メインコンテンツへスキップ
ログイン無料で登録

プロンプトガイド

Eleven Speechのプロンプトの書き方

Eleven Speechのプロンプトガイド。[whispers] や [laughs] などのオーディオタグ、間、発音を使ってElevenLabs v4を演出する方法と、ナレーションの例を紹介します。

Eleven v4を試すEleven Speechのモデルページ

クイックスタート

Eleven Speechで最初のいいプロンプトを作ろう

初心者に必要なことを1分でまとめました。最初に知っておきたいこと、大切なルール、入力するだけのテンプレート、コピーして使えるプロンプトです。

最初に知っておきたいこと

プロンプトがそのまま台本になります。Eleven Speechは、書かれた言葉をすべて、選んだ声で読み上げます。ただし角括弧の中は別です。これはオーディオタグで、[whispers]、[laughs]、[sarcastic]、[sighs] のように演技を指示します。セリフは聞こえてほしい通りに書き、タグは効果をつけたい言葉の直前に置き、役に合う声を選びましょう。Voice設定がキャラクターそのものです。クリップの長さは、言葉を話すのにかかる時間で決まります。

いちばん大切なルール

  1. 話してほしい言葉だけを書く

    角括弧の外はすべて読み上げられます。ト書きも例外ではありません。「She said softly」は声に出して読まれ、[softly] は演技になります。

  2. タグは効果をつけたい言葉の前に置く

    [annoyed] This is hard. 反応を表すタグは言葉の直後に置きます。This is hard. [sighs]

  3. 聞き取れるものだけをタグにする

    感情、話し方、声が出す音が対象です。[excited]、[whispers]、[chuckles] など。[smiling] や [walks away] は声では表現できません。

  4. タグに合う声を選ぶ

    その声がもともと持っている話し方が、いちばんうまくいきます。穏やかで温かいガイド声は説得力のある叫びには向きませんし、洗練されたアナウンサー声は [giggles] を無視することもあります。まず声を選び、それからタグを付けましょう。

  5. 数字や記号は言葉で書く

    「Forty-five dollars」と書き、「$45」とは書かない。「two thirty PM」と書き、「14:30」とは書かない。数字、記号、略語は読み間違えられることがあります。

テンプレートに入力しよう

角かっこの部分を自分のアイデアに置き換えてください。不要な部分は省いてもOKです。

テンプレート
[Direction tag] [First line]
[Delivery tag] [Next line] [Reaction tag]
入力済みのテンプレート
[Warm, conversational tone] I wasn't going to tell anyone this... but I've been practicing.
[whispers] Every night. In the garage. [laughs]
  • [Direction tag] 文章全体の雰囲気を、角括弧に入れたまま書きます。例: [Warm, conversational tone]
  • [First line] 読み上げる言葉。耳で聞くことを意識し、句読点をきちんと付け、括弧は使いません。
  • [Delivery tag] 次の言葉の話し方を角括弧で指定します。例: [whispers]、[excited]、[sarcastic]
  • [Next line] 次に読み上げる言葉。
  • [Reaction tag] 言葉の後に声が出す音を角括弧で指定します。例: [laughs]、[sighs]、[clears throat]。不要なら入れなくて大丈夫です。

まず試したいプロンプト

  • 1行で3つの気分

    [appalled] Are you serious? [sighs] I can't believe you did that!

    うまくいく理由: 最初のタグが言葉の前に気分を決め、2つ目のタグが言葉の合間に反応を添え、あとは句読点が雰囲気を支えます。

  • 商品紹介のナレーション

    [excited] Meet the lightest trail shoe we've EVER made. [short pause] Two hundred grams... [impressed] and it still grips wet rock. [warm, confident] Go further. Feel less.

    うまくいく理由: 大文字で1語を強調し、重みは言葉で書き出し、間のタグと三点リーダーでリズムを作っています。VoiceはElowenに設定してください。

  • キャラクターの演技

    [Low, steady voice, restrained urgency] Keep the lantern covered. If they see the light, they'll know we crossed the river.

[Quietly, with controlled fear] I heard them at the bridge... not soldiers. Something else.

[Voice rising into firm resolve] Then we don't stop. We reach the tower before sunrise.

    うまくいく理由: それぞれの場面は、俳優へのメモのような平易な言葉で始まり、場面の間は空行で区切ります。VoiceはSawyerに設定し、StabilityをExpressive寄りに動かしてください。

  • ほかの言語

    [cheerfully] ¡Buenos días! Hoy vamos a preparar el mejor café de olla de tu vida... [whispers] con un ingrediente secreto.

