AI対話生成ツール

1. 01

   会話を書く

   1行につき1ターン。ホストが1行目、ゲストが2行目と交互に続きます。既存の「名前: 台詞」形式のタグもそのまま使えます。

2. 02

   必要ならボイスを変更

   ホストとゲストには、対照的なボイスが既定で割り当てられています。名前の変更、別ボイスの選択、登場人物の追加が可能です。スクリプトからの話者検出は行いません。

3. 03

   生成してダウンロード

   「生成」をクリックするだけで会話が完成します。再生後、結合されたWAVまたはMP3をダウンロードできます。

Want to hear them? Browse all 54 voices →

• 01

  1ターンにつき1行を書く

  ホストが1行目、ゲストが2行目と交互に続けます。既存の台本に合わせて、任意の「名前:」タグも引き続き機能します。

• 02

  句読点で行間のビートを指示する

  読点はクォータービート、句点はハーフビート、ダッシュは実質的な間、省略記号は保持されたビートです。ためらいを表現するなら、「ええと…本当かどうかはわかりません。」と書きます。「ええと本当かどうかはわかりません。」では効果が出ません。間こそがためらいを演出し、Kokoroは句読点を忠実に再現します。

• 03

  ターン間に200〜400msの沈黙を設ける

  実際の会話の間の平均は約250msです。TTSクリップを連続させると機械的に聞こえます。編集ソフトでターン間に300msの完全な沈黙を入れると、2人の会話のように聞こえます。緊張感のある場面では100msに、思索的なやり取りでは600msに調整してください。

• 04

  50〜100msのオーバーラップで割り込みを演出する

  キャラクターAのクリップを単語途中で切り、キャラクターBのクリップをAが終わる50〜100ms前に開始します。この短いオーバーラップは「割り込んだ」という普遍的な音響シグナルです。オーバーラップ部分に100msのクロスフェードをかけると、つなぎ目が滑らかになり、自然な割り込みとして聞こえます。

• 05

  ヘッドホンでの聞き分けやすさのため、左右に少しパンする

  キャラクターAを左15%、キャラクターBを右15%にパンします。演劇的すぎるほどではなく、ヘッドホンで誰が話しているか混同しなくなる程度です。ハードパン（50%以上）はラジオドラマ向きです。ポッドキャストやオーディオブックでは15%が最適です。

• 06

  笑い声や「うんうん」は音韻的にスペルアウトする

  SSMLや<laugh>タグは不要です。発音したい言葉をそのまま書きます。「Hah hah hah」は3音節のきれいな笑い声、「mmhm」は同意、「ugh」は苛立ちとして発音されます。10文字のソロ生成で反応をテストし、よりクリアなボイスに差し替えた後、編集ソフトで別トラックにWAVを配置します。

共有ボイスエンジンの負荷を避けるため、Generateは各ターンを順番に実行します。