ElevenLabsがVoice Isolator公開：雑音や音楽を消し声だけ抽出

にぎやかなカフェや騒がしい街頭で音声を録音すると、周囲の話し声や車の走行音を後から消すのは至難の業でした。

従来のノイズ除去プラグインで細かくパラメーターを調整しても、声が不自然にこもってしまうことが珍しくありません。

AI音声技術大手のElevenLabsは、音源から雑音を自動で取り除き、クリアな声だけを抽出する新ツール「Voice Isolator」を公開しました。

会話の被りやBGMまで一発で除去

Voice Isolatorは、独自開発の深層学習モデルを用いて、複雑に混ざり合った音声から人の声だけを分離します。

ファンノイズなどの定常的な環境音だけでなく、マイクのフィードバック、残響音、さらには背景に流れるBGMや他人の話し声まで除去できるのが特徴です。

使い方は極めてシンプルで、ブラウザ上での直接録音、またはWAV、MP3、FLAC、OGG、AAC形式のファイルアップロードに対応しています。

専門知識を必要とせず、ワンクリックで処理が完了し、処理前後の音声を聴き比べた上でクリーンな音声ファイルをダウンロードできます。

毎月1万クレジットの無料枠が用意されており、Web版に加えてAPIやSDK経由での組み込みにも対応しています。

なぜ重要か

ポッドキャスターや動画クリエイターにとって、取り直しの効かない現場音声を救済できる実用的な手段となります。

専門的なオーディオ編集ソフトを立ち上げることなく、ブラウザ上で手軽に高精度な音声分離ができるため、収録のハードルが大きく下がります。

業界の視点で見ると、テキスト読み上げや音声クローンでシェアを広げてきたElevenLabsが、前処理となる音声クリーンアップ領域に踏み込んできた点が注目されます。

Adobe Podcastなどの競合が存在するなか、高頻度で使われるノイズ除去をフックにして、自社の音声プラットフォームへクリエイターを引き込む戦略は非常に巧妙だと私たちは見ています。

ただし、強い残響や重なり合った大きな声の分離において、声の自然な倍音や息遣いがどこまで損なわれずに保たれるかは、今後の実務現場での検証が必要です。