ElevenLabs Eleven V4 · 日本語AI音声ガイド
Eleven V4 でリアルな日本語AI音声を作る方法
この映像の声は、すべて AI です。ElevenLabs の Eleven V4 で、テキストから作りました。ささやくナレーター、泣き出す女優、ドラゴン、無愛想なタクシー運転手、本物の方言、そして90以上の言語。実際に使ったプロンプトとあわせて、同じような声を自分で作る方法を紹介します。
Eleven V4 のフル映像。声はすべて AI 生成で、各セリフのプロンプトが再生にあわせて画面に表示されます。
この映像の内容
リアルな声を作る手順
- 1
Creative Claw を ChatGPT か Claude につなぐ
ChatGPT のプラグインディレクトリから Creative Claw をインストールするか、Claude にコネクタとして追加します。Google アカウントでサインインするだけ。ElevenLabs のアカウントも API キーも必要ありません。
- 2
ほしい声を、ふつうの言葉で頼む
誰が話すのか、どんな気分か、何を言うのかを伝えます。たとえば「この商品紹介を、温かく自信のあるナレーターで読んで。最後の一文はささやき声で」。Eleven V4 スキルが声を選び、タグも書いてくれます。
- 3
[タグ]で演技を演出する
変えたい言葉の直前に、角かっこで指示を入れます。[ささやき声で]、[叫ぶ]、[ゆっくり、ドラマチックに]、[笑いが止まらない様子で]、[泣きながら]。同じセリフが、5通りの演技に変わります。
- 4
セリフの中に効果音を入れる
タグで音も鳴らせます。[ゴロゴロと鳴り響く大きな雷鳴]、[ワンワンと吠える犬の声]、[割れんばかりの拍手喝采]、[炭酸飲料の缶をプシュッと開ける音]。風や波のような環境音は、セリフの途中の「……」のあとに入れるのがいちばんうまくいきます。
- 5
新しい声をデザインする、または本物の方言を選ぶ
声を一文で説明すれば、ボイスデザインがその声を作ります。方言は、ひとつの声にまねさせるのではなく、その方言をネイティブに話す声を選びましょう。Creative Claw が探してくれます。
映像で実際に使ったプロンプト
Eleven V4 に送ったセリフそのままです。コピーして言葉を変え、タグはそのまま使ってください。
[ささやき声で] 秘密を教えてあげる。
[笑いが止まらない様子で] 秘密を教えてあげる！
[わくわくと] 効果音だって作れるんです。嵐……[ゴロゴロと鳴り響く大きな雷鳴] 犬……[ワンワンと吠える犬の声] そして、観客！[割れんばかりの拍手喝采]
[ぶっきらぼうに] で、どちらまで？ [ため息] まさか、夕方のラッシュに羽田なんて言わないでくださいよ……[キキーッと響く急ブレーキの音] おいおい、勘弁してくれよ！
[低く、ゆっくりと語る語り部] その夜……[ヒューヒューと吹き荒れる嵐の風] 塔の扉が、軋みながらゆっくりと開いた……[ギィィと軋む木の扉] [石の床に響く足音]
[元気いっぱいのアナウンサー] 夏。猛暑。[グラスの中でカランと鳴る氷] そこへ……[炭酸飲料の缶をプシュッと開ける音] [シュワシュワとはじける泡の音] SPRITZ！ キンキンに冷えたレモネード……[観客の長く続く歓声と拍手] Spritz。夏を、クールに。
[落ち着いて、共感を込めて] お気持ち、よくわかります。[カタカタとキーボードを打つ音] 見つかりました。お荷物は配達員が持っておりますので、明日の正午までにお届けします。
[穏やかに、自然なペースで] 息を吸って。[岸に打ち寄せる波の音] そして、吐いて。[小鳥のさえずり]
一文から、まったく新しい声をデザイン
映像のタクシー運転手は実在しません。人物像を説明すると、ボイスデザインが3つの候補を生成し、いちばんしゃがれた声を選びました。年齢、なまり、声質、態度。どんなキャラクターでも同じように作れます。
六十五歳の東京のタクシー運転手。低くしゃがれた、ガラガラの太い声。下町の江戸っ子口調で、ゆっくり話す。無愛想で皮肉屋だが、根は温かい。
まねではない、本物の方言
ひとつの声に方言をまねさせると、どうしても不自然になります。その方言をネイティブに話す声を使うのがコツです。映像では、3人の話し手が同じ質問を、東京の標準語、大阪弁、九州の方言で話しています。
- 東京
- 大阪
- 九州
料金
Creative Claw の Eleven V4 は、音声1分あたり約20クレジット（1,000文字あたり約21クレジット）です。10ドルで1,000クレジットを購入でき、サブスクリプションはありません。新規アカウントには100クレジットが無料で付き、音声およそ5分ぶんに相当します。
よくある質問
Eleven V4 の声は、どれくらいリアル？+
Eleven V4 は ElevenLabs でもっとも表現力の高いモデルで、2026年9月30日時点で Artificial Analysis の text-to-speech アリーナで1位です。ささやき、笑い、泣き、演出に反応するので、ただの読み上げではなく「演技」に聞こえます。
無料で試せますか？+
はい。Creative Claw の新規アカウントには100クレジットが無料で付きます。Eleven V4 の音声でおよそ5分ぶんです。サブスクリプションはありません。
ElevenLabs のアカウントや API キーは必要？+
不要です。ElevenLabs との接続は Creative Claw が行います。Creative Claw を ChatGPT か Claude につないで、声を頼むだけです。
対応している言語と方言は？+
Eleven V4 は90以上の言語を話せます。特定の方言やなまりが必要なときは、Creative Claw がそれをネイティブに話す声を選びます。ひとつの声にまねさせるより、ずっと自然に聞こえます。
ささやき声や叫び声、笑い声にするには？+
セリフの前に、角かっこで指示を書きます。[ささやき声で]、[叫ぶ]、[笑いが止まらない様子で]、[泣きながら]、[ゆっくり、ドラマチックに]。または ChatGPT や Claude に話し方を説明するだけで、Eleven V4 スキルがタグを付けてくれます。
Eleven V4 Turbo とは？+
Eleven V4 の高速版で、リアルタイムの音声エージェント向けです。応答時間はおよそ100ミリ秒。映像のサポート通話で使っています。
最初の声を、1分で作ろう
Creative Claw を ChatGPT か Claude につないで、声を頼み、演出するだけ。新規登録で100クレジット無料。
無料で試すこの映像は Claude Opus 5.5 と Creative Claw で作りました。動画生成モデルは使っていません。すべてのフレームはコードで動くアニメーションで、ポートレートは Creative Claw で生成し、声はすべて Eleven V4 または V4 Turbo です。
