はじめに
演じたナレーションやキャラクターのせりふを audio_url で送り、voice_id で 41 種類から声を選んで変換します。既定は Alicia、必要なら remove_background_noise でノイズを除去できます。本番で使う前に、返却された MP3 と元音声を比較してください。
| 項目 | 値 |
|---|---|
| 入力 | 音声 |
| 出力 | 音声 |
| 開発元 | ElevenLabs |
| 公開日 | 2023 年 11 月 22 日、音声から音声への変換として公開 |
| 公開 API 名 | elevenlabs/voice-changer/audio-to-audio |
| 元の入力 |
|
| 音声の選択 |
|
| 既定の声 | Alicia |
| 独自音声とクローン音声 | このエンドポイントでは利用不可 |
| ノイズの調整 |
|
| 変換後のメディア | MP3、元の言葉とタイミングを別の声で再現 |
| 課金単位 | 元音声の秒数を整数秒に切り上げ |
| MP3 の実測 | 4.50 秒、44.1 kHz、モノラル、128 kbps、Brian の声 |
| 処理時間の実測 | 4.5 秒の英語ナレーションで約 3.7 秒 |
主な機能とハイライト
自分の声で演技を指示する
入力録音が言葉とタイミングを提供します。ElevenLabs は Voice Changer が元の抑揚やペースを保つと説明しており、演技した仮録音を変換音声の指針にできます。必要な位置に間や強調を入れて録り、選んだ声がどう再現するか評価してください。
同じテイクを 41 種類の声で試す
voice_id でプリセットを指定し、元録音を固定したまま候補を比較します。既定は Alicia で、実測には Brian を使いました。このエンドポイントに独自音声やクローン音声はないため、一覧の声を前提に配役を計画してください。
短いナレーションから 4.50 秒の MP3
4.5 秒の英語ナレーションを Brian に変換したテストは約 3.7 秒でした。MP3 は 4.50 秒、44.1 kHz、モノラル、128 kbps で、ローカルの文字起こしは元の文と一語一句一致しました。この観測が対象とするのは、その特定のテイクです。
背景ノイズを除去するか選択
remove_background_noise で元音声のノイズ除去を指定できます。短い一節でオンとオフを比較し、子音の明瞭さや間の自然さを聞いてください。音声の候補を比べる際は、この設定と録音条件をそろえます。
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 | 変換の許可がある話し声の録音 URL を、最長 5 分で指定します。その長さを切り上げた秒数が課金対象となります。 1 文字以上 |
voice_id | いいえ | Brian など一覧のプリセットを選ぶか、省略して Alicia を使います。候補は 41 種類で、独自の音声やクローン音声は指定できません。 |
remove_background_noise | いいえ | 背景ノイズ除去を使う場合は真偽値 true、使わない場合は false にします。長いテイクを変換する前に、短い一節で両方の設定を聞き比べてください。 デフォルト値: |
料金
$0.0048 / 秒
入力録音の秒数を次の整数秒に切り上げて課金します。最短 1 秒、最長 5 分で、音声やノイズ設定を変えても価格は変わりません。失敗したタスクの料金は発生しません。
ユースケース
仮ナレーターの声を差し替える
画面の手順に合わせた間を含む、チュートリアル導入の自分の録音を送ります。プリセット音声へ変換した MP3 を使って、編集中の映像とナレーションの組み合わせを確認できます。
ゲームのせりふを試作する
変換に同意した役者に、「門が開いた。ついてきて」といったせりふを録ってもらいます。一覧の声へ変換すると、役者のタイミングや演じた感情を引き継ぐ MP3 を得られます。
インタビュー回答の声を変える
話者が声の変換を許可した短い回答を入力に使います。別のプリセット音声で話す MP3 が返るので、共有前に文面と話者の同意を確認してください。
ボイスオーバーの配役を比べる
製品説明の一節を意図した強調で録り、同じ抜粋を異なる音声設定で送ります。MP3 を比べてナレーターを決めてから、残りの部分を処理できます。
プロンプトガイドと実践のヒント
変換できる話し声を録る
意図した言葉、間、感情を 5 分以内のテイクに録音します。初回使用前にサイトの声の特徴と同意に関する注意事項を承諾し、録音を変換する権利を確認してください。
使うプリセット音声を決める
41 種類から
voice_idを選ぶか、省略して Alicia を使います。元音声にremove_background_noiseが必要かも決めてください。audio-to-audio を呼び出す
audio_url、選択したvoice_id、真偽値のremove_background_noiseを含む JSON で elevenlabs/voice-changer/audio-to-audio を呼びます。下の説明には、それらを使った Brian の例があります。変換した MP3 を点検する
元音声と MP3 を聞き比べ、言葉、間、文末を確認します。課金額は入力の長さを整数秒に切り上げ、表示価格と合わせて確認してください。
ElevenLabs Voice Changer API:録音を別の声にする
ElevenLabs Voice Changer は、言葉とタイミングを残して、既存の演技を別の声で話し直す ElevenLabs の音声変換ツールです。最長 5 分の話し声で elevenlabs/voice-changer/audio-to-audio を呼ぶと、選んだプリセット音声の MP3 を取得できます。
ElevenLabs は、元の抑揚やペースが変換後の声へ引き継がれると説明しています。Voice Changer の公開告知でも演じた話し方の保持が説明されているため、聞き手に伝えたい間や強調を録音に入れてください。
音声変換リクエストを作る
