Voice Kit：ご自身の声またはストック音声によるナレーション

Voice Kitは音声サービスを使って読み上げます。そのサービスがオフの間は、ページ上部に黄色の注意書きが表示され、すべての読み上げにはサンプル音が使われます。サンプル音は、音節のまとまりごとに話し言葉のリズムに合わせた柔らかい音で、カンマ、句点、[pause]マークの箇所には実際の間が入ります。すべての手順を試し、原稿のタイミングや長さを確認できますが、これは声ではありません。表示される場所ではすべて「サンプル音」と表示され、ストック音声は「Warm（サンプル）」と「Clear（サンプル）」という名前になり、MP3のダウンロードはオフになります（サンプルはWAVでダウンロードされます）。

ナレーションを始める（左）：「言語」を選び、4つのタブで原稿の入力元を選びます。入力または貼り付け：原稿全体を入力する欄です（段落ごとに1行になります。マイクボタンを押すと話した内容が入力されます）。「この原稿で始める」を押すか、「空白から開始」を押すと、AIが空の原稿を開き、AIに原稿を作成してもらうことができます。ファイル：Word（.docx）、PDF、テキスト、Markdown、HTML（8MBまで）。Webページ：アドレスを入力して「取り込む」を押すと、ページの読める文章が取り込まれます。Writing Pack：Writing Packの下書き一覧です。クリックすると、その文章が取り込まれます。非常に長い元データは6,000文字まで取り込まれ、その旨が表示されます。

ナレーション一覧には、作成したすべての原稿が、単語数、おおよその長さ、言語、日付とともに表示されます。クリックすると開きます（それぞれに専用のアドレスがあるため、ブックマークしたり、自分にリンクを共有したりできます）。原稿が4件を超えると検索ボックスが表示されます。

音声（右）には、ご自身の音声とストック音声が表示されます。原稿を開いた後に、その原稿を読み上げる声を選べます。

上部の名前はナレーションの名前です。クリックすると名前を変更できます。その横の「保存済み / 保存中…」は、入力を止めた少し後に、すべての変更が自動で保存されることを示します。

「言語」では、原稿を書く言語と読み上げる言語を設定します（英語、スペイン語、フランス語、ドイツ語、ポルトガル語、イタリア語、オランダ語、ポーランド語、日本語、中国語、韓国語、ヒンディー語）。「長さ」は目標時間です。15、30、60、90秒から選べます（もう一度押すと解除）。または「その他」欄で5〜600秒の任意の長さを入力できます。右側には推定値（約何秒、何語。毎分約150語＋間で計算）が表示され、目標を選ぶと「目標どおり」や、何秒長い・短いかが表示されます。

「原稿」には、読み上げられる形のままで全体が1つの欄に表示され、段落の間は空行で区切られます。ここで入力、貼り付け、またはマイクボタンを使えます。各段落は1つのパートです。読み上げ後に段落を変更すると、その部分だけが再度読み上げられ、欄の下の注記に変更されたパートの数が表示されます。

「パートごと」（原稿の上のスイッチ）では、各段落を個別に表示します。その言葉の下には、感情（自然、うれしい、わくわく、自信、温かい、落ち着き、真剣、好奇心、驚き、悲しい）、速さ（遅め、標準、速め）、声（メインの声、またはご自身の声やストック音声から選択。ホストとゲストのように複数の話者を1つの原稿に含めることもできます）、そして「単語を修正」があります。読み上げ後には、長さと再生ボタン、「このパートを再度読み上げ」、「3テイク」、ゴミ箱アイコンが表示されます。パートの感情、速さ、声を変更すると、そのパートは再読み上げの対象になります。感情は、Cartesiaエンジンでは実際の感情として、ElevenLabsでは表現の強弱として読み上げられます。

「3テイク」では、わずかに異なる話し方で、そのパートをさらに2回読み上げます。3つはテイク1、テイク2、テイク3として表示され、それぞれに再生ボタンがあります。「採用」を押すと、そのテイクが全体の読み上げに使われます（「採用済み」と表示されます）。「3テイクを新規作成」はテイク2と3を置き換えます。「原稿全体」に戻ります。「…から単語を追加」（同じ4つの入力元）では、末尾に文章を追加できます。「削除」（確認あり）では、ナレーションとその読み上げを削除します。

