elevenlabs-dubbing-voice-conversion

ElevenLabs の吹き替えと音声変換

既存の音声を変換するタスク、つまり元の音声や動画を別の言語に翻訳する、収録済みの声を選択した声に変換する、変換前に音声をクリーニングする、または ElevenLabs を使ったローカライズの成果物を計画する場合に、このスキルを使用してください。通常のテキスト読み上げ生成には使用しないでください。ただし、TTS の出力が吹き替えまたは音声変換のワークフローを補助するステップとしてのみ使われる場合は除きます。

このスキルでは、根拠を重視します。以下の日付付きのベンダー情報は、2026-07-10 に確認された事実として扱ってください。運用上の所見や制作上のヒューリスティックは、プロバイダーが保証するものではなく、現在のプロジェクトで検証するための指針として扱ってください。

ElevenLabs の利用方法を選ぶ

ファイルを扱う前に、以下の判断基準を使ってください。

• 吹き替え／ローカライズ：話者のタイミング、話し方、アイデンティティを製品が対応する範囲で保ちながら、音声または動画素材を別の言語に翻訳する必要がある場合は、ElevenLabs Dubbing を選んでください。文字起こしの確認、言語 QA、メディアのエクスポートを計画してください。
• ボイスチェンジャー／音声から音声への変換：言語や内容はすでに適切で、感情、リズム、タイミング、話し方を保ったまま、既存のパフォーマンスを別の利用可能な声またはクローン音声に変換する場合は、Voice Changer API を選んでください。
• 音声分離：ノイズ、音楽、環境音、残響のような背景音、または制作時の音によって音声認識や変換の信頼性が低下している場合は、吹き替えや音声変換の前に Audio Isolation を選んでください。クリアな音声にむやみに使用しないでください。追加処理によって、望ましい質感が失われたり、アーティファクトが発生したりすることがあります。
• 外部ローカライズ：法務、医療、ブランド関連の正確な翻訳、厳密な字幕タイミング、または放送上の制約を満たすリップシンクが重要な場合は、自動吹き替えを最終成果物として提示せず、ElevenLabs と併用する人手による翻訳・レビュー工程を計画してください。
• 汎用 TTS：テキストから台本付きのナレーションを生成する場合は、別の ElevenLabs TTS スキルを使用してください。このスキルでは、既存の音声、話者、タイミング、ローカライズ、または変換が中心となる、TTS に隣接した判断のみを扱います。

2026-07-10 に確認された事実

ElevenLabs は既存の Dubbing API POST /v1/dubbing を公開しています。この API は、マルチパート形式のソースメディアまたは source_url、target_lang、任意の source_lang、任意の num_speakers、時間範囲、ウォーターマークと背景音の制御、自動／手動モードを受け付けます。応答には dubbing_id と expected_duration_sec が含まれます。GET /v1/dubbing/{dubbing_id} は、ステータス、ソース言語、ターゲット言語、作成日時、編集可能かどうか、メディアのメタデータ、失敗時のエラーテキストを返します。GET /v1/dubbing/{dubbing_id}/audio/{language_code} は、元の自動吹き替えの結果を MP3／MP4 形式でストリーミングします。Dubbing Studio で吹き替えを編集した場合は、元の自動音声エンドポイントではなく、リソースのレンダーワークフローを使用してください。文字起こしは /v1/dubbing/{dubbing_id}/transcripts/{language_code}/format/{format_type} から srt、webvtt、または json 形式でエクスポートできます。元のメディアの言語には source を使用できます。ソース：https://elevenlabs.io/docs/api-reference/dubbing/create、https://elevenlabs.io/docs/api-reference/dubbing/get、https://elevenlabs.io/docs/api-reference/dubbing/audio/get、https://elevenlabs.io/docs/api-reference/dubbing/transcripts/get。

