Voice Designで作れるものを理解する
Voice Designは、Noiz AIが搭載する生成型の音声作成ツールです。プリセットのライブラリから選ぶのではなく、性別、年齢、トーン、アクセント、話す速さ、性格といった要素を自然な言葉で描写するだけで、モデルがゼロから声を作り上げます。
左側のサイドバーの Playground → Voice Design から開けます。Voice LibraryやVoice Cloneと並んで置かれています。
よくある使い方は次の通りです。
オーディオブックやゲームに登場するキャラクター専用の個性的な声
ブランドとして一貫性を持たせたナレーター人格
落ち着いた声、権威のある声、親しみやすい声など、視聴者に合わせたナレーション
Voice Cloneに進む前に、いろいろな声のスタイルを試す下書き作業
1回の生成につき3つのバリエーションができるので、聴き比べたうえで1つをライブラリに保存します。
Voice Designの説明文を書く
サイドバーから Voice Design を開きます。テキスト入力欄に、生成したい声を描写します。
トーン、性別、年齢、アクセント、話す速さ、性格をできるだけ具体的に書きましょう。描写が詳しいほど、イメージに近い結果が得られます。使える文字数は最大 1,000文字 です。
テキストの説明文に加えて、キャラクターの画像をアップロードすることもできます。年齢や表情、雰囲気といった画像からの視覚的な手がかりも、声の性格づくりに反映されます。
Follow Prompt スライダー（0〜100）は、モデルがどれだけ説明文に忠実に従うかを調整します。数値を上げるほど忠実度が高くなります。まずは50で試し、結果が思うようでなければ調整してください。
何から書けばいいか分からないときは、インスピレーション用のテンプレート——Wise Elder、Sci-Fi AI、News Anchor、Dark Hero——を使いましょう。テキスト欄にたたき台が入るので、そこから自分の用途に合わせて編集していけます。
気に入ったバリエーションを選ぶ
Generate Voice をクリックします。説明文をもとに、Noiz AIがVoice 1、Voice 2、Voice 3という3つの異なる声を作成します。
それぞれを聴き比べてみましょう。合う声が見つかったら選択し、Select をクリックして保存画面に進みます。
3つとも合わないときは、説明文を調整してください。より具体的な詳細を加える、Follow Promptスライダーを動かす、別のテンプレートを試すなど、いくつかの方法で再生成できます。
名前を付けて保存する
保存画面では、声に名前を付けます（必須項目です）。言語、性別、年齢層は任意項目ですが、あとで絞り込んで探しやすくなります。
Label を追加してライブラリ内でタグ付けし、Description にはこの声を何のために作ったかを書いておきましょう。すべて入力できたら Save をクリックします。
Description欄を書いておくと、後日その声を使い直すときに、当時何のために作ったのかをすぐ思い出せて便利です。
生成した声をText-to-Speechで使う
保存が完了すると、新しい声はあなた専用のVoice Libraryに加わります。Text-to-Speech、Studio、APIのどこからでも選べるようになります。
Use this voice をクリックすると、新しい声を選んだ状態でText-to-Speechに直接移動できます。Design another voice を選べば、新しい声づくりをもう一度始められます。
Text-to-Speechでは、スクリプトを貼り付けて、Voice Libraryのドロップダウンから保存した声を選びます。My Voices の下に表示されます。
たくさんのバリエーションを保存する前に、Text-to-Speechで1行だけテストしてみましょう。実際の文脈でその人格がうまく機能するかどうかが、耳で確認できます。
より良いプロンプトを書く
仕様ではなく人物像を描写する。 「低い男性の声」ではなく、「40代後半のベテランドキュメンタリーナレーター、落ち着いていて説得力があり、少し南部特有の温かみがある」のように書くと、より豊かな声が生成されます。
話す速さとエネルギーに触れる。 「ゆったり」「はっきり」「会話のような」「テンポよく」といった言葉は、声の音色だけでなく話し方の方向性をモデルに伝えます。
アクセントと言語を明示する。 英国英語（RP）と標準的なアメリカ英語、オーストラリア英語のどれが欲しいのか、はっきり書きましょう。曖昧な描写は標準的なアメリカ英語になりがちです。
画像とテキストを組み合わせる。 視覚的な手がかりが結果を鋭くしてくれる場合は、キャラクターの肖像画も一緒にアップロードしましょう。
何度も生成する。 言葉づかいを少し変えるだけで、結果が大きく変わることがあります。1回1回を下書きだと思って試しましょう。
Follow Promptスライダーを意図的に使う。 50では創造性と正確さのバランスが取れています。説明文の細部まで厳密に守らせたいなら、80〜100まで上げてみてください。