audio_url とプリセットの voice_id を指定して録音を変換します。以下は背景ノイズ除去を使わず Brian を指定する JSON 入力例です。elevenlabs/voice-changer/audio-to-audio を呼ぶ際は、例の URL を許可のある元録音に置き換えてください。
{
"audio_url": "https://example.com/permitted-scratch-read.wav",
"voice_id": "Brian",
"remove_background_noise": false
}
- 入力上限の 5 分以内に収まる話し声を用意します。
- 初回使用前に、サイト上の声の特徴と同意に関する注意事項を承諾します。
- 指定のエンドポイントに JSON 入力を送ります。
- 編集に組み込む前に、生成した MP3 と元録音を比べます。
返却される音声を理解する
結果のメディアは、元の言葉とタイミングを選択した声で再現した MP3 です。次の例は測定した音声を説明しており、API レスポンス全体の構造でも、すべての変換で同じ符号化になるとの約束でもありません。
Converted audio: MP3
Selected voice: Brian
Duration: 4.50 seconds
Sample rate: 44.1 kHz
Channels: mono
Bitrate: 128 kbps
この例を出力確認の参考にし、言葉を聞き、間の位置を比べ、ファイルの長さを確認してください。語句の変化や不自然なつながりを見つけられるよう、元録音も手元に残します。
3 つの入力パラメーターを指定する
リクエストには音声 URL、プリセット音声、任意のノイズ除去設定を使います。台本を書き換える prompt フィールドはありません。必要な言葉を元録音で演じてください。
| パラメーター | 値と上限 | 設定の目安 |
|---|---|---|
audio_url | 話し声の URL、最長 5 分 | 残したい話し方を含む、許可済みの録音を使います |
voice_id | プリセット 41 種類、既定は Alicia | Brian などの一覧の声を選ぶか、省略して Alicia を使います |
remove_background_noise | 真偽値:true または false | 背景ノイズ除去を求める場合は有効にします |
このエンドポイントは独自音声やクローン音声に対応しません。別の音声処理で使えた個人の音声識別子でも、ここでは指定に使えません。
長さに基づく料金を計算する
元音声の秒数を次の整数秒へ切り上げて課金します。変換の見積もりには現在の表示価格を使い、長さは元の録音を基準にしてください。
全ナレーションを変換する前に、抜粋を試聴します。同じ抜粋で声の候補を比べ、ナレーターを選んでから残りを処理できます。
変換の土台となる演技を録る
意図を持って読んだ素材は、変換が従う演技を明確にします。画面操作に必要な間を入れて教材の導入を録るか、同意した役者に目的の感情でせりふを演じてもらってください。
- 名前や文末を含め、台本どおりに話し、送信前に聞き直します。
- プリセット音声を比較する間は、同じ元テイクを使って演技を固定します。
- 発話と無音の間を含む一節で、ノイズ除去のオンとオフを比べます。
- 話し方を変えたい語句は録り直し、修正した一節を変換します。
実測結果の読み方
当方のテストでは 4.5 秒の英語ナレーションを Brian に変換し、約 3.7 秒で処理されました。出力は 4.50 秒の MP3、44.1 kHz、モノラル、128 kbps で、ローカルの文字起こしは元の文と一語一句一致しました。
この結果が裏付けるのは特定の短いナレーションであり、ご自身の素材で同じ処理時間や語句の正確さを保証しません。長い連続変換を予定する前に、代表的な一節で品質と所要時間を比べてください。
入力や試聴時の問題を解決する
5 分を超える素材は、このエンドポイントの長さの上限を超えます。範囲内の一節に分けて用意し、変換した MP3 を組み立てる際につながりを確認してください。
未対応の声は一覧のプリセットに変更するか、指定を省いて Alicia にします。聞こえる声やなまりが予想と違う場合は、明瞭に話した同じ一節を複数の候補で比べてください。元の演技は変換後の話し方にも引き続き反映されます。
雑音が残る場合は、remove_background_noise を有効にして短く比較します。語句が不自然なら元テイクを確認し、該当箇所を明瞭に録り直して新しい出力を点検してください。1 回の文字起こしの成功を保証とみなさないようにします。
声の変換・翻訳・新しい台本から選ぶ
音声変換は演技済みの録音に適し、翻訳には別の処理が必要です。次に何を送るかは、以下の違いで選べます。
| 出発点と目的 | 選ぶ処理 |
|---|---|
| 言葉とタイミングを保ちたい録音済みのテイク | この Voice Changer audio-to-audio |
| 目的の言語に訳したい録音 | ElevenLabs Dubbing |
| まだ読み上げていない文章の台本 | テキスト音声合成 |
声を変える前に許可を確認する
サイトでは、Voice Changer の初回使用前に声の特徴と同意に関する注意事項を提示します。使用権のある文章と音声を選び、自分自身か変換の許可を得た録音を使ってください。実在の人物になりすますことは禁止です。
使用権のある文章と音声を使い、自分自身か変換を許可された話し声だけを変換してください。変換した音声で実在の人物になりすましてはいけません。初回使用前にはサイトの声の特徴と同意に関する注意事項への承諾が必要です。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "elevenlabs/voice-changer/audio-to-audio",
"input": {
"audio_url": "https://example.com/reference.mp3",
"voice_id": "Alicia"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。




