発音辞書ガイド：Eleven v4のTTSであらゆる単語の発音を修正

Eleven v4は、略語、専門用語、名前、複数言語が混在するテキストを、これまでのどのモデルよりも正確に処理し、テキスト読み上げモデルの発音性能に新たな基準を打ち立てます。一方で、独自のプロダクト名から業界特有の専門用語まで、ブランドごとに固有の語彙があります。そのため、こうした言葉をどう発音するかを細かく管理したくなるでしょう。

Eleven v4には、発音を修正するさまざまな方法があり、モデルの話し方を細かくコントロールできます。テキスト読み上げアプリで作成するすべてのスクリプトに適用できる、包括的な発音辞書を作成できます。単発の修正には、テキストにIPAを直接入力することも可能です。

難しい用語が詰まったスクリプトをEleven v4が処理する例をご紹介します。

このガイドでは、テキスト読み上げ用の発音辞書を作成・活用する方法と、イメージどおりのオーディオにできるだけ近づけるための関連戦略をご紹介します。

概要

• 発音辞書とは、テキスト読み上げモデルに特定の単語やフレーズの読み方を指示するために作成するルールセットです。
• TTSの発音ルールには、別のテキストに置き換えるエイリアスベースのルールと、発音表記を使う音素ベースのルールがあります。
• Eleven v4は、音素ルールとインラインIPA（国際音声記号）に対応しています。
• SSMLのphonemeタグとbreakタグはEleven v4では使えませんが、発音辞書またはオーディオタグを自然言語ベースの代替手段として使用できます。
• ElevenAPIでは、1リクエストあたり最大3つの発音辞書を適用できます。

発音辞書とは？

発音辞書は、テキスト読み上げモデルが特定の単語をどのように発音するかを正確に設定できるツールです。発音辞書に単語やフレーズを追加すると、それらがTTSスクリプトに登場するたびに、どのように聞こえるかを定義できます。

発音辞書は通常、次のような用途で使われます。

• ブランド名：ブランド名は、特に独特なスペルや珍しいスペルの場合、発音辞書によく登録されます。
• 頭字語：特定の読み方をすべき頭字語があります。たとえば、AEOは/eɪˈjoʊ/（「エイヨー」）ではなく、/ˌeɪ.iːˈoʊ/（「A-E-O」）のように発音する必要があります。辞書に固定ルールを設定すれば、入力するたびにモデルが正しく発音します。
• 地名やその他の固有名詞：特定の地名は、表記から想像する読み方とは大きく異なることがあります。Worcestershireは、発音ガイドによって問題を避けられる有名な例です。
• 業界用語：たとえば医療や法律分野の業界用語・専門用語は、モデルがその分野のデータで明示的にトレーニングされていない場合、発音辞書が役立ちます。

テキスト読み上げ以外では、発音辞書は通常、ネイティブスピーカーによる音声クリップをクラウドソーシングで集めたリポジトリを指し、学習者は特定の単語がどのように発音されるかを聞くために利用します。

Eleven v4でTTSの発音をコントロールする方法

Eleven v4は、Artificial AnalysisのProvider Voice Arenaで最高品質のテキスト読み上げモデルに選ばれています¹。Eleven v4が市場をリードする理由の一つは、複雑なテキストを処理しながらも、自然に聞こえる出力を実現できることです。

Eleven v4で最高の体験を提供できるよう、発音をカスタマイズするさまざまな方法を用意し、すべての出力が求める精度基準を満たせるようにしています。

Eleven v4で発音をコントロールする方法は次のとおりです。

• インラインIPA：発音辞書を使わずに、スクリプト内でIPAをスラッシュで囲んで記述することで、発音を指定できます。具体的な方法は後ほど説明します。
• 辞書の音素ルール：繰り返し登場する単語の発音をコントロールするには、発音辞書に音素ベースのルールを記述します。
• 言語をまたいだ自然な発音：Eleven v4は90以上の言語で自然な音声を生成できます。同じ声を使いながら各言語本来の発音を維持し、一貫したソニックブランディングを実現できます。

ElevenLabsの各TTSモデルにおける発音コントロール機能の比較は次のとおりです。

発音辞書におけるエイリアスルールと音素ルールの違いとは？

エイリアス発音ルールは、モデルが単語を発音する前に、あるテキストを別のテキストに置き換えます。モデルがオーディオを生成するたびにバックグラウンドで行われ、単語やフレーズの音を、発音辞書に登録した内容に置き換えます。

エイリアス発音ルールの例をいくつかご紹介します。

• 「SaaS」を「sass」に置き換える
• 「UN」を「United Nations」に置き換える
• 「OAuth」を「oh auth」に置き換える

一方、音素ルールは、モデルに使用する正確な発音表記を指定します。IPA転写を自分で作成または生成し、辞書に入力する必要があるため、作成の難易度は高くなります。たとえば、「Kubernetes」は/ˌkuː.bərˈnɛt.iːz/になります。

