ElevenLabsのナレーションと効果音でVeo 2の動画に命を吹き込む方法

GoogleのVeo 2なら、これまで以上に簡単にフォトリアルなビデオを生成できます。Geminiウェブアプリでも利用可能になり、Geminiによって直接強化されたプロンプトで8秒間のビデオを作成し、簡単に編集できます。

ただし、映像だけでは十分ではありません。音は無音のシーケンスを完全に没入感のある体験へと変えます。そこで活躍するのがElevenLabsです。ElevenLabsなら、さまざまな言語で臨場感のあるAIボイスオーバーを生成したり、サウンドエフェクトを追加したりして、シンプルなビデオを魅力的なストーリーに変えられます。

GoogleのDeepMindラボによるVeo 2を使い、眠らない街の物語を描く際に、まさにそれを試してみました。都市をテーマに、各5〜8秒ほどの異なるクリップを18本生成しました。ネオンサイン、雨、列車、さまざまな街角の風景が登場します。こうした断片的な瞬間をひとつにまとめるため、ElevenLabsでボイスオーバーとサウンドエフェクトを追加しました。

心を引き込むボイスオーバーを作る

丁寧に作り込んだAIボイスオーバーは、ビデオに構成と感情的な深みを与えます。Veo 2はリアリティに優れたビデオジェネレーターかもしれませんが、クリップ間でシーンやキャラクターの一貫性が欠けることも少なくありません。だからこそ、ナレーションは全体をつなぐ最適な要素になります。

断片的な映像の解釈を視聴者に委ねるのではなく、綿密に設計したボイスオーバーで分かりやすさを与え、ストーリーへと導けます。先にボイスオーバーの台本を書いてそれに合わせたクリップを作る方法も、ショット（通常は絵コンテ）を先に用意してからショットに合わせて書く方法もあります。今回の街のビデオでは、まずプロンプトを作成しました。

ナレーションを計画する

ボイスオーバーを生成する前に、ナレーションがビデオをどう補完するか計画することが重要です。今回のようにVeo 2のシーケンスが映画的な都市モンタージュなら、ボイスオーバーで舞台を示したり、詩的な余韻を加えたり、雰囲気を高めたりできます。

たとえば、私のビデオにはネオンに照らされた通りと、ちらつく看板のシーンがあります。そこで、こう書きました。「この街は眠らない――まばたきすらほとんどしない。排気ガスを吸い込み、ネオンの光を吐き出す。鋼とガラスでできた獣は、落ち着きなく行き交う100万の魂の足音とともに脈打っている。」これにより、複数のショットをつなげられます。

ボイスオーバーの台本を書く

ナレーションの概要を作ったら、次はビデオ全体の台本を書きます。よく書かれた台本なら、ボイスオーバーをクリップのタイミングに合わせられます。Veo 2のシーンは5〜8秒程度であることが多いため、ナレーションは簡潔でテンポよくまとめる必要があります。5秒のクリップには約12〜15語、8秒のクリップには約20〜25語が収まります。

ナレーションのトーンはビデオに合わせましょう。雰囲気のある映像には詩的に、情報を伝えるシーケンスにはドキュメンタリー調に、エネルギッシュなストーリーテリングには映画的に仕上げます。たとえば、マンホールから蒸気が立ち上るスローモーションのショットなら、「街が息を吐く。蒸気は冷たい夜の空気の中でねじれていく」と語れます。一方、列車が駅に入るシーンなら、「風が吹く。金属がきしむ。またひとつ列車が入ってくる。これまで何百本もそうだったように」といったナレーションが合うでしょう。

ElevenLabsでボイスオーバーを生成する

台本を仕上げたら、ElevenLabsでAIボイスオーバーを生成しましょう。ElevenLabsアプリのテキスト読み上げページにアクセスします。ここでは台本を貼り付けることも、直接書くこともできます。右側で音声を選び、速度、安定性などの機能を設定できます。私はキャラクター性が高まるので、スタイルの誇張を10〜20％加えるのが好みです。

ドラマチックな都市のシーケンスには、深みのある映画的なトーンがよく合います。一方、柔らかく内省的な声は詩的なナレーションを引き立てます。テンポの速い映像には、エネルギッシュな話し方がリズムを保ちます。私のビデオでは、Lamar Lincolnを使いました。ストーリーをより自然に感じさせてくれるプレミアム音声です。何か大切なものを振り返っている人のように聞こえることを目指しました。

