Eleven v3(アルファ版)のご紹介
- 公開日
最も表現力豊かなテキスト読み上げモデル、Eleven v3(alpha)をご紹介します最も表現力豊かなテキスト読み上げモデル。
この研究プレビューでは、音声生成をこれまでにないほど自在かつリアルにコントロールできます。
- 70以上の言語
- 複数話者の対話
- オーディオタグ([excited]、[whispers]、[sighs]など)
Eleven v3(alpha)は、これまでのモデルより多くのプロンプトエンジニアリングを必要としますが、生成される音声は息をのむほどです。
ビデオやオーディオブック、メディアツールを制作しているなら、新たなレベルの表現力を実現できます。リアルタイムや会話型のユースケースでは、現時点ではv2.5 TurboまたはFlashの利用をおすすめします。v3のリアルタイム版は開発中です。
Eleven v3は本日より、ウェブサイトおよびAPIでご利用いただけます。
v3を開発した理由
Multilingual v2のリリース以降、AI音声はプロ向けの映画、ゲーム開発、教育、アクセシビリティで採用されてきました。しかし、一貫して課題だったのは音質ではなく、表現力でした。より誇張した感情表現、会話中の割り込み、自然なやり取りを実現するのは困難でした。
Eleven v3はこの課題を解決します。ため息をつき、ささやき、笑い、反応する声を生み出すためにゼロから構築されました。生き生きと応答しているように感じられる音声を生成します。
Eleven v3(alpha)の新機能
| Feature | What it unlocks |
|---|---|
| Audio tags | Inline control of tone, emotion, and non-verbal reactions |
| Dialogue mode | Multi-speaker conversations with natural pacing and interruptions |
| 70+ languages | Full coverage of high-demand global languages |
| Deeper text understanding | Better stress, cadence, and expressivity from text input |
オーディオタグの使い方
オーディオタグはスクリプト内に直接記述し、小文字の角括弧で表記します。オーディオタグの詳細は、ドキュメントのv3向けプロンプトガイドをご覧ください。
現在、プロフェッショナルボイスクローン(PVC)はEleven v3向けに完全には最適化されていないため、以前のモデルと比べてクローン品質が低下する可能性があります。この研究プレビュー期間中にv3の機能を利用する場合は、プロジェクトに適したインスタントボイスクローン(IVC)またはデザイン済み音声を見つけることをおすすめします。v3向けPVCの最適化は近日中に提供予定です。
たとえば、「[whispers] 何かが来る… [sighs] 感じる。」のようにプロンプトできます。より表現を細かくコントロールするには、複数のタグを組み合わせることもできます。
複数話者の対話を作成する
Eleven v3は既存のテキスト読み上げエンドポイントに対応しています。さらに、新たにText to Dialogue APIエンドポイントを導入します。話者ごとの発話を表すJSONオブジェクトの構造化配列を渡すと、モデルが一貫性のある、発話が重なり合うオーディオファイルを生成します。
このエンドポイントは、話者の切り替え、感情の変化、割り込みを自動的に管理します。
詳細はこちらをご覧ください。
料金と提供状況
| Plan | Launch promo | At the end of June |
|---|---|---|
| UI (self-serve) | 80% off (~5× cheaper) | Same as Multilingual V2 |
| UI (enterprise) | 80% off business plan pricing | Business plan pricing |
v3を有効にするには:
- モデルピッカーでEleven v3(alpha)
を選択してください。APIアクセスとStudioでのサポートは近日提供予定です。早期アクセスをご希望の場合は、営業にお問い合わせください。
v3を使用すべきでない場合
Eleven v3(alpha)は、これまでのモデルより多くのプロンプトエンジニアリングを必要とします。うまく機能すれば息をのむような出力を得られますが、信頼性とレイテンシーの高さから、リアルタイムおよび会話型のユースケースには適していません。これらの用途には、Eleven v2.5 Turbo/Flashをおすすめします。
詳細は、完全版のv3ドキュメントとFAQをご覧ください。
- ElevenLabs UIにログイン
- モデルのドロップダウンでv3(alpha)を選択
- スクリプトを貼り付ける。タグまたは対話を使用
- オーディオを生成
没入感のあるストーリーテリングから映画制作パイプラインまで、新しいユースケースでv3をどのように活用されるかを楽しみにしています。
ピョートル・ダブコフスキはElevenLabsの共同創設者で、研究を主導しています。人間のようなAI音声の限界を初めて超えた研究者です。
関連記事