    うまくいく理由: 話してほしい言語でテキストを書いてください。どの声も流暢に話し、タグは英語のままで構いません。

上級編

Eleven Speechの上級プロンプト術

基本に慣れたら試したい、より細かくコントロールするためのテクニックです。

声とStabilityの選び方

Eleven Speechには、声を言葉で説明する専用の場所はなく、クリップから声をコピーすることもできません。Voice設定がそのままキャラクターです。Voiceメニューをキャスティング表のように眺めて、役に合った自然な声域の声を選びましょう。タグがうまく効かないときは、声の特徴として言い換える([low, gravelly voice])か、すでにその話し方を持つ声に切り替えてください。

Stabilityは、読みの揺れ幅を決めます。Expressive寄りにすると、声はタグにより大胆に反応し、テイクごとの変化も大きくなります。Steady寄りにすると、その声本来の基準に近いままです。演技が中心でタグの多いセリフは0.3前後、テイクが変わっても同じ印象でなければならないナレーションは0.7前後から試してみてください。

  • ナレーションやストーリーテリング: Darian、Elara、Florence、Sawyer。明るい広告や解説: Elowen、Jade、Lawrence。カジュアルで親しみやすいセリフ: Maisie、Warren、Baxter。ニュース調: Alicia、Eldrin。ガイドやメンター役: Talia、Caleb、Wyatt。ゲームのヒーロー: Kaelen。
  • 同じSeedなら似たテイクにはなりますが、完全に同じにはなりません。大事なセリフは、2〜3テイク生成してベストを選びましょう。

構成: 耳で聞くために書く

読みの印象は、テキストの書き方で何より大きく変わります。自然な話し言葉で、句読点をきちんと付け、場面の区切りには改行を入れてください。そのうえでタグを足します。台本の言葉は1語も変えません。

長いナレーションでは、各段落の冒頭に、その段落全体への演出タグをひとつ、俳優へのメモのように書きます。例: [Quiet, reflective narration]、[Building tension, measured pace]、[Warm, intimate narration]。その中で変化する箇所だけに、個別にタグを付けましょう。

  • 感情はタグで表し、セリフの周りの地の文では表しません。「she asked, her voice trembling」は声に出して読まれますが、[trembling] Are you leaving? は演技として表現されます。
  • 物語自体に「He laughed loudly」とあるときは、その文をそのまま残し、笑い声も欲しければ後ろに [chuckles] を足してください。地の文をタグに置き換えてはいけません。
  • セリフごとに話し方に変化をつけ(元気に、リラックスして、驚いて、考え込むように)、セリフの意味と矛盾するタグは選ばないでください。
  • 普通のペースの話し声は1秒に約2.5語なので、30秒のナレーションにはおよそ75語が入ります。映像の尺に合わせるときは、読みを急がせず、台本を削りましょう。

長いナレーション、段落ごとにタグ

The rain had stopped before dawn, leaving the old road silver beneath the moon.

[Quiet, reflective narration] She had promised herself she would not return. Yet there she was, at the gate, with the key cold against her palm.

[Building tension, measured pace] The lock turned easily. Too easily. [Softly, with wonder] On the table sat a single lantern... already lit.

うまくいく理由: 最初の段落はその声本来のスタイルで読まれ、以降の段落は冒頭で全体へのメモを付け、途中のタグがひとつ、流れの転換点を示します。VoiceはFlorenceに設定してください。

感情と話し方を指定するオーディオタグ

オーディオタグとは、角括弧で囲んだ単語や短いフレーズのことで、声はそれを読み上げずに演じます。効果をつけたい言葉の直前、反応なら直後、または自然な間の位置に置きます。タグは組み合わせられ([whispers] [nervously])、[under his breath]、[trying not to laugh]、[voice breaking] のように、自分の言葉で自由に書くこともできます。

Eleven Speech は声だけでなく効果音も生成するため、短くあいまいなタグだと誤って解釈されることがあります。話し方が音として、あるいは音が話し方として受け取られることもあります。話し方は [low, gravelly voice] や [quietly, with controlled fear] のように声の質として表現すると、効果音の指示と取り違えられません。

  • 試験的なタグは声によって差が出やすくなります:[strong French accent](どんなアクセントも可)、[sings]、[woo]。使う前に試してみてください。
  • タグの効果が控えめすぎるときは Stability を下げ、声が大げさになるときは上げましょう。
入力する言葉効果
[excited]明るく、軽快で、弾むような勢い。
[sarcastic]皮肉っぽく、わかっている口調。言葉と反対の意味になる。
[whispers]息混じりのささやき。
[shouting]張り上げた、よく通る声。
[thoughtful]一語ずつ吟味するように、ゆっくりと。
[curious]興味を持って問いかけるような、上がり調子。
[annoyed]ぶっきらぼうで、いらだった調子。
[appalled]ショックを受けた非難。
[mischievously]いたずらっぽく、何か企んでいる感じ。
[crying]涙ぐんで、声が不安定。
[happy] [sad] [angry] [surprised]基本の感情。後に続く言葉に色を添える。
[under his breath]聞かれたくないかのように、ぼそぼそと。

