ElevenLabsがPictory AIと提携、テキスト動画生成にリアルなAI音声を提供

ブログ記事やテキスト台本から自動で動画を作れるAIツールは便利ですが、ナレーションが機械的すぎると視聴者はすぐに離脱してしまいます。

この課題に対し、音声合成で知られるElevenLabsが10月13日、動画生成プラットフォームのPictory AIとの提携を発表しました。ElevenLabsの高品質なAI音声を、Pictoryの動画制作ワークフロー内で直接利用できるようになります。

テキスト動画生成に自然な語り口を

Pictoryは独自のアルゴリズムを持ち、入力されたテキストや長文ブログを解析して自動で映像素材を組み合わせる動画生成を得意としています。しかし、これまで付属する読み上げ音声のリアリティには限界がありました。

今回の統合により、クリエイターやマーケター、ブロガー、SNS担当者は、ElevenLabsの自然なAI音声を動画にそのまま適用できます。初期フェーズでは英語とドイツ語のコンテンツに焦点を当てており、記事の動画化や脚本の映像化、長編プレゼンの要約動画作成といった用途を想定しています。

Pictoryの最高製品責任者（CPO）を務めるAbid Ali氏は、より自然で多彩な音声への対応はユーザーからの要望が最も多かった項目の一つだと明かしています。ElevenLabsの導入により、マーケティングや社員研修、社内コミュニケーションなど、ビジネスの現場でも違和感なく使える品質が実現できると説明しています。

ElevenLabsのCEOであるMati Staniszewski氏も、単なる技術の統合にとどまらず、コンテンツの制作と消費のあり方を再構築し、動画制作の新たな基準を築く一歩だとコメントしています。

なぜ重要か

今回の連携は、生成AIを活用した制作ツールの進化において実用的な意味を持っています。

一般ユーザーや中小規模のマーケティング担当者にとって、動画制作の内製化が一気に現実味を帯びてきます。これまで外注ナレーターを雇う予算がなかった現場では、機械的な自動音声で妥協するか、別ツールで音声を生成して手作業でタイムラインに合わせる手間が発生していました。ひとつのツール内で高品質な音声まで完結するなら、制作コストと作業時間は大幅に削減されます。英語やドイツ語圏向けの動画を発信している人なら、すぐにでも試す価値があります。

業界の視点で見ると、動画生成ツール各社が「自前ですべてを作る」方針から「得意分野を持つ外部AIと組む」方針へシフトしている流れが見えてきます。Pictoryが自社で無理に音声合成モデルを開発せず、業界トップクラスのElevenLabsと組んだ判断は賢明と言えます。

ただし、外部APIへの依存度が高まることは、コスト構造やサービスの安定性が相手方の提供状況に左右されるリスクも抱えます。それでも、動画クオリティの最大のボトルネックだった音声の不自然さを解消した意義は大きく、競合する動画作成ツールにも同様の高品質連携を迫る動きになりそうです。