AIショートドラマの音声が不自然に聞こえる理由は、発音が不明瞭だからとは限りません。声はきれいでも、感情が平たく、セリフが「人物の言葉」ではなく「読み上げ」に聞こえてしまうことがあります。怒っている、迷っている、甘えている、泣くのをこらえている。そうした状態が声に出ないと、映像の空気が崩れます。
つまり必要なのは、ただ音声を生成することではありません。声をキャラクター、感情、場面に合わせることです。同じ「どうして今さら帰ってきたの？」でも、責めているのか、傷ついているのか、泣かないようにしているのかで声は変わります。
この記事の中心は、Seed Audio 1.0 と ElevenLabs をどう使い分けるかです。中国語の短劇向けに作った同じ試聴素材を使いながら、モデルの得意分野、プロンプトの書き方、音声を制作アセットとして残す流れまでまとめます。
AIのキャラクター音声を自然にするには
最初に、セリフだけを入れないことが大切です。生成前に、少なくとも次の3つを決めます。
- だれが話しているのか
- どんな感情と場面の中にあるセリフなのか
- 聞こえ方として、どんな声にしたいのか
たとえば、次のようにセリフだけを書くのではなく、
どうして今さら帰ってきたの？
次のように声の状態まで書きます。
若い女性キャラクター。声を低くおさえ、傷ついていて怒っている。
感情をこらえているように話す。
セリフ：どうして今さら帰ってきたの？
プロンプトは長くなくてもかまいません。ただし、「悲しい」だけでは弱くなりがちです。だれに向けたセリフで、どこまで感情を隠し、どの瞬間に声がゆれるのかを書いたほうが、キャラクターの声に近づきます。
まずモデルの役わりを分ける
Seed Audio 1.0 は、1本のセリフよりも「場面として演じる」音声に向いています。キャラクターの状態、場面、声の質感、話す速度、感情の流れを一緒に伝えると、緊張した対立、泣き芝居、方言、環境音のあるナレーションなどに使いやすくなります。
ElevenLabs は、声の方向性が決まったあと、その声を安定して使う用途に向いています。連続ドラマや固定キャラクターでは、回ごとに声が変わると別人に聞こえます。ElevenLabs は音色の安定、多言語展開、固定キャラクターの声、[whispers] や [crying] のようなタグによる細かい調整に向いています。
ここでは優劣を決めるのではなく、制作上の分担を見ます。場面全体を理解させるのか、決まった声を1行ずつ磨くのか。この違いが、モデル選びの軸になります。
どちらを使うべきか
けんか、告白、崩れそうな別れ、泣きながらこらえる場面など、感情の比重が大きいシーンでは Seed Audio 1.0 から試すと方向が見えやすくなります。反対に、固定キャストの声を何話も保ちたい場合は、ElevenLabs を音色の安定レイヤーとして考えると扱いやすくなります。
| Seed Audio 1.0 | ElevenLabs | |
|---|---|---|
| 得意な仕事 | キャラクター、感情、環境、リズムをまとめた場面音声 | 固定キャラクターの声、1行ごとの調整、多言語版、長期運用 |
| 向いている場面 | 対立、泣き、崩壊、方言、ナレーションと環境音 | 連続ドラマ、アニメキャラクター、AI influencer、OC、多人数会話 |
| 入力の考え方 | キャラクター設定、場面、声の基調、読む本文を分けて書く | 先に声を選び、[whispers] や [crying] を必要な箇所に入れる |
| 成功のポイント | 感情語だけでなく、関係、動機、感情の変化を書く | タグを増やしすぎず、変化が必要な言葉に集中する |
| ワークフロー上の位置 | 脚本を読んだあと、まず聞ける場面音声を作る | 声の方向が決まったあと、重要セリフを磨く |
実際には、どちらか一方だけに決めなくてもかまいません。キャラクターカードと場面説明で最初の音声案を作り、重要な数行だけをタグや音色設定で磨く、という組み合わせが実用的です。
8つの実用シーン
玩法 1 · 対立シーン：こらえた崩れ方を声に出す
対立シーンでは、「悲しい」とだけ書くと平均的な声になりやすいです。どこでこらえ、どの言葉で崩れ、どこでまた抑えるのかを書きます。
# Seed Audio 1.0
引用上文：[#这枚戒指，是姐姐的，对不对？]
语音指令：[#用颤抖沙哑、将哭未哭、强忍着崩溃的语气，语速偏慢]
合成文本：我找了她三年。你却把她的戒指，戴在了别人手上。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-1-confrontation.mp3" title="玩法 1 · Seed Audio 対立シーン試聴" caption="上の Seed Audio 指示から生成した試聴です。崩れそうな感情をどこまで抑えて話しているかを聞いてみてください。" mediaId="seed-audio-play-1-confrontation"}
# ElevenLabs
[whispers] I searched for her for three years…
[crying] and you put HER ring… on someone else's hand.