ElevenLabs の Dubbing 機能ページによると、Automatic Dubbing では Dubbing v2 Alpha がデフォルトであり、90 以上の言語に対応しています。また、各話者の声の調子、ペース、スタイルを維持し、重複する話者を別々のトラックに分離します。最高品質を得るには、ファイルあたり最大 9 人の異なる話者を推奨しています。セルフサービスプランでは吹き替えジョブを最大 5 件、Enterprise ではデフォルトで最大 100 件まで同時に実行できます。同じページには、リアルタイム／ライブの吹き替えは現在利用できず、Dubbing v2 API もまだ公開されていないと記載されています。そのため、現在のドキュメントが更新されていない限り、v2 API の動作を保証しないでください。ソース：https://elevenlabs.io/docs/overview/capabilities/dubbing。 Voice Changer API は POST /v1/speech-to-speech/{voice_id} です。入力音声ファイルを選択した音声に変換し、感情、タイミング、話し方を維持します。ドキュメントに記載されている制御項目には、output_format、model_id、JSON 文字列として指定する voice_settings、ベストエフォートで決定性を実現するものの保証はされない任意の seed、remove_background_noise、file_format、および条件を満たすエンタープライズのゼロ保持リクエストで使用する enable_logging=false があります。モデルは speech-to-speech に対応している必要があります。ElevenLabs のモデル選択ガイドでは、Voice Changer のモデルとして eleven_multilingual_sts_v2 が挙げられています。ソース：https://elevenlabs.io/docs/api-reference/speech-to-speech/convert および https://elevenlabs.io/docs/eleven-api/choosing-the-right-model。

Audio Isolation は POST /v1/audio-isolation で、マルチパート形式の audio を受け付け、音声から背景ノイズを除去します。file_format=pcm_s16le_16 の場合、入力は 16 ビット PCM、16 kHz、モノラル、リトルエンディアンである必要があります。エンコードされた波形入力よりレイテンシが低くなります。ソース：https://elevenlabs.io/docs/api-reference/audio-isolation/convert。

料金は変動します。2026-07-10 時点で、ElevenAPI の料金ページでは、Voice Changer と Voice Isolator は 1 分あたり $0.12、Dubbing はウォーターマークありの自動処理が 1 分あたり $0.33、ウォーターマークなしの自動処理が 1 分あたり $0.50、または Dubbing Studio が 1 分あたり $0.50 と記載されていました。Dubbing の料金はソース音声の分数単位で計算され、税金は含まれません。予算を提示する直前に必ず再確認してください。ソース：https://elevenlabs.io/pricing/api。

プライバシーと保持期間の条件は製品ごとに異なります。2026-07-10 時点で、ElevenLabs は Zero Retention Mode を一部のエンタープライズ顧客に提供していると記載しています。enable_logging=false による API のゼロ保持は、Voice Changer、Speech to Text、Text to Speech、Text to Dialogue を対象としていましたが、同じ表では Dubbing の入力／出力と音声クローン用の音声サンプルは Zero Retention の対象外とされていました。ソース：https://elevenlabs.io/docs/eleven-api/resources/zero-retention-mode。

音声クローンには同意に関する制約があります。ElevenLabs は、Instant および Professional Voice Cloning の検証を倫理的・法的な安全策として説明していますが、検証によって録音が本当に申請者のものであると証明できるわけではなく、許可された使用に関する責任は作成者にあるとも述べています。クローン作成時の話者分離は、声が明確に異なり、対象話者の音声がまとまった長さで連続している場合に最も効果を発揮します。頻繁に発話が重なる場合、声が似ている場合、または対象話者の発話が断片的な場合は、信頼性が低下します。ソース：https://elevenlabs.io/docs/eleven-api/concepts/voice-cloning。

プロジェクトごとに確認すべき運用上の所見

自動吹き替えでは、意外なほど細かな演技を維持できることがありますが、あくまでローカライズシステムであり、最終的な人手による吹き替え工程ではありません。固有名詞、製品用語、慣用表現、数字、ジョーク、同時発話、歌唱、ささやき声、強い室内ノイズ、自然な訳文の長さが原文と大きく異なる言語では、特にリスクが高くなります。

speech-to-speech 変換は演技が中心です。テキストプロンプトよりも、元の音声がペースや感情に大きく影響します。読み上げが不自然な場合、破裂音が途切れている場合、室内ノイズがある場合、またはマイクの品質が悪い場合、変換後にも何らかの形でその問題が残ることがよくあります。

