ElevenLabsが多言語音声合成v1を公開：独・仏・西など7言語に対応、元の声質を維持

動画やゲームの海外展開で最も難しいのは、翻訳そのものよりも、オリジナルの話し手が持つ独特の声色や感情表現を言語が変わっても維持することです。

ElevenLabs は自社のベータ版プラットフォームで、新しい音声合成モデル「Eleven Multilingual v1」の提供を開始しました。対応言語として新たにフランス語、ドイツ語、ヒンディー語、イタリア語、ポーランド語、ポルトガル語、スペイン語の7言語が加わっています。すべての有料プランで、音声合成パネルのドロップダウンメニューからすぐに選択できます。

言語をまたいでも声の特徴をキープ

今回のモデルは自社研究をベースに開発されており、文脈を汲み取って感情豊かに読み分ける初代モデルの強みを引き継いでいます。学習データ量と計算能力を増やしたことで、表現力を落とさずに複数言語へ拡張しました。

大きな特徴は、音声クローン機能「VoiceLab」との完全な互換性です。一度クローンを作成すれば、元の声質やわずかな訛りを残したまま、別の言語を喋らせることができます。1つの入力文の中に複数言語が混在していても自動判別して発音できますが、現時点では最良の精度を得るために単一言語でのプロンプト入力が推奨されています。

一方で課題も残っています。数字や頭字語、外来語を入力した場合、意図せず英語の発音に引っ張られる現象が確認されています。たとえばスペイン語の文章内にある「11」や「radio」という単語を英語風に発音してしまうことがあるため、公式は数字や略語を対象言語のスペルで書き下して入力することを勧めています。

なぜ重要か

インディーゲーム開発者や個人クリエイターにとって、多言語吹き替えのハードルを一気に下げる一歩になります。これまでは言語ごとに別の声優をアサインするのが一般的でしたが、同じキャラクターの声質のまま主要言語圏にローカライズできる価値は非常に大きいです。表記揺れへの手動修正は必要ですが、いま試す価値は十分にあります。

音声合成の業界全体で見ても、単に正確に文字を読む技術から、話者のパーソナリティを保持したまま国境を越えさせる方向へ競争軸がシフトしていることを示しています。全プランに即座に開放してユーザーフィードバックを集めるアプローチは非常に巧妙です。

一方で、数字や略語が英語に引きずられるという制約は、テキスト解析と音素変換の分離がまだ発展途上であることを示唆しています。欧州言語以外への展開が進む中で、どこまでこの声質の一貫性と自然さを両立できるかが今後の焦点になりそうです。