単語の読み方を修正するには、「原稿全体」で単語や名前を選択し、「読み方を修正」を押します（または「パートごと」で、パートの「単語を修正」を押して単語を入力します）。パネルには単語が表示され、「今すぐ聴く」で、「声」で選んだ声によりその単語を含む文が読み上げられます。「何が問題ですか？」では、「発音が違う」「アクセントの位置が違う」「1文字ずつ綴られる」「速すぎる、またはこもる」「別の単語に聞こえる」から選ぶか、ご自身の言葉で説明することもできます（入力またはマイク）。その後「修正案を探す」を押します。AIが、音声が正しく読める綴りを3〜4案提案します（例：in-FIN-ih-tee、Nguyenの代わりにWin）。それぞれ理由も表示されます。どれかの「聴く」を押すと、文の中での読み方を確認できます。「すべてで使う」を選ぶと発音リストに保存され、その単語を使うすべてのパートが再度読み上げられます。「この原稿だけ」を選ぶと、新しい綴りはこの原稿にのみ書き込まれます。または「読み方を入力」の下に、ご自身の綴りを入力して「聴く」で確認することもできます。「別の修正案」を押すと、再度提案されます。

発音リスト（スクリプトの下）：保存したすべての単語と読み方が、アカウント内のすべての読み上げとすべてのナレーションに反映されます。各単語には「聞く」ボタンとゴミ箱ボタンがあります。「追加」では、単語と読み方を手入力できます。書いたスクリプトは変わりません。単語は読み上げ時に適用されます。

間を入れるには [pause] または [pause 1.5s] と入力します。名前や単語が正しく読まれない場合は、発音どおりにつづりを書き直し、その行だけをもう一度読み上げてください。

AIライター（紫色の枠）は、文章の作成と修正を行う一つの枠です。新しいスクリプトでは、話してほしい内容（事業者名、特典、電話番号やウェブサイトなど、必ず入れたいもの）を入力または話してください。空欄のままでも構いません。「用途」（ソーシャル動画やリール、広告やラジオのスポット、電話の挨拶や保留音、製品やサービスの説明、イベント・セール・お知らせ、その他）と、「トーン」（フレンドリー、プロフェッショナル、エネルギッシュ、落ち着いた、面白い）を選び、「作成」を押します。設定した「長さ」に合わせて作成されます（未設定の場合は30秒）。「自分のブランドボイスを使う」にチェックを入れると、ブランドボイスで書かれます。段落は自然に読めるように構成されます。

スクリプトができたら、同じ枠に自分の言葉で修正内容を入力または話して指示できます（「冒頭をもっと力強く」「土曜日の営業時間を追加」「スペイン語に翻訳」など）。「変更を適用」（または ⌘/Ctrl+Enter）を押してください。「文章を改善」は、話したときに自然に聞こえ、より簡潔になるように整えます。事実、名前、数字、特典はすべて残します。「新しいバージョンを書く」は、入力した内容から、選択した用途、トーン、長さで新しいスクリプトを作成します。その下のボタンはワンクリックで修正できる機能で、これだけに限られません。「長さに合わせる」「もっとフレンドリーに」「話しやすく」「締めを強く」などがあります。質問されていない行や事実は、そのまま残ります。AIは価格や電話番号を作り出すことはありません。代わりに「[お客様の電話番号]」のようなプレースホルダーを入れ、「未完了」に一覧で表示します。

Writing Pack：長い文章を書くには、「Writing Pack を開く」（新しいタブ）で専用ライターを使い、その後「下書きをここに取り込む」を押すと、このスクリプトに追加されます。

修正のたびに、完了した内容が表示されます。先頭には、未完了の項目とその理由が表示されます。また、変更された箇所はしばらくの間、下のスクリプトで枠線が表示され、どこが変わったかわかります。「元に戻す」を押すと、その変更前のスクリプトに戻ります。

「自分の声を作る」を押すと、大きなパネルが開きます。上部には「本人の声を録音する方法」（初期表示で開いています）があり、「やること」（静かで柔らかい部屋、マイクから手のひら一つ分の距離、普段の広告で話す声、質問・数字・名前を混ぜる、合計1〜2分、同じ場所で録音）と、「やらないこと」（音楽、テレビ、扇風機、他の人の声、反響する部屋や車内、広告や音楽付きの動画、Bluetoothヘッドセットやスピーカーフォン、ささやき声・大声・早口・単調な読み方、長い沈黙や咳）が一覧で示されます。「閉じる」を押すとパネルが閉じます。

Make your own voice walks through three steps. 1, Your name: as you'll say it. 2, Read this sentence aloud: press Record the sentence, read the sentence on screen ("I, your name, agree to aiKit making an AI voice from my recordings, and I will only use it for my own work."), and press Stop. A red dot, the time, and a level meter show while it records. 3, 1 to 2 minutes of you talking: Record (or Upload a recording: MP3, M4A, WAV, WebM, or OGG), as many times as you like up to six recordings; a bar fills toward two minutes, at least 30 seconds is needed and a minute or more sounds best. Three things to read sit above the buttons, each a tab: Your business; A story; and Numbers & names (read all three for about two minutes, or just talk about your work). Each recording is listed with its length, a player to hear it back (recordings made in this visit), a quality check measured in your browser (Sounds clean, or a tip such as Quiet: move closer, Too loud in places, Background noise, or Lots of silence), and a trash can. The consent recording gets the same player and check.

