Skip navigation
話題沸騰のElevenlabs vs Gemini TTS。両者の最新AI音声生成モデルを比較してみました。どちらも自然ですごいです。
0:00 / 5:12

話題沸騰のElevenlabs vs Gemini TTS。両者の最新AI音声生成モデルを比較してみました。どちらも自然ですごいです。

1,332,760 views

話題沸騰のElevenlabs vs Gemini TTS。両者の最新AI音声生成モデルを比較してみました。どちらも自然ですごいです。 Elevenlabsは今回のEleven v4で日本語めっちゃパワーアップしてて今後ますますどのTTSを使うか悩みそうです! 動画はAIアバターを使ったYoutube風の解説動画って感じでOpus 5.5に依頼して作成しました。 音声: Elevenlabs Eleven v4, Gemini 3.8 Flash TTD 画像: GPT-Image-2.5 動画: LTX 2.3 SE: Epidemic Sound BGM: Opus 5.5 台本編集: Opus 5.5 x Hyperframes 環境: Claude Code, Codex CLI, Colab CLI

47 Comments

Comments from the original post on X (Twitter)

  • ぶらいとくん|世界一やさしいAI速報's profile picture

    @blitzai_bright

    同じ台本で並べると、違いがはっきり聴こえますね! Eleven v4は本文の[ ]で演技を指示しますが、Gemini 3.8 Flash TTSは本文を一字一句の台本として読み、感情や速さは別欄のstyleに書く作りなんです。 聴き比べるときは、指示の置き場所を移し替えておくと条件がそろいます。

    5 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    はい!しっかりと条件を揃え、明確にしての比較がいつも大事だと思っております。

  • 乙事主's profile picture

    @kinokono_man

    めちゃくちゃ凄いんですけど、まだやっぱり映像に乗せると、AIって分かっちゃうんですよね😅 でもそれも後1~2年で違和感無くなっちゃうのかなぁ🤔

    5 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    そうですね!私もそこそこのところまではきたと思っていますが、全く満足しておらず日々どうすればもっとAI感が消える格闘中です。ただ、この進化の感じだとおそらく1-2年後にはマジで区別がつかなくなるような気がしています。そして私が今のツールの範囲内で改善試行錯誤していることも軽く凌駕されて全て吹き飛ぶと思います笑

    2 likes

  • なお|AIで仕事を自動化する会社員's profile picture

    @nao_desk

    音声・画像・動画・BGMまで、何をどれで作ったかを1行ずつ書いてあるのが、真似する側にはいちばんありがたいですね。会社員の用途だと、資料を耳で確認する読み上げが入口になりそうなので、Gemini Notebook側で「未決の項目だけ先に読む」台本にできるか、そこから入ってみるつもりです。

    4 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    ありがとうございます。そう言っていただけると幸いです!それはいいアイデアかもしれないですね!LLMでどこを読むか判断して、テキストを抽出してTTSで読む感じですね。朝一番の習慣とか通勤中とかに使えると便利かもですね!

  • なお|AIで仕事を自動化する会社員's profile picture

    @nao_desk

    読む場所をLLMに先に選ばせて、TTSは読むだけ、という分担が分かりやすいです。通勤中に聞くなら、前日の議事録の宿題と期限だけで十分かもしれません。

  • しろう's profile picture

    @crazycraft_c

    Gemini圧勝だなぁ

    4 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    Elevenlabsの方がいいという方もいらっしゃるので、それくらい僅差というかどの視点で評価するかで変わる感じなのかもしれないですね🙇‍♂️

  • にじゅっち🌈
|
共創ナビゲーター's profile picture

    @NiziUcci

    素晴らしい比較でした! ありがとうございます。

    3 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    ありがとうございます!少しでもご参考になれば幸いです!

    1 like

  • ケニー|AIを学んで、仕事で使えるまで's profile picture

    @Kenny_0131

    読み上げ用途で選ぶなら、同じ30秒の原稿に「固有名詞/数字+単位/短い会話」を入れて聞き比べると、好みと実用上の違いを分けやすそうです。誤読した箇所と、読みを直して再生成した回数もメモする。声の自然さに加えて「納品できる音声になるまでの手直し」で比較すると、用途ごとに選ぶ材料になります。

    2 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    そうですね。色々と条件を振って、品質の安定性、ばらつき、ストレス条件でのロバスト性などを測るのが、ガチで検討するには必要ですね!私も本業は製造業の技術系会社員なのでそこらへんの感覚わかる気がします。今回のは非常に容易な比較なのでどこかでそれくらいガチの比較検討をするとまたそれが有益な方もたくさんいるかもしれないですね!

    1 like

  • てとら's profile picture

    @tetora_bitmap

    これ動画の方がすごいんですがどうやって作られたのでしょうか???

    2 likes

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    なんと😅ありがとうございます!基本Claude Code上でOpus 5.5が私のフィードバックの元、作成しています。女性が喋っている動画は画像生成で作った女性の画像にここで紹介している音声をつくって、それを入力して、LTX2.3というオープンウェイトの動画生成AIのリップシンク用のワークフローを使って作っています。 字幕やアニメーション、素材の切り貼り、構成編集は全てOpus 5.5がHyperframsというコードベースで動く動画編集ツールで作成しております。Opus5.5がめっちゃすごい感じです笑

    12 likes

  • てとら's profile picture

    @tetora_bitmap

    詳しくありがとうございます。参考にさせていただきます🙇🙇

    1 like

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    少しでもご参考になれば幸いです!

    1 like

  • ねこ?'s profile picture

    @bl3t7m

    @tetora_bitmap チャッピーの契約しているモデルによるかもだが Google AIスタジオとかで作る 動画はチャッピーに自動で作らせるみたいなのはできそうだけど やっぱり動画作成なら、動画作成のAI!みたいに それに特化したAIを使ったクオリティー高いんだろうなぁ

    1 like

  • 中崎工房 | AIで1時間の仕事を5分で終わらせる人's profile picture

    @nakazakifam

    @tetora_bitmap 何事もその役割に特化したAIと総合的に強いAIの使い分けが大事かなと思ってます。ただ、最近は総合型が専用型を飲み込んでしまうような勢いもあるので、アンテナを貼ってフラットに見ていかないといけないと思っております!

  • Fernando's profile picture

    @BoostBliss

    ツール一覧が動画本編より情報量多くて、クレジット欄が主役になってますね

    2 likes