https://tech.ldas.jp/ja/tags/podcast/Recent content in Podcast on デジタルアーカイブシステムの技術ブログHugojaThu, 30 Apr 2026 06:00:00 +0900https://tech.ldas.jp/ja/posts/elevenlabs-v3-japanese-tech-narration/Thu, 30 Apr 2026 06:00:00 +0900https://tech.ldas.jp/ja/posts/elevenlabs-v3-japanese-tech-narration/<blockquote> <p>本記事は生成AIと共同で執筆しています。事実関係は可能な範囲で公式ドキュメント等と照合していますが、誤りが含まれている可能性があります。重要な判断を行う前にご自身でも一次情報をご確認ください。</p></blockquote> <p>技術ブログの記事を、自分の声を学習させた合成音声で朗読させる実験を行いました。音声合成は <a href="https://elevenlabs.io/">ElevenLabs</a> の Voice Cloning + v3 モデル(<code>eleven_v3</code>、執筆時点では alpha)を利用しています。</p> <p>本記事では、同一原稿を v2 (<code>eleven_multilingual_v2</code>) と v3 で合成して並べた A/B サンプルと、運用上の観察を記録します。</p> <p>副次的に、生成した朗読音声をカバー画像 + 波形オーバーレイの MP4 として YouTube にも置いており、<a href="https://www.youtube.com/playlist?list=PLuu5rEqJKB_93muUiPbXaXejRL1WNlJQJ">専用のプレイリスト</a>にまとめています。</p> <h2 id="背景">背景</h2> <p>背景として、特定の人物の声や話し方を AI で再現し、その人物が書き残したテキストやインタビュー記録を、本人らしい音声で読み上げ・対話する、といった取り組みへの関心があります。歴史人物や故人をデジタルアーカイブする文脈でこうした試みが進められており、技術的・倫理的な検証材料を、自分自身で手を動かして集めたいと考えました。</p> <p>ただし、他者の声を扱うのは権利・同意・倫理の観点から慎重であるべきなので、まずは自分自身の声で同じパイプラインを通し、合成品質・運用コスト・留意点を整理する、という自己実験を先に行うことにしています。</p> <h2 id="実験パイプライン">実験パイプライン</h2> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">記事 (Markdown) </span></span><span class="line"><span class="cl"> ↓ 朗読原稿 (.txt) に書き起こし (現時点では Claude Code で半手動) </span></span><span class="line"><span class="cl"> ↓ ElevenLabs API (eleven_v3) で MP3 合成 </span></span><span class="line"><span class="cl"> ↓ Pillow でカバー画像 (1920x1080) を生成 </span></span><span class="line"><span class="cl"> ↓ ffmpeg で静止画 + 音声 + showfreqs バー → MP4 </span></span><span class="line"><span class="cl"> ↓ YouTube Data API で公開 + 専用プレイリスト + タグ別 PL 登録 </span></span></code></pre></div><p>音声のみのカバーは見た目が単調になりやすいので、ffmpeg の <code>showfreqs</code> フィルタで音声波形バーを下部にオーバーレイしています。</p>