「音声を作成」を押すと、チェックが行われてから音声が作られます。同意の文はテキストに変換され、表示された文と比較されます（名前はつづりが多様なため除外されます）。その文の単語の少なくとも70％が聞き取れる必要があります。基本的な同一人物チェックでは、同意の録音とサンプルの音程と声の調子を比較し、一致している必要があります。つまり、文はサンプルと同じ人が読まなければなりません。これは基本的なチェックであり、指紋認証のような厳密なものではありません。結果には各チェックの合否（チェック マークまたはバツ印）が表示されます。いずれかが不合格の場合、音声は作られず、「録音を修正」で前の画面に戻ります。

録音と音声は、あなたのアカウントでのみ非公開になります。音声の横のゴミ箱は、まず確認を求め、その後音声サービス上とここからも削除します。すでにその音声で読み上げたナレーションは、あなたのものとして残ります。アカウントごとに最大5つの音声を作成できます。本人の声のみ使用できます。他人の録音は許可されていません。aiKitの共通音声：aiKitの管理者は、同じ同意の手続きで作成した自分の完成済み音声を、「共通音声として提供」によって全アカウントに提供できます。提供されると「定型音声」の最初に「aiKit 共通音声」と表示され、自分の音声がないアカウントの読み上げに使われます。実際の音声エンジンが有効な間だけ表示されます。「共通音声 ✓」（停止）を押すか、その音声を削除すると、提供は停止されます。自分の声を作成できるのは、法的な最終確認が完了するまで管理者のみです。定型音声は、現在すべての人が利用できます。

声のレシピ（スクリプトの上のバー）は、声、雰囲気、話す速さ、音楽を一つの名前でまとめて保存します（例：Northwind 広告、Bakery 電話回線）。レシピを押すと使用できます。声が選ばれ、独自の雰囲気や速さを設定していない各パートにはレシピの設定が適用され、その音楽がプレーヤーの下に設定されます。「レシピとして保存」を押すと、短いフォームが開きます。名前、雰囲気、速さ（大半のパートで使われている設定から初期値が入ります）を入力し、「誰が読むか」で声を選びます。音楽はプレーヤーの下で設定されます。既に使用した名前で保存すると、そのレシピは置き換えられます。ゴミ箱ボタンで一つのレシピを削除できます。レシピは最大50件まで保存できます。

レシピはaiKit全体で使えます。別のツール（たとえばVideo Kitのナレーション）が音声で読み上げるとき、レシピを使うことができ、発音リストもそこで適用されるため、名前はどこでも同じように読まれます。

読み上げる声では、まず準備済みの声が表示され、その後にスタンダードの声が表示されます（最初は6種類。「すべてのスタンダードの声」で残りを表示できます）。選んだ声には色付きの枠が付き、ページのアドレスにも保存されます。各声には「試聴」ボタンがあり、短いサンプルを再生します（一度作成されて保存されるため、次回からはすぐに再生されます）。停止するには「停止」を押すか、別の声の「試聴」を押してください。

Hear it: the big button says what it will do: Read it with <voice>, Read the N changed lines, or Read it all again. Only lines that are new or changed are read again, so fixing one word costs one line. While it works, the panel says how many lines it's reading; long scripts are read in rounds and the count updates. If a line couldn't be read, Not done yet says how many and why, and pressing the button again reads just those.

すべての行の読み上げが終わると、プレーヤーに音声全体の波形が表示されます。丸いボタンで再生と一時停止ができ、波形をクリックするか矢印キーで移動できます。読み上げ中の行は波形の下に表示されます。行同士は短い無音の間で区切られます。

プレーヤーの下の単語は、読まれるとともに光ります。単語をクリックするとその位置に移動します。1〜3語を選択して「読み方を直す」を押すと、原稿内の修正パネルが開きます。または任意の単語を選択して「この単語の読み方を指定」を押すと、声にどう読むかを伝えられます。単語の時間は長さに応じて各部分に割り振られるため、正確ではなく近似的な値です。