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-1-confrontation.mp3" title="玩法 1 · ElevenLabs 対立シーン試聴" caption="上の ElevenLabs タグ例から生成した試聴です。ささやき、泣き声、強調語が対立シーンをどう押し上げるかがポイントです。" mediaId="elevenlabs-play-1-confrontation"}
玩法 2 · 甘え、距離感、ASMRのささやき
近い声は、ただ音量を小さくするだけでは作れません。息、間、語尾、聞き手との距離が重要です。
# Seed Audio 1.0
语音指令：[#用 asmr 耳语般的语气，轻轻地、带点撒娇地说]
合成文本：别走嘛……再陪我待五分钟，就五分钟，好不好？
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-2-asmr-whisper.mp3" title="玩法 2 · Seed Audio ささやき試聴" caption="Seed Audio のささやき指示から生成した試聴です。近い息、軽い間、甘えるような語尾を確認できます。" mediaId="seed-audio-play-2-asmr-whisper"}
# ElevenLabs
[whispers] Don't go yet… [playful] just five more minutes, okay?
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-2-asmr-whisper.mp3" title="玩法 2 · ElevenLabs ささやき試聴" caption="ElevenLabs の whisper と playful タグから生成した試聴です。近距離の声とやわらかい語尾を聞いてみてください。" mediaId="elevenlabs-play-2-asmr-whisper"}
玩法 3 · 方言のニュアンス
中国語短劇では、方言は人物の距離感や地域性を出すための大事な要素です。ここでは四川話の調子を、からかうような関係性と一緒に指定しています。
# Seed Audio 1.0
语音指令：[#用地道的四川话，语气调侃、带点得意]
合成文本：你娃儿还想骗我？我啥子场面没得见过哦。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-3-sichuan-dialect.mp3" title="玩法 3 · Seed Audio 四川話試聴" caption="Seed Audio の方言指示から生成した試聴です。四川話のからかい、得意げな感じ、人物関係を聞き取る例です。" mediaId="seed-audio-play-3-sichuan-dialect"}
玩法 4 · 1人で複数役：短い掛け合いをまとめて作る
掛け合いを1行ずつ切ると、相手のセリフを受けていないように聞こえることがあります。会話の圧力差をまとめて書くと、シーンとしてつながりやすくなります。
# ElevenLabs
Speaker 1: [coldly] You shouldn't have come back.
Speaker 2: [shaky] I had to. [whispers] I saw the ring.
Speaker 1: [angry] Then you saw NOTHING. Get out.
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-4-multi-speaker-dialogue.mp3" title="玩法 4 · ElevenLabs 複数話者試聴" caption="複数話者フォーマットから生成した試聴です。coldly、shaky、angry の違いで、対話の圧力が分かれます。" mediaId="elevenlabs-play-4-multi-speaker-dialogue"}
玩法 5 · 雰囲気ごと作る：ナレーション、環境音、効果音
普通のTTSとの違いが出やすいのはこの場面です。声だけでなく、廊下の空気、足音、水音、怖さまで含めて、粗編集に近い音声案を作ります。
# Seed Audio 1.0
语音指令：[#深夜医院走廊，旁白语调惊恐压抑；背景加入细微脚步声和滴水声，气氛悬疑]
合成文本：可当他的手触碰到对方的身体时，却感觉一阵冰冷，那触感……不像是活人。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-5-atmosphere.mp3" title="玩法 5 · Seed Audio 雰囲気シーン試聴" caption="Seed Audio の場面指示から生成した試聴です。ナレーション、環境音、感情が同じサスペンスに向かっているかを確認します。" mediaId="seed-audio-play-5-atmosphere"}
# ElevenLabs
[ominous] The hallway was empty… [footsteps] something was following her.
[gasp] [gunshot] — Run!