笑い、ため息、息づかい

非言語タグは、人が言葉の合間に出す音です。実際に起こる位置に置きましょう。反応なら台詞の後、助走なら前、間なら途中に。笑いは、一つの台詞の中で段階的に大きくできます。

入力する言葉効果
[laughs]思いきり笑う。
[chuckles]小さく低い笑い。
[giggles]軽く高い笑い。
[starts laughing]台詞の途中で笑い出す。
[laughs harder]すでに始まっていて、だんだん大きくなる笑い。
[wheezing]息が続かないほど笑う。
[sighs]台詞に応じて、疲れ・安堵・うんざりを表す。
[exhales sharply]短く強く息を吐く。いらだちや驚き。
[inhales deeply]話す前に大きく息を吸う。
[clears throat]台詞の前の咳払い。
[gulps]緊張して唾をのむ。
[snorts]吹き出す笑い、または軽蔑の鼻息。

だんだん大きくなる笑い

Okay, okay, I'll tell you. [chuckles] So the goat... [starts laughing] the goat ate the WEDDING invitations. [laughs harder] All two hundred of them. [wheezing] I'm sorry, I can't.

うまくいく理由: 笑いは4段階で大きくなり、それぞれ実際に起こりそうな位置に入ります。周りの言葉はそのままです。

間、強調、発音

Eleven Speech は SSML を読み取らないため、山括弧で囲んだ break タグは効果がありません。ためらいや重みには三点リーダー、短い間にはダッシュ、区切りには改行、またはポーズのタグを使いましょう。

単語を強調するには大文字にし("It was a VERY long day")、リズムは疑問符、感嘆符、三点リーダーで整えます。モデルに必要な強調はこれだけです。

声が読み間違える名前や用語は、強勢記号付きの IPA で、スラッシュで囲み、さらにダブルクォートの中に書きます:"/ˌbaɪoʊˈkemɪstri/" のように。必要な単語だけを囲んでください。Siobhan を "Shiv-awn" と書くような、単純な読み仮名表記でも機能します。結果は声によって異なるので、使う前に聞いて確認しましょう。

  • すべて話し言葉のとおりに書きます:01/02 は "January second"、100% は "one hundred percent"、Dr. は "Doctor"、ウェブアドレスは "mage dot space slash pricing" のように。
  • テキストに @ を入れないでください。Mage は @ の後に文字が続くと保存済みのハンドルとして読み取り、保存していないハンドルだと、課金される前に生成が止まります。代わりに "at" と書きましょう(例:"find us at mage space")。
入力する言葉効果
...ためらい、または次に来る言葉への重み。
—短い間、または考えの途中で途切れる台詞。
[short pause]一拍の沈黙。
[long pause]長めの意図的な沈黙。

音声に入れる効果音

タグで、読み上げの中に音を入れることもできます:[applause]、[clapping]、[door slams]、[explosion]、[gunshot]。その瞬間に音が合うとき、たとえば台詞の前のドアの音などに使いましょう。

BGMや音の環境全体が必要なときは、Eleven Music または Seed Audio で作り、編集ソフトで音声の下にミックスしてください。

音、そして声

[applause] Thank you, thank you. [laughs] Please, sit down... [clears throat] Tonight, we're giving away something no one here has ever seen.

うまくいく理由: 拍手でその場面が始まり、笑いと咳払いに導かれて話し手が台詞に入ります。

声どうしの会話

1回の生成で話せるのは1つの声だけで、"Speaker 1:" や "Mara:" のようなラベルはそのまま読み上げられます。会話にするには、話し手ごとに声を選び、それぞれの台詞を別々に自分の声で生成し、音声または動画編集ソフトでクリップを順に並べて、間は短い無音でつなぎます。

同じ話し手の連続する台詞は、1文ごとに分けず1回の生成にまとめます。割り込みはカットをまたいで書きます。切られる台詞はダッシュで終え、返答は [jumping in] や [interrupting] で始めます。

  • 話し手ごとにすべてのクリップで同じ声、同じ Stability を使うと、会話が1本の録音のように聞こえます。
  • 割り込みの場合は、最初のクリップをダッシュで終え("So I was thinking we could—")、別の声での返答をタグとダッシュで始めます("[jumping in] —test the new timing?")。

2人の声のシーンにおける、片方の話し手の発話

[nervously] So... I may have tried to fix the boiler myself. [sheepish laugh] It's making a NEW noise now.