音声分離は、救済と準備のためのツールであり、マスタリング工程ではありません。音声認識や変換に役立つ一方で、声が細くなったり、子音が不明瞭になったり、クライアントが残したい環境音まで除去されたりすることがあります。

話者数の指定は制作上の判断です。自動検出は手軽です。キャストが分かっている場合は、num_speakers を明示すると話者の入れ替わりを減らせることがありますが、誤った値を指定すると自動検出より悪い結果になることがあります。

高品質な結果を最も早く得られるワークフローは、通常「吹き替えを実行して納品する」ことではありません。ソースを準備し、短いパイロットクリップを処理して、文字起こしと話者の割り当てを確認し、言語、音声、タイミングの選択を調整してから、素材全体を処理し、レビュー用資料を書き出すのが一般的です。

ソースメディアの準備

ElevenLabs を呼び出す前に、ソースのインベントリを作成します。

• 権利：ソースメディアの変換、音声のクローン作成／保持、スクリプトの翻訳、およびすべての対象地域での成果物の配布が可能であることを確認します。
• 同意：音声をクローン作成、保持、または変換する実在の人物を特定します。用途、言語、期間、地域、開示要件を明記した書面による許可を取得します。
• フォーマット：高品質のマスターを保持します。サンプルレートが一定で、クリッピングがなく、明瞭な音声トラックを含む作業用ファイルを書き出します。動画の場合は、可能であれば映像参照用ファイルとオリジナルミックスを別々に保持します。
• タイミング：対象プラットフォームの制約、最大尺、厳密な再生時間の要件、吹き替えを既存のカット、字幕、リップシンク、広告枠、放送時間に合わせる必要があるかどうかを記録します。
• 話者：話者、名前、役割、おおよそのタイムスタンプ、アクセント／方言、および各話者について、声の同一性を保持するか、ライブラリから似た声を使うか、承認済みの声に置き換えるかを一覧にします。
• 言語：ソースにコードスイッチング、短いクリップ、固有名詞、複数の言語が含まれる場合は、自動判定に頼らず、分かる範囲でソース言語を指定します。APIで必要な場合は、ISO-639 言語コードを使用します。
• 背景音声：最終的な吹き替えで元の音楽／環境音を残すか、除去するかを決めます。背景音声を残さない場合（クリアなスピーチやモノローグなど）に限り、drop_background_audio=true を使用します。
• 用語：製品名、話者名、ブランド用語、禁止する訳語、必要な敬語レベル、現地市場向けの置き換え表現を準備します。
• パイロット区間：長尺の素材やリスクの高い素材では、主要な話者、ノイズの状態、感情表現の各パターンが含まれる30～120秒の区間を選びます。

必要な場合に限り、事前にクリーンアップを行います。ソースに明らかな背景ノイズがある場合は、コピーに対して Audio Isolation を実行するか依頼し、素材全体を Dubbing または Voice Changer に送る前に、分離した結果と元の素材を比較します。最終ミックスに残すべき音楽／効果音が元の素材に含まれる場合は、音楽／効果音のステムまたはソースマスターを別途保持します。

吹き替えのワークフロー

制作向けの吹き替えでは、次の手順に従います。

1. 納品物を定義します：対象言語、出力ファイル、字幕の出力、動画ファイルが必要か音声のみの吹き替えが必要か、Dubbing Studio で編集可能にする必要があるかを決めます。
2. 安全性と権利を確認します：許可のないなりすまし、開示されていない実在人物の音声クローン作成、政治的な欺瞞、詐欺、嫌がらせ、権利関係が不明確なコンテンツには着手しないでください。
3. ソースを準備します：編集の一部ではない無音部分に限りトリミングし、非可逆な再エンコードを避け、タイムコードのメモを保持します。
4. 品質上のリスクが無視できない場合は、パイロットを実施します。選択した API／製品の経路でサポートされている場合は、start_time と end_time を使用します。
5. ジョブを作成します。API ジョブの場合は、dubbing_id、リクエストパラメーター、ソースのチェックサムまたはメディア URL、予想尺、対象言語を保存します。
6. GET /v1/dubbing/{dubbing_id} でステータスを確認します。queued、preparing、dubbing、dubbed、failed のような状態を処理し、計画で許可された数を超えて同時にジョブを開始しないようにします。
7. レビュー用素材を書き出します：吹き替え済みの音声／動画と、ソースおよびターゲットのトランスクリプト／字幕を書き出します。字幕の品質確認と用語レビューには、トランスクリプトの書き出しを使用します。
8. 言語とタイミングを確認します：話者の声が正しく保持されているか、翻訳が映像に収まっているか、感情表現が維持されているか、背景音声が適切かどうかを確認します。
9. 修正または再実行します。単純な自動 API ジョブの場合は、パラメーターを修正するかソースを準備し直して再実行します。編集済みの Dubbing Studio／リソースのワークフローでは、元の自動音声エンドポイントではなく、編集済みの結果に対するレンダリング経路を使用します。
10. 開示情報とメタデータを添えて納品します：言語コード、ソースのバージョン、ElevenLabs のジョブ ID、分かる場合はモデル／製品の経路、日付、人によるレビュー状況、およびクライアントが求める同意／権利に関する注記を含めます。

