YouTube用テキスト読み上げ

1. 01

   原稿を入力する - AI音声ジェネレーター

   動画の目安は1分あたり約300〜350文字です。一度に最大5,000文字まで貼り付けられます。長い原稿は小分けにしてご利用ください。

2. 02

   ボイスを選択 - AI音声ジェネレーター

   9言語・54種類の自然なボイスから選べます。「プレビュー」を押すと、生成前に声のトーンを聴き比べられます。

3. 03

   音声を生成してダウンロード - AI音声ジェネレーター

   「生成」をクリックすれば、高音質な24 kHz WAV形式ですぐに保存できます。透かしや登録の手間はなく、完全無料です。

4. 04

   動画編集ソフトに取り込む - AI音声ジェネレーター

   WAVファイルをPremiere、DaVinci Resolve、CapCut、Final Cut Proなどに読み込みます。映像素材とタイミングを合わせて書き出せば完成です。

Want to hear them? Browse all 54 voices →

• 01

  音声生成の前に原稿の文字数を計算する

  英語の音声読み上げは1分あたり約150単語が目安です。10分の動画なら約1,500単語（約8,500文字）となり、FreeTextoSpeechで3回生成する分量に相当します。文の途中で音声が途切れないよう、シーンの切り替えに合わせて原稿を分割してください。

• 02

  句読点で間の取り方を調整する

  読点は短い間、句点は少し長めの間隔を作ります。ダッシュ記号を使えば、しっかりと間を空けることも可能です。一本調子に聞こえるときは文を2つに分け、展開が早すぎると感じたら三項リーダーを挟んでみてください。Kokoroモデルはこれらの記号を正確に認識するため、手軽に話速の緩急をつけられます。

• 03

  2つの声を組み合わせて離脱を防ぐ - AI音声ジェネレーター

  単一の声だけでナレーションを続けると、8分を過ぎたあたりで単調になりがちです。本編の語りと豆知識などの補足で2種類の声を使い分けると、視聴維持率が向上します。別の声が入ることで、視聴者は自然と話の区切りを認識できます。

• 04

  BGMの音量を声のピークから-18 dB下げる

  ナレーションの後ろで流すBGMは、音声のピーク時より12〜18 dBほど低く設定するのが基本です。PremiereやResolveのサイドチェインダッキング機能を使えば、声が入っている間だけBGMを下げ、間が空いたタイミングで自動的に戻せます。子音が聞き取りにくい場合は、BGMの音量が大きすぎます。

• 05

  動画全体の統合ラウドネスを-14 LUFSに揃える

  YouTubeは音量が大きい動画を自動で下げます。基準値は統合-14 LUFSです。これを超えると音が減衰され、迫力が損なわれます。動画編集ソフトのラウドネスメーターでマスター出力を-14 LUFSに合わせれば、音質を保ったまま配信できます。

• 06

  AI音声の開示が必要なケースを見極める

  YouTubeの生成AIコンテンツ開示は、実在の人物のリアルな描写や、医療・ニュース・選挙などの重要トピック、視聴者が実在人物の肉声と誤認する恐れがある場合に求められます。一般的な解説動画のナレーションなら原則不要ですが、迷ったときはアップロード画面で申告しておくと安心です。率直に開示しても、アルゴリズム上のペナルティを受けることはありません。

競合サービスの月間制限は変更される場合があります。比較の際は、ElevenLabsの無料プランの最新条件を直接ご確認ください。