うまくいく理由: 1つの声、1回の発話で、話し手のラベルはなし。Maisie で生成し、返答は別の声で生成して、2つをつなぎます。

ほかの言語とアクセント

話してほしい言語でテキストを書いてください。どの声も、自分のアクセントを引きずらず流暢に話し、タグは英語のままで大丈夫です。

アクセントを強めたいときは、[strong Italian accent] のようなタグを試してください。アクセントのタグは声によって効果が違うので、何テイクか生成してみましょう。

よくある間違い

避けたい書き方と、おすすめの書き方

  • 避けたい書き方: テキストに書き込んだト書き。

    She whispered nervously: Is anyone there?

    おすすめの書き方: タグ。読まれるのではなく、演じられます。

    [whispers] [nervously] Is anyone there?

  • 避けたい書き方: 見た目を表すタグ:[smiling]、[walks away]、[music]。

    おすすめの書き方: 聞こえるものを表すタグ:[warmly]、[chuckles]、[sighs]。音楽は Eleven Music で作りましょう。

  • 避けたい書き方: SSMLのbreakタグ。

    おすすめの書き方: 三点リーダー、ダッシュ、改行、または[short pause]。

  • 避けたい書き方: 数字、記号、Webアドレス。

    Tickets are $45 at 14:30. Details at mage.space/events.

    おすすめの書き方: すべて読み上げる通りに書く。

    Tickets are forty-five dollars at two thirty PM. Details at mage dot space slash events.

  • 避けたい書き方: 1回の生成に話者ラベルを入れる:「Speaker 1: Hi. Speaker 2: Hey.」

    おすすめの書き方: 話者ごとに1回ずつ生成し、エディターでつなぐ。

  • 避けたい書き方: 声やセリフの意味とぶつかるタグ。

    おすすめの書き方: その話し方がもともと合っている声と、言葉に合ったタグ。

  • 避けたい書き方: 効果音として出てしまう、あいまいな一語のタグ。

    おすすめの書き方: 声の質を表す言葉:[low, gravelly voice]。

  • 避けたい書き方: タグを付けながらセリフを書き換えること。

    おすすめの書き方: 台本は書いたままにして、その前後にタグを足す。

よくある質問

Eleven Speechのプロンプトに関する質問

ElevenLabsのオーディオタグとは?
角かっこで囲んだ言葉で、読み上げられずに声へ指示を出します。例:[whispers]、[laughs]、[sarcastic]、[sighs]、または[Low, steady voice, restrained urgency]のようなフレーズ。変えたい言葉の直前に置きます。リアクションの場合は直後に置きます。
Eleven Speechのプロンプトはどのくらいの長さにすべき?
音声の長さに合わせます。タグ以外の言葉はすべて読み上げられ、クリップの長さは読み上げにかかる時間で決まります。通常の速さで1秒あたり約2.5語です。長い台本は段落に分け、各段落の先頭に演出タグを置くと読みやすくなります。
Eleven Speechで間を入れるには?
ためらいには三点リーダー、短い間にはダッシュ、区切りには改行、または[short pause]や[long pause]タグを使います。SSMLのbreakタグには対応していません。
Eleven Speechにささやかせたり笑わせたりするには?
ささやかせたい言葉の前に[whispers]、笑わせたいセリフの後に[laughs]を置きます。声がタグに従わない場合は、安定性をExpressive寄りにするか、その話し方に合う声を選んでください。
名前の発音を直すには?
名前をアクセント記号付きのIPAで、スラッシュで囲み、さらにダブルクォートで囲んで書きます(例:"/ˌbaɪoʊˈkemɪstri/")。または、聞こえ方に合わせて綴り直します。結果は声によって変わるので、必ず聞いて確認してください。
Eleven Speechで1つのクリップに2つの声を入れられる?
できません。1回の生成は1つの声で話し、話者ラベルはそのまま読み上げられます。話者ごとにそれぞれの声で生成し、エディターでクリップをつないでください。
タグが効果音として出てしまうのはなぜ?
Eleven Speechは効果音も作れるため、短いタグが効果音と解釈されることがあります。[gravel]ではなく[low, gravelly voice]のように、声の質を表す言い方に変えてみてください。

ElevenLabs v4で最初の音声を生成しよう

新規アカウントには300 Gemsが無料で付与され、Eleven v4を試すのに十分です。インストール不要、クレジットカード不要。

Eleven v4を試す