ElevenLabs をMageで使う

2つあります。Eleven SpeechはElevenLabsの音声読み上げで、最も表現力豊かな音声モデルEleven v4を搭載。16種類の声、90以上の言語に対応し、[whispers]、[laughs]、[door creaks]などのオーディオタグで、1行ずつ読み方を指示できます。Eleven MusicはElevenLabsの音楽モデルで、歌詞とボーカル入りの曲やインストゥルメンタルを、10秒から5分まで作れます。

どちらもElevenLabs自体を通して動くので、声も曲もElevenLabsが生成したものです。別途ElevenLabsを契約する必要はなく、Mageのアカウントで使えます。どのプランでもGemsで利用でき、有料プランなら各プランの対象の長さまで使い放題です。

MageはElevenLabsとは別の独立したクリエイティブプラットフォームです。音声まわりを幅広く補えるのが強みで、Mango 3やNano Bananaなどの画像モデル、Cherry 2 Proなどの動画モデル、クリップをまたいで顔と声を保てる保存済みキャラクター、音声を映像にするLipsyncやMusic Videoなどのアプリがそろっています。

Eleven v4は話す前にスクリプト全体を読み込むので、強勢、間、感情が内容に沿って自然になります。角括弧のタグで演出できます。[excited]、[sarcastic]、[softly]は感情、[whispers]、[shouting]は声の大きさ、[sighs]、[laughs]はリアクション、[door creaks]、[applause]は音声内の効果音を加えます。MP3の長さは読み上げと同じで、1回のリクエストで最大5,000文字まで入力できます。

温かい語り手から洗練されたイギリス人アナウンサーまで16種類のボイスから選べ、90以上の言語で書けます。スクリプトやボイスの詳しい使い方はAI音声読み上げガイドで、Eleven Speechのモデルページでは英語、スペイン語、フランス語、日本語のサンプルが聴けます。

• タグは変えたいセリフの直前に置く
• 間をつくるには「…」を使う
• Stabilityを下げると表現が豊かになる
• 読み方が大事なときは数字を文字で書く

Eleven Musicは、説明文から新しい曲を作り、歌詞を書いて歌わせます。Instrumentalをオンにすればインストゥルメンタルも作れます。長さは10、30、60、120、180、300秒から選べます。ジャンル、雰囲気、テンポ、楽器、歌い手、テーマを書きましょう。実在のアーティスト名を挙げたり既存の歌詞を引用したりしたプロンプトは拒否されるため、アーティスト名ではなくスタイルで指定してください。

曲のプロンプトの書き方はAI作曲ガイドをご覧ください。Eleven Musicのモデルページには、ポップスやR&Bからレゲトン、ローファイまでのサンプルがあります。

有料プランでは、プランの範囲内のリクエストならGemsを使わずに実行できます。Eleven Speechはテキストの長さが基準で、Basicは1リクエスト750文字(音声約50秒分)、Proは1,500文字、Pro Plusは3,250文字、Maxは4,750文字までです。Eleven Musicは曲の長さが基準で、Basicは10秒、Proは30秒、Pro Plusは1分、Maxは2分までです。これを超える場合はGemsを使用し、音声は250文字ごとのブロック(開始した分も1ブロックと数えます)につき30 Gems、音楽は1秒あたり3.75 Gemsです。

プランの比較はメンバーシップページでご覧いただけます。

開発者は、Mage APIのPOST /v1/eleven_speech/generateとPOST /v1/eleven_music/generateを呼び出せます。Mageのすべてのモデルで、キーも Gemsの残高も共通です。キーと料金はMage APIのページで確認できます。Mage MCPサーバーに接続すると、ClaudeやChatGPTなどのアシスタントが、先にGemsを提示したうえで、チャット内でスクリプトの読み上げや作曲をしてくれます。