント
プロンプト欄やノイズ除去の強さを調整する設定はありません。録音そのものを準備し、処理後に確認してください。
- 送信前にサイズと長さの両方を確認し、元ファイルを 500 MB 以下かつ 1 時間以内に収めます。
- ページからは MP3、WAV、MP4、WebM をアップロードし、それ以外の記載された形式は API 経由で URL を送信します。
- 短い抜粋だけが必要な場合は、送信前に切り出してください。送信した元ファイルの長さに応じて課金されます。
- 元の録音を残しておき、話し声や言葉の合間を処理後の MP3 と聞き比べます。
- 動画編集に使う場合は、返された音声の長さと映像との同期を確認します。
- 生成ファイルは 14 日以内にダウンロードし、削除前に手元に保存します。
- 音楽に重なった歌声を扱う場合は、まず実際の素材で試聴してください。ElevenLabs によると、この機能はその用途に特化して最適化されていません。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "elevenlabs/audio-isolation/audio-to-audio",
"input": {
"audio_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。






