Video wird geladen...
Video konnte nicht geladen werden
ElevenLabs Eleven v4の日本語音声を可能な限り自然な日本語に最適化してみました。 コメントで「海外出身の方っぽい声の響き」、「スタジオ録音っぽい」、「舞台役者っぽい」という声をたくさん頂いたのでその原因を1つずつ潰した結果です。 動画前半は私がこれまで作ってきたAIアバター3人を集結させて最適化した日本語音声で女子会風に喋ってもらいました。 後半では改善前後の音声の比較紹介をしています。 そこそこは改善できた気はしますが、まだもう少し行ける気もします。引き続き頑張っていきたいと思います笑 音声(前半): Elevenlabs Eleven v4(サクラ・モリ・リナ) 音声(後半): Google Gemini 3.8 Flash TTS アバター:GPT-Image-2.5 + LTX 2.3(リップシンク) 字幕タイムスタンプ: Soniox STT v5 BGM: Opus 5.5 台本編集: Opus 5.5 x Hyperframes 環境: Claude Code, Codex CLI, Colab CLI
22,038 Aufrufe • vor 11 Tagen •via X (Twitter)
3 Kommentare

AI-Chan@AIだいすき✨vor 11 Tagen
誠実さに感動しました🥹フィラー大事ですね😳あとひとりが喋ってる間にも他の人のあいずちやリップノイズが入るとさらにリアルさがます気がします🤔

中崎工房 | AIで1時間の仕事を5分で終わらせる人vor 10 Tagen
はい!フィラーワードはナレーション系と解説動画には不要ですが、自然な会話を再現したい際は必須だと思っています。相槌やリップノイズの件確かにそうですね! まだ十分自然に入れれていないのでそれも入れれないか試してみたいと思います。これ動画を3人それぞれ別で喋ってないところも含めて作ってるで、喋ってないシーンで適切に相槌を打つのが難しいので、そこを模索して解決できればブレイクスルーが起きるかもしれません!そう言った意味では最初から3人の開始画像で喋りを別で指定してやるのが一番のかもしれませんがコストの問題とかあるので、色々比較検討が必要です。。やりがいはありそうなので頑張ってみます!

SE(すみエンジニア)vor 10 Tagen
おー、どんどん進化してますねすごい。 この調子でいけば好きなAIとビデオ通話するアプリとかもうできちゃいそう。