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-5-atmosphere-sfx.mp3" title="玩法 5 · ElevenLabs 効果音タグ試聴" caption="台詞内の効果音タグから生成した試聴です。ominous、footsteps、gasp、gunshot のタグで雰囲気を作ります。" mediaId="elevenlabs-play-5-atmosphere-sfx"}
玩法 6 · 前のセリフを受けて話す
セリフを1つずつ孤立させると、相手の言葉を聞いていないように聞こえます。前の一言と関係性を入れると、返事の温度が変わります。
# Seed Audio 1.0
引用上文：[#是…是你吗？怎么看着，好像没怎么变啊？]
语音指令：[#用久别重逢、又惊又暖、微微哽咽的语气]
合成文本：你头发长了……以前总说留不长。十年了，你还好吗？
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-6-context-continuation.mp3" title="玩法 6 · Seed Audio 文脈つき返答試聴" caption="前のセリフを引用して生成した試聴です。久しぶりに会った驚き、温かさ、少し詰まる声が出ています。" mediaId="seed-audio-play-6-context-continuation"}
玩法 7 · 声の複製：同じ役を同じ声で続ける
ドラマの音声は、1本のデモだけでは終わりません。同じ主人公が何話も出るなら、視聴者が同じ人物だと感じる声を保つ必要があります。音声複製、参考音声、設定値、キャラクターカードを、制作アセットとして管理します。使ってよい声だけを使い、本人の許可がない声や有名人の声を複製しないでください。
玩法 8 · キャラクターカード：演技を指示する一番強い方法
ここまでのテクニックを1つの制作ルールにまとめるのがキャラクターカードです。だれが、どこで、どんな声で、なぜそのセリフを言うのかを、モデルが読める形にします。
下の試聴は、中国語のキャラクターカードから生成したものです。音声と一致させるため、カード本文は中国語のまま掲載します。
【角色设定】
沈砚——表面清冷自持的世家公子，惯把脆弱藏在礼数与锋利言辞之下，从不在人前低头。
久病缠身，今夜是他自知撑不久的一晚。正因为他一向骄傲、克制，此刻的卸防与示弱才格外
动人：他不是天生温柔，是为了你，才肯软下来。
【场景】
深夜，烛火将尽的卧房，窗外初雪。他半靠床头，把伏在膝边啜泣的你轻轻拉进怀里。
声音很轻——说话已经耗力，越想温柔，气息越散。
【音色】
成年男性，低沉沙哑、气声偏多的磁性嗓音，近场耳语距离。语速缓慢、停顿长、呼吸清晰可闻。
基调：疲惫、隐忍、不舍，间或一丝他惯有的、被你看穿的轻佻笑意；尾音发颤，是极力克制
不让自己碎掉。魅惑来自压低的胸腔共鸣与气声，而非用力——越脆弱，越要轻。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/detailed-instruction.mp3" title="沈硯 · 最後に心をほどく試聴" caption="この音声は上のキャラクターカード例から生成しています。人物、場面、声の基調、文脈がそろうと、セリフが演技の流れになります。" mediaId="seed-audio-shenyan-terminal-softening"}
モデルへの渡し方：
- Seed Audio 1.0：キャラクター、場面、声の基調を演出指示として渡し、実際に読む本文と分けます。括弧の動作や感情は音声指示に変換し、セリフとして読ませないようにします。
- ElevenLabs：まず近い音色を選び、演技指示を
[weakly]、[whispers]、[voice trembling]、[chuckles softly]のようなタグに変えます。長い文章は感情のまとまりごとに分けます。
最初のプロンプトテンプレート
若い男性キャラクター。低い声で、疲れている。
大きな口論のあとで、感情をおさえている。
話す速度はゆっくり。
セリフ：もう、君をどう信じればいいのかわからない。
生成後は、まず感情が合っているかを聞き、次にキャラクターの声として合っているかを聞きます。平たすぎるなら感情の道筋を強め、芝居が大きすぎるなら強度を下げます。音声だけで判断せず、映像の表情、動き、編集のテンポに戻して確認します。
AIショートドラマ音声の簡単なワークフロー
- キャラクターのセリフを用意する。 セリフだけでなく、今の感情、場面、相手との関係も書きます。
- 音声モデルを選ぶ。 感情表現を優先するなら Seed Audio 1.0、声の安定と長期運用を優先するなら ElevenLabs から試します。固定キャラクターは AIドラマのキャラクター設定表 に声の基準を書いておくと安定します。
- 声のプロンプトを書く。 だれが話すのか、声の近さ、感情を隠しているのか崩れているのか、実際のセリフはどれかを分けます。
- 生成して聞き直す。 感情、音色、キャラクターらしさの順で確認し、使えるカード、音色、設定、失敗例を残します。
- 映像の中で試す。 声が表情、動き、ショット、物語のタイミングと合っているかを確認します。
一言でまとめると、感情は脚本から来て、声の同一性はキャラクター設定表から来ます。Seed Audio 1.0 と ElevenLabs は、そのルールを音として出力する役わりです。 制作を始めるときは Arcloop Worlds で、脚本、キャラクター、声のルールを同じプロジェクトに残しましょう。
FAQ
最初はどちらを試せばいいですか？ 中国語短劇、細かい感情、方言、雰囲気のある音声なら Seed Audio 1.0 から試すと方向が見えやすいです。固定キャラクター、多言語版、1行ずつの調整なら ElevenLabs が向いています。同じ場面で両方を試すのが一番早いです。
Seed Audio 1.0 は普通のTTSと何が違いますか？ 普通のTTSは1本の人声を作るものです。Seed Audio 1.0 は、キャラクター、感情、ナレーション、環境音、効果音を同じドラマ目的に向けて扱う場面音声として考えると使いやすくなります。
ElevenLabs は中国語短劇にも使えますか？ 使えます。ただし、中文のネット口調、方言、短劇らしい間は、実際のセリフで確認する必要があります。強みは音色の安定、多言語展開、タグによる細かい調整です。
同じ役が別人の声に聞こえないようにするには？ 声をアセットとして管理します。同じ音色または複製音声、同じ設定、同じキャラクターカードを使い、変更した場合は理由を記録します。
なぜ一部の例が中国語なのですか？ 今回の試聴素材は中国語短劇の音声ワークフローで作られているため、音声と一致するように本文例も中国語のまま残しています。考え方は他の言語でも同じです。人物、感情、場面、声の基調、再利用ルールを先に決めます。