POST /v1/dubbing のパラメーター選択

• file と source_url：再現性、非公開メディア、またはソースを厳密に管理する必要がある場合はアップロードします。source_url は公開 URL や署名付き URL に便利ですが、アクセスの有効期限を記録してください。
• source_lang：単一言語で明瞭に話されているコンテンツには auto を使用します。短い音声、ノイズの多い音声、強い訛りのある音声、または複数の言語が切り替わる音声には、ソース言語コードを指定します。
• target_lang：必須です。意図するロケールや方言を慎重に選択してください。方言が重要で、使用する製品の処理経路で target_accent がサポートされている場合は、パラメーターのドキュメントに実験的と記載されているため、試験運用でテストしてください。
• num_speakers：0 は自動検出です。話者の分離が不安定で、出演者が明確な場合は、既知の人数を設定します。
• watermark：クライアントの要件と現在のプランでの動作を確認してください。Dubbing v2 の機能ページによると、v2 にはウォーターマークの切り替え設定がなく、無料プランの吹き替えには自動的にウォーターマークが付与されます。
• highest_resolution：画質が重要な動画の納品物に使用します。音声のみのレビューでは、不要な高解像度処理を避けてください。
• disable_voice_cloning：ソース音声の保持やクローン作成が許可されていない場合、または望ましくない場合に使用します。API ドキュメントによると、これは Voice Library の類似した音声を使用しますが、ワークスペースの音声スロットや権限が不十分な場合は失敗することがあります。
• mode=manual：意図的に準備した CSV の文字起こしワークフローを使用する場合に限り使用します。ドキュメントでは、手動モードは実験的であり、本番環境での使用は推奨されていません。

Voice Changer／音声から音声へのワークフロー

タイミングと感情表現に問題がなく、目指す出力が「この演技を、承認済みのあの音声で再現する」ことである場合は、Voice Changer を使用します。対象は、同じ言語の演技、またはすでに翻訳済みの演技です。

1. 要求された用途で対象の voice_id を使用する権限があることを確認します。クローン音声の場合は、同意と本人確認の記録を保管してください。
2. 入力となる演技を準備します。できる限りクリーンなテイクを使い、音量を安定させ、クリッピングがないようにします。レビューや再試行の粒度が重要な場合は、非常に長い演技を意味のまとまりが完結したセグメントに分割します。
3. 音声から音声への変換に対応したモデルを選択します。2026-07-10 時点で、ElevenLabs は Voice Changer に eleven_multilingual_sts_v2 を推奨しています。
4. 後続の用途に応じて出力形式を決定します。簡易レビューやソーシャルメディア用の下書きには MP3、プランが対応し、ポストプロダクションで必要な場合に限り WAV／PCM を使用します。
5. 入力のクリーンアップが必要な場合に限り、remove_background_noise=true を使用します。息づかい、ルームトーン、演技の粗さを残すことが重要な場合は、両方のバージョンを比較してください。
6. Enterprise のゼロリテンションが必要で、利用可能な場合は enable_logging=false を設定します。このモードでは履歴機能とステッチ機能が利用できないことに注意してください。
7. タイミング、明瞭さ、感情表現の一致、アーティファクト、アイデンティティと同意に関する要件への準拠について、ソースと比較してレビューします。

