ElevenLabsがMCPを拡張：ClaudeやChatGPTで動画・音楽・音声を直接生成可能に

AIで音声付き動画を1本作るだけでも、チャットボットで台本を書き、画像生成ツールに飛び、動画アプリを立ち上げ、最後に音声サイトでBGMとナレーションを当てるという、ブラウザのタブを行き来する手間が発生していました。

ElevenLabsがその摩擦を解消しにかかりました。同社は自社のMCPコネクターを大幅に拡張し、Claude、ChatGPT、Cursor、Grokbot、Hermesなどの対話画面から直接、音声、文字起こし、多言語吹き替え、音楽、効果音、画像、動画を生成できるようにしたと発表しました。

導入はシンプルで、各ツールのコネクター一覧から一度インストールしてOAuth認証を行うだけです。サーバーの構築やAPIキーの管理は一切不要で、いつもの会話画面から自然言語で指示を出すだけで完結します。

チャット画面がそのままマルチメディア制作スタジオに

今回の拡張により、ElevenLabsのMCPコネクターは単一の接続で50以上のモデルを呼び出せるようになりました。コンテンツ制作に必要な工程をほぼ網羅しています。

音声読み上げでは、ライブラリから好みの声とトーンを指定するだけで、チャット画面内にそのまま音声が生成されます。音声データを渡せば、高精度文字起こしエンジンであるScribeが99言語に対応し、話者分離とタイムスタンプ付きのテキストを一瞬で返してくれます。

吹き替え機能も同じコネクターから利用可能で、話者の声色や抑揚を維持したまま別言語の音声を生成します。さらにBGMや効果音、主要な画像モデルや動画モデルを使ったアニメーション生成、リップシンクまで、すべて同一の対話スレッドで実行できます。

このコネクターはElevenLabs Agentsを動かしているものと同一であるため、すでにエージェント管理などで連携済みの環境であれば追加設定なしですぐに利用できます。ElevenLabs Flowsのキャンバス上で使えるすべてのノードが、このMCP経由でも呼び出し可能です。

会話でラフを作り、Studioで仕上げる連携

チャットツールでメディア素材を生成するとファイルが散乱しがちですが、生成されたアセットはすべて利用者のElevenCreativeワークスペースへ自動的に保存されます。

これにより、チャット画面でアイデア出しと素材作成を一気に行い、細かいタイムライン編集やナレーションの微調整、音響の重ね合わせはElevenLabs Studioで行うという役割分担が可能になります。

セキュリティ面でも配慮されており、ワークスペースの管理者はコネクターが呼び出せるツールを個別に制限できるほか、連携時にデータレジデンシーを指定できるようになっています。

なぜ重要か

コンテンツ制作者や開発者にとって、複数の外部サービスを契約して手作業で素材を繋ぎ合わせる負担が劇的に減る点は大きな魅力です。ClaudeやCursorを日常的に使っているユーザーであれば、今すぐ導入して試す価値が十分にあります。

ElevenLabsの戦略は極めて巧妙だと考えられます。自社サイトへユーザーを囲い込むのではなく、MCPというオープンな規格に乗っかり、ユーザーが日常的に常駐しているチャットやエディタの裏側に自社サービスを滑り込ませました。これにより、自社の強みである音声を軸にしつつ、画像や動画を含めたマルチメディア基盤のデファクトスタンダードを狙っています。

業界全体にとっても、単機能のAIツールが生き残るためのハードルが一段と上がったと言えます。一方で、50以上の外部モデルを組み合わせる構成であるため、プロンプトだけで一貫した世界観の動画を作り込めるかという品質面や、呼び出しに伴う遅延への懸念は残ります。それでも、ワークフローの統合という観点では極めて強力な一手です。