台本を入力したら、映像に合わせてボイスオーバーの速度と感情を細かく調整します。ゆっくりと意図的なペースはドラマチックな瞬間に適しており、会話調のトーンはエネルギッシュなモンタージュを引き立てます。結果に満足したら、オーディオファイルをダウンロードしてビデオとの同期を準備しましょう。

私はまず1〜2文だけで音声を細かく調整し、その後、台本全体を使って生成するのが好みです。今回は台本が3段落だけだったため、全体を使っても特に問題はありませんでした。最初からうまく機能しました。

ボイスオーバーを同期する

AIボイスオーバーとVeo 2のクリップは、Adobe Premiere Pro、DaVinci Resolve、Final Cut Pro、CapCutなどの編集ソフトウェアを使えば簡単に同期できます。

• ビデオクリップをインポートし、ボイスオーバーをタイムラインに追加して、映像に合わせて開始位置と終了位置を調整します。
• 必要に応じてクロスフェードやタイムストレッチを使い、ナレーションと映像の動きが自然につながるようにします。

サウンドエフェクトで仕上げる

ボイスオーバーを配置したら、次はサウンドエフェクトでビデオをさらに引き立てましょう。AI生成のサウンドエフェクトは、リアリティと質感を加え、聴覚体験を完成させます。ビデオクリップそのものはスマートフォンで撮影した映像と見分けがつかないほどリアルでも、音がなければ、何かが欠けていると感じる非現実の谷に落ち込んでしまいます。

ElevenLabsでサウンドエフェクトを作る

ElevenLabsのテキストtoSFXジェネレーターなら、街の環境音から繊細な自然音まで、カスタムオーディオ要素を作成できます。複雑なプロンプトでサウンドスケープ全体を説明することも、それぞれ異なる音を含む複数のファイルを生成し、ビデオエディターで重ねることもできます。

サウンドエフェクトを作成するには、ElevenLabsのSFXジェネレーターにアクセスします。ライブラリにある既製のサウンドエフェクト一覧を探すことも、テキストtoSFXジェネレーターでカスタムサウンドを作ることもできます。さらに、video-to-sound実験機能を試せば、プロセスをより簡単にできます。1本のクリップをアップロードすると、ダウンロードできる4つのサウンドエフェクトが提供されます。

サウンドをより細かくコントロールしたい場合は、サウンドエフェクトジェネレーターを使いましょう。ここでプロンプトを入力し、生成をクリックします。設定ボタンをクリックすれば、クリップの長さを0.5〜22秒の範囲でカスタマイズすることもできます。

既製のオーディオをすばやく探し、試聴し、集めるには、Soundboardがおすすめです。プロンプトを書く必要はなく、インタラクティブなインターフェースでサウンドエフェクトをその場で試したりミックスしたりできます。

サウンドエフェクトのプロンプト作成

SFX生成

強力なAIサウンドエフェクトジェネレーターでカスタムサウンドエフェクトと環境音を作成。

サウンドスケープ全体を詳しく説明する複雑なプロンプトを使うこともできますが、一連のプロンプトを作り、それらを重ねる方がよいと感じています。これにより、ビデオの内容に応じて異なる音を再生するタイミングをコントロールできます。

適切に配置されたサウンドエフェクトは、シーンにリアリティを与えます。路地に響く足音、遠くで鳴る車のクラクション、舗道に規則的に落ちる雨音などです。こうした音を映像と組み合わせることで没入感が高まり、一つひとつのフレームがより印象的になります。

ビデオにちらつくネオンサインがあるなら、背景にかすかな電気音を加えると存在感が強まります。地下鉄が金切り声を上げて止まるなら、金属同士が擦れる音を重ねることでリアリティが増します。

プロンプトの例：

• 説明的なプロンプト：「腕時計の秒針が静かに刻む音、コートの袖を直すかすかな衣擦れ、背景に広がる街の環境音――抑えられたクラクション、遠くの会話、ときおりちらつくネオンサイン、手首を動かす際のわずかな金属音。」
• レイヤー用プロンプト：
• • 「腕時計の秒針が静かに刻む音」
  • 「コートの袖を直すかすかな衣擦れ」
  • 「街の環境音」

これらをビデオエディターで重ねていけます。

音を重ね、各クリップの音量を調整して理想的な出力に仕上げたら、ビデオをエクスポートして共有しましょう。

映画的なモンタージュ、詩的に街を見つめる作品、ドキュメンタリー調の短編映画など、どのような作品でもAI生成オーディオがビジョンを形にします。今すぐElevenLabsを試して、声と音の力でVeo 2ビデオを完全に没入感のある体験へと変えましょう。