読み方の指示（プレーヤーの下）：どのように聞こえてほしいかを、入力または音声で自分の言葉で伝えてください（例：「今週末」をもっと元気に、価格はゆっくり、笑顔で話すように）。「指示を適用」を押すか、ショートカット（もっと元気に、笑顔で話す、数字と電話番号はゆっくり、落ち着いて信頼感のある声、インパクトのある冒頭、行動を促す前にもう少し間を置く）のいずれかを押してください。AIが、指示に関係する部分だけについて、雰囲気、話すペース、そして必要に応じて一部の語句を変更し（声では単語に強勢記号を付けられないため、一時停止、感嘆符、短い文など声が従う方法を使います）、原稿を保存して、その部分だけを読み直します。「完了」には各変更が表示され、「まだ完了していません」には声ではできないことと理由が表示されます。「元に戻す」を押すと、その部分が元に戻され、再度読み上げられます。

AIコーチで確認：音声認識で読み上げを聞き取り、1分あたりの時間と語数を表示します。その後、「話す速さ」（ほとんどの広告には1分150〜170語が適しています）、「明瞭さ」、「冒頭」（最初の文が3秒以内に注意を引けているか）、「名前と単語」（聞き取り確認で認識されなかった長い単語、多くは誤って発音された名前）を確認します。各ヒントには修正方法があります：単語には「読み方を直す」、または「直す」を押すと、読み方の指示欄に指示が入るので、それを押してください。変更後に「再チェック」を押すと、再度聞き取りが行われます。サンプル音声は実際の音声ではないため、単語チェックは実際の声でのみ実行されます。

声の下の音楽（すべての部分の読み上げ後にプレーヤーの下に表示）：aiKitのオリジナルを選び、「音楽」（音量）を設定し、「音楽付きで試聴」を押し、完成したミックスは「音楽付きでダウンロード（WAV）」で入手できます。音楽は声より少し前に始まり、声が話している間は音量が下がり、最後にフェードアウトします。字幕：読み上げのタイミングに合わせた.srtと.vtt形式のファイルで、数語ずつ表示されます。リール、YouTube、動画プレーヤー向けです。

ダウンロードなど：MP3（実際の声）、WAV（すべての読み上げ）、「グラフィックライブラリに保存」（フォルダはVoice Kit、カテゴリはボイスオーバー）、そして「Motion Makerで使う」。これはライブラリに保存したうえでMotion Makerを開き、音声を音楽タブに設定し、音楽が音声の下で音量を下げた状態にします。その下で、親指を上下に押して読み上げを評価できます。親指を下に押すと何が問題だったかを尋ねられ、その内容はaiKitチームに送られます。パネル上部のAI音声／サンプル音声のタグは、今聞いている音声の種類を示します。

新しい行が読み上げられる前に、AIによる簡単なチェックで、なりすましがないか確認されます。自分と自分の事業を紹介することは問題ありません（「こんにちは、サムです。サムズ・バイクスのオーナーです」）。広く知られていない人物や企業は、あなた本人とみなされます。読み上げられないもの：有名人が一人称で話したり推薦したりする内容、有名な企業・銀行・政府機関が自らの立場で話す内容（「こちらはあなたの銀行です」）、またはそれらになりすまして支払いや個人情報を求めるメッセージです。パネルには理由が表示されます。実在の人物や企業について言及・レビューすること、自分の事業の広告、架空のキャラクターは問題ありません。各行は一度チェックされ、変更するとあらためてチェックされます。

Voice Kitはアカウントのトークンを使用し、音声サービスの実際の費用で課金されます。読み上げは文字数に応じて課金されます（音声サービスによって異なりますが、30秒の読み上げで約3〜9セント）。それに加えて、AIによる原稿変更や安全チェックごとに少額の費用がかかります。変更された行だけを読み上げることで費用を抑えられます。リクエストがプランの残りを超える場合は開始されず、その旨がメッセージに表示されます。管理者にはプレーヤーの下に、各読み上げの費用がセント単位で表示されます。

管理者にはプレーヤーの下に「エンジン比較テスト」が表示されます。両方の音声サービスが有効な場合、「両方で読み上げ」を押すと、開いている原稿を選んだ声で両サービスそれぞれで読み上げ、それぞれのプレーヤーと費用を表示します。「このエンジンを使う」を選ぶと、以後のすべてのボイスオーバーがそのエンジンで作成されます（自分の声を作成すると、両方のサービスで作られます）。有効なのが一つだけ、またはない場合は、どれが有効かを表示します。

他のaiKitツールも同じ方法でVoice Kitにナレーションを依頼します。テキストを送ると、各行の開始時間と終了時間が付いたボイスオーバーが返され、字幕を音声に合わせられます。読み上げには最新の自分の声（またはスタンダードの最初の声）が使われ、トークンから差し引かれます。実際の声が無効になっている場合は、常にサンプル音声として表示されます。