音声設定は、優れたソース演技の代わりにはなりません。承認済みの音声に保存されている設定を基準にし、出力が平坦すぎる、不安定、誇張されている、または対象の音声と異なる場合に限り、設定を上書きします。再現性を試す際にはシードを使用しますが、完全に決定論的な再現を約束してはいけません。

音声分離のワークフロー

Audio Isolation は、前処理または修復の工程として使用します。

• 吹き替え前：ノイズや音楽によってシステムの処理が妨げられる場合に、文字起こしや話者分離の前に会話音声をクリーニングします。
• 音声変換前：背景ノイズを取り除き、変換モデルが部屋の音響ではなく声の演技に追従するようにします。
• ポストプロダクションでの修復：レビューや手動でのリミックス用に、音声ステムを分離します。

すべての素材に一律の工程として適用してはいけません。クリーンなスタジオ録音では、分離によって品質が低下することがあります。会話の下に音楽がある場合、最終ミックスに必要な制作上の価値まで取り除かれることもあります。必ずオリジナル、分離したステム、比較メモを保管してください。

タイミング、リップシンク、翻訳の適合性

ElevenLabs の吹き替えはタイミングを考慮しますが、完璧な映像とのリップシンクや、放送品質の ADR を保証するものではありません。動画の場合は、次の点に注意してください。

• 吹き替えの前に、元の編集を確定させてください。吹き替え後に再編集すると、タイミングの品質確認が無効になります。
• トークヘッドやクローズアップの映像では、口の開閉との同期、間、笑いのタイミング、発話の割り込みを確認してください。
• ナレーションでは、厳密な音節合わせよりも、自然な翻訳と話すペースを優先してください。
• 広告、予告編、法的免責事項では、全体の尺と指定された文言が正確かを確認してください。
• 字幕では、SRT/WebVTT をエクスポートし、行の長さ、読める速度、分割、句読点、話者ラベル、用語を確認してください。

制作上の経験則：訳文が大幅に長くなる場合は、自然な話し方を保ちつつペースを少し変えるか、翻訳を簡潔にするか、映像のタイミングを編集するか、人間による ADR を行うかを選択してください。いずれかを黙って選ぶのではなく、制作上の判断として明確に決定してください。

話者の同一性、音声クローニング、同意

「声の維持」を許可として扱ってはいけません。実在する人物の声を維持、複製、変換する前に、次の点を確認してください。

• 話者、権利者、クライアントが、具体的な用途を承認していることを確認してください。
• 承認に、言語翻訳、商用配信、合成音声の作成、編集、将来のプロジェクトでの再利用が含まれるかを確認してください。
• 適切な場合は、明示的な承認や法的確認なしに、著名人、従業員、顧客、未成年者、個人の音声を複製しないでください。
• 同意がない、または曖昧な場合は、disable_voice_cloning=true または承認済みのライブラリ音声／ブランド音声を優先してください。
• 視聴者、プラットフォーム、法律、クライアントのポリシーで合成音声や翻訳音声の表示が求められる場合は、表示を必須にしてください。
• 制作記録を保管してください。承認者、対象アセット、言語、音声 ID、日付、制限事項を記録します。

ユーザーが許可なく実在する人物の声を模倣するよう求めた場合、その部分は拒否し、同意を得た音声、幅広いスタイルが似たライブラリ音声、字幕のみ、または人間による収録など、より安全な選択肢を提案してください。