TTSモデルでブランド名の発音を修正する方法

ブランド名は必ずしも実在する単語ではないため、発音辞書で最もよく登録される項目の一つです。会社が造語や独自のスペルをブランド名に使用している場合、その特定の発音を含む利用可能なトレーニングデータはほとんどないため、TTSモデルは正しく発音できないことがあります。

Eleven v4でブランド名の発音を修正する方法は次のとおりです。

1. デフォルトの音声を確認する： テキスト読み上げアプリを開き、ブランド名を入力します。クリップを生成し、どのように聞こえるかを確認してください。発音エラーがある場合は、次のステップに進みます。
2. エイリアスルールを試す：ブランド名の発音エラーを修正する最も簡単な方法は、エイリアスルールを作成することです。すばやく作成でき、直感的に使えます。
3. 音素ルールに切り替える：エイリアスルールでうまく解決できない場合は、IPAを使います。ブランド名をIPAで転写し、テキスト読み上げの発音辞書内にルールを作成して発音を修正します。
4. 大文字・小文字のすべての表記を網羅する：ブランド名に小文字版と大文字版の両方を使う場合は、それぞれのIPA転写を必ず含めてください。
5. 単発の変更にはインラインIPAを使う：単発の生成をすばやく修正したいだけなら、辞書エントリを設定する代わりに、スクリプトへIPAを直接追加できます。

ブランド名のルールを設定すると、今後は共有されるすべてのプロジェクトで使用できます。AIエージェントでも、API経由でも利用できます。

ElevenLabsで発音辞書を作成する方法

発音辞書は、テキスト読み上げアプリでルールを追加するか、.plsファイルをアップロードするか、ElevenAPIを通じて作成できます。このガイドでは、数ステップで完了する最初の方法を説明します。

発音辞書を作成するには、以下の手順に従ってください。

1. 発音辞書パネルを開く：テキスト読み上げページで、上部の検索バーをクリックし、「Pronunciation dictionary」と入力します。次に、Actionsの下にある「Pronunciation dictionaries」を選択します。
2. 辞書を作成または選択する：「New」をクリックして新しい辞書を作成するか、左側のリストから既存の辞書を選択します。
3. ルールを追加する：「Add rule」をクリックして新しい行を作成します。修正したい単語を入力してください。スクリプトに表示されるとおりの単語またはフレーズを、Inputフィールドに入力します。ルールでは大文字・小文字が区別されるため、使用する表記と一致させてください。
4. ルールの種類を選ぶ：別のテキストに置き換えるには「Alias」を、IPAまたはCMU表記を入力するには「Phoneme」を選択します。
5. 置換後の内容を入力する：Outputフィールドにエイリアスまたは発音表記を入力します。パネル上部の音声セレクターを使うと、作業中の声でルールを確認できます。
6. 変更を保存する：パネル下部の「Save changes」をクリックします。

発音ガイドをエージェントに追加する、またはAPI経由で適用するには、発音辞書のドキュメントをご確認ください。

Eleven v4のテキスト読み上げでIPAを使う方法

小さな変更やあまり使われない単語の場合、誤りを修正するためにTTS発音辞書へ新しいエントリを作成する必要は必ずしもありません。代わりにインラインIPAを使って、モデルが単語をどのように発音すべきかを正確に指定できます。

Eleven v4では、スラッシュを使ってインラインIPAを有効にできます。オーディオタグと同様、スクリプトへ直接入力できるため、できるだけ簡単に利用できます。Eleven v4におけるIPAの例をいくつかご紹介します。

• 専門用語：「/ˌbaɪoʊˈkemɪstri/」という用語は、化学的プロセスの研究を指します。
• 医療用語：「/ɡluːˈkoʊs/」と「/ˈɪnsjəlɪn/」は、「/ˌdaɪəˈbiːtiːz/」のような疾患の管理によく使われます。
• ブランド名とプロダクト名：トラフィックの急増に対応するため、サーバーは「/ˌɛndʒɪnˈɛks/」上で稼働しています。

補足として、言語学の学位を持っていない方には、IPAコンバーターの使用をおすすめします。自然言語の入力から、スクリプトに貼り付ける適切なIPAを取得しやすくなります。

SSMLのphonemeタグがEleven v4で使えない理由

Eleven v4はSSMLに対応していません。その代わりに、オーディオタグや発音辞書など、最終的なオーディオ制作をより細かくコントロールできる柔軟な機能を用意しています。

SSMLのすべての機能には、v4に直接対応する代替手段があります。

Eleven v4で自然なテキスト読み上げの発音を始める

Eleven v4には発音精度を高めるためのさまざまなツールがあるため、詳細なスクリプトを書き、イメージどおりにモデルに読み上げてもらえます。

ElevenLabsのテキスト読み上げアプリで発音辞書を作成し、ElevenAPIで大規模に適用できます。

登録して始めるか、Eleven v4について詳しくご覧ください。

よくある質問

1. ^{Artificial Analysis、Provider Voice Arena Preference Elo、2026年9月30日}