品質管理チェックリスト

すべての対象言語で品質管理を実施してください。

• 権利と表示：同意が記録されていること、合成音声／吹き替えの表示方針が明確であること、対象地域で許可されていること。
• ソースの整合性：正しいソースバージョンであること、誤ってラフカットを使っていないこと、時間範囲が正しいこと。
• 話者の対応付け：各話者が別個に保たれていること、同一性が入れ替わっていないこと、重なった発話が適切に処理されていること。
• 翻訳：意味、口調、丁寧さ、慣用表現、名前、数字、単位、URL、製品用語、法的文言が正確であること。
• 演技：感情、ペース、間、笑い、ささやき、切迫感、強調がシーンに合っていること。
• 明瞭さ：こもり、歯擦音、クリッピング、ロボットのようなノイズ、単語の欠落、幻覚による発話がないこと。
• タイミング：明らかに遅れたり早まったりしている台詞がないこと、全体の尺が合っていること、納品レベルに照らして映像の口の動きが許容範囲であること。
• 背景音：元の音楽／効果音が維持されているか、意図的に削除されていること、ポンピング、幽霊のような声、位相が不自然な分離音、二重になった発話がないこと。
• 字幕／文字起こし：エクスポート形式が正しいこと、必要に応じてソースの文字起こしが用意されていること、対象言語の字幕が吹き替え音声と一致していること。
• パッケージング：出力形式、サンプルレート／ビットレート、ファイル名、言語コード、メタデータが納品仕様に合っていること。

重要なリリースでは、バイリンガルの人間によるレビューを必須にしてください。自動文字起こしのエクスポートは品質確認の補助であり、翻訳品質の証明ではありません。

失敗モードと修正方法

• ソース言語が間違っている：source_langを明示して再実行します。冒頭の音楽や無音をトリミングし、より明瞭なソースを用意します。
• 話者が入れ替わる：num_speakersを明示して再実行します。話者ごとにシーンを分割し、可能であれば音声の重なりを減らします。利用可能な場合は、Dubbing Studio／リソース編集を使用します。
• 翻訳が直訳的、またはブランドイメージに合わない：用語集と承認済みの訳文を用意し、人による翻訳レビューを行います。製品のワークフローで対応できる場合は、再実行するか、対象セグメントを手動で編集します。
• ターゲット言語の吹き替えが不自然：UIで対応している場合は、音声クローン／音声保持の強度を下げます。ライブラリから似た声を選びます。より自然なローカライズを優先し、声の類似度は下げます。
• 背景音が音声を妨げる：drop_background_audioをテストします。M&E／音楽のステムを個別に作成し、外部でミックスします。
• Voice Changerでノイズやアーティファクトが残る：先にAudio Isolationを実行するか、ソースのパフォーマンスを録り直します。または、問題のある部分だけを分割して再試行します。
• 編集後も出力エンドポイントから元の自動吹き替えが返される：Dubbing Studio／リソース編集にはリソースのレンダーワークフローを使用します。編集済みの納品物に自動音声エンドポイントを使用しないでください。
• ジョブが多すぎる：同時実行数の上限を守り、ジョブをキューに入れます。APIに過剰なリクエストを送るのではなく、現在のジョブが完了してから再試行します。
• プライバシー要件が製品と合わない：プロジェクトでDubbingまたは音声クローン用サンプルの保持を一切認めない場合は、エスカレーションしてください。2026-07-10時点で、ElevenLabsはこれらを保持ゼロの対象としていませんでした。

完全な例

例：2人の話者が出演する製品デモのスペイン語ローカライズ試験

目的：2人の創業者の話し方を保ちながら、6分間の英語の製品デモをウェブ公開用にスペイン語へローカライズします。

入力と制約：

• ソース：demo_master_v12.mp4、英語、話者は2人と判明済み、薄い音楽あり、字幕なし。
• ターゲット：スペイン語（es）、レビュー用MP4ファイルとSRT。
• 同意：両方の創業者が、キャンペーンでスペイン語の合成音声による吹き替えを使用することを承認済みです。
• リスク：製品名と価格を正確に保つ必要があります。

ワークフロー：

1. 製品名、プラン名、価格、翻訳しないフレーズを含む用語集を作成します。
2. 両方の話者を含む60秒間の試験を実行します。source_lang=en、target_lang=es、num_speakers=2、代表的な範囲に合わせたstart_timeとend_time、drop_background_audio=falseを指定します。
3. ステータスがdubbedまたは失敗になるまで、GET /v1/dubbing/{dubbing_id}でポーリングします。
4. 吹き替えメディアとSRT／WebVTTのトランスクリプトを書き出します。
5. スペイン語のレビュアーに、製品用語、トーン、話者の割り当てを確認してもらいます。
6. 試験に問題がなければ、同じ言語、話者、背景音の設定でファイル全体を処理します。

期待される結果：元の編集に沿い、創業者それぞれの声の違いを保ち、音楽を残し、レビュー用字幕を作成したスペイン語の吹き替えです。

想定される失敗モード：製品名が誤訳される、一方の創業者にもう一方の声が割り当てられる、スペイン語のセリフが長すぎてクローズアップの映像に間に合わない、または音楽が音声を覆い隠す。

バリエーション：創業者の声の保持が許可されていない場合はdisable_voice_cloning=trueを設定します。元の音楽によって音声分離にアーティファクトが生じ、後から外部の音楽ステムをミックスする場合はdrop_background_audio=trueを設定します。

例：完成したキャラクター演技の、許可を得た音声変換

目的：俳優が承認した英語のモンスター演技を、うなり声、タイミング、感情表現を保ちながら、承認済みのクリーチャーの声に変換します。

入力と制約：

• ソース：monster_take_03.wav、クリーンなモノラル演技、音楽なし。
• ターゲットの声：承認済みの社内音声 ID。
• 言語：翻訳なし。
• 成果物：プランで可能な場合は WAV/PCM、それ以外の場合はレビュー用の高ビットレート MP3 と、後日承認を得たうえでのエクスポート。

ワークフロー：

1. 俳優とターゲットの声の使用権を確認します。
2. model_id=eleven_multilingual_sts_v2 を指定して、ソースを POST /v1/speech-to-speech/{voice_id} に送信します。
3. ソースはクリーンで、意図的な息遣いやうなり声の質感が含まれているため、remove_background_noise=false のままにします。
4. レビュー時の試行を再現しやすくする目的でのみシードを使用し、決定性は保証されないことを記録します。
5. 元の音声と比較し、タイミング、感情、子音の明瞭さ、クリーチャーらしさが強すぎて聞き取りにくくなっていないかを確認します。

期待される結果：ターゲットの声でも、同じ演技のリズムと感情の流れが保たれます。

よくある失敗：咆哮が歪む、ささやき声が聞き取りにくくなる、変換後の声が人間らしすぎる、または合成音声らしすぎる。

応用：設定を変えるため、咆哮とセリフを別々のファイルに分けます。ソースに部屋のノイズが含まれている場合に限り、クリーンアップ処理を行います。

例：吹き替え前の、ノイズが多いインタビューの修復

目的：ノイズの多い街頭インタビューを、フランス語の吹き替え用に準備します。

入力と制約：

• ソース：street_interview.mov、話者 2 人と交通音。
• ターゲット：社内レビュー用のフランス語（fr）。
• リスク：交通音によって、文字起こしと話者分離の精度が低下します。

ワークフロー：

1. 代表的な短い音声部分を抽出し、コピーに Audio Isolation を実行します。
2. 元の音声と分離後の音声を比較し、言葉の明瞭さ、アーティファクト、環境音の欠落を確認します。
3. 分離によって明瞭さが向上する場合は、吹き替えのレビューに分離したセリフトラックを使用し、最終ミックスの参照用に元のマスターを保持します。
4. source_lang=en、target_lang=fr、および num_speakers=2 を指定して吹き替えを実行します。話者数が不明な場合は自動設定を使用します。
5. 文字起こし／字幕をエクスポートし、人名、通りに関する言及、話者の対応付けを確認します。

期待される結果：音声認識がより明瞭になり、話者の誤りや文字起こしの誤りが減ります。

よくある失敗：音声分離によって声が水っぽくなる、セリフの背後に交通音が残る、または環境音が失われて映像との一体感が損なわれる。

応用：外部ミキシングで、最終的な吹き替えの下に元の環境音を残します。ソースが混沌としていて信頼できる吹き替えが難しい場合は、字幕のみを使用します。

ソースと根拠に関する注記

このスキルで使用した主なソースは、ElevenLabs API リファレンスのページ、機能のページ、モデル選択のドキュメント、料金情報、ゼロ保持に関するドキュメント、音声クローニングの概念に関するドキュメントで、いずれも 2026-07-10 に確認しました。変わりやすい情報に依拠する前に、公式ドキュメントを再確認してください。対象となる情報は、モデル ID、料金、Dubbing v2 API の利用可否、同時実行数、言語サポート、エクスポート形式、保持要件の適用条件、プランによって制限される出力形式です。