ショートドラマ向けAIキャラクターボイス：クローンではなくマッチング

AIキャラクターボイス

2026年9月16日更新

簡単に説明すると：SceneMixerでは、セリフを後から吹き替えることはありません。動画モデルが映像と音声を同時に生成するため、キャラクターの口の動きとセリフは同じ生成処理で作られます。設定できるのはどの声を使うかです。各キャラクターには、声質や話し方の文章による説明、プリセットボイスライブラリからマッチングしたサンプル、または自身でアップロードしたサンプルのいずれかを設定できます。権利のない声をクローンする機能は提供していません。

SceneMixerがエンドツーエンドで生成したAIショートドラマ『ネオン・デット』の静止画（キャラクター7人、1話） — サンプル：『ネオン・デット』 — ゲームエンジン写実、1話、脚本からSceneMixerパイプラインでエンドツーエンド制作 · エピソードを見る

声が実際にどこから来るのか

ほとんどのAI動画ワークフローでは、音声は後工程として扱われます。まず無音の映像を生成し、セリフを合成してから、リップシンクを合わせる作業が発生します。ここで使われる動画モデルは音声と映像を1回の処理で生成するため、この手間はなくなりますが、「声の設定」の意味合いが変わります。これは台本を入力して使う音声合成エンジンではなく、生成処理の条件となる参照情報なのです。

キャラクターに声を設定する3つの方法
文章による説明	年齢、声質、声の太さ、話し方などを指定します。キャラクターの他の要素と同じく台本から生成され、動画モデルによって演じられます。
マッチングされたプリセット	システムボイスのライブラリから声を選びます。各ボイスには試聴可能な短い音声サンプルが付いています。モデル呼び出し1回で、性別、言語、年齢をもとにキャラクターごとにマッチする声が提案されます。再マッチングしたり、手動で別の声を選んだりすることも可能です。
自身のサンプル	キャラクター用の音声をアップロードすると、そのキャラクターが登場するすべてのセグメントで、その音声が声の参照として使われます。

設定した声は一貫して使用されます。同じキャラクターの顔が変わらないのと同じ理由で、すべてのセグメント、すべてのエピソードで同じ声で話します。参照情報がキャラクターに紐づいているからです。

提供しない機能とその理由

他人の録音から声をクローンするツールは用意していません。これはロードマップに載っていない意図的な制限です。私たちがサービスを提供するほとんどの市場では、実在する人物の声を使った合成パフォーマンスを公開することは肖像権の問題になります。ワンクリックでそれができる製品は、その行為を常態化させてしまいます。私たちのコンプライアンスチェックリストでは、顔であれ声であれ、肖像は公開前に使用権限を得ている必要があるものとして扱っています。

この制限から明確にお伝えしておくべき2点があります：

自身の声をアップロードするのは問題ありません。 それはあなた自身の肖像であり、アップロード機能はまさにそのために存在します。
文章の説明から声を設計する方式は現在採用していません。 この生成フローは2026年8月に廃止され、実際のサンプリングされた声をマッチングする方式に置き換えられました。形容詞だけで声を設計すると、形容詞だけで顔を記述した場合と同じように、生成ごとに声がブレてしまうからです。

言語は別の設定です

セリフの言語はステップ1で選択し、プロジェクト全体に適用されます。分析段階でその言語でセリフが書かれ、絵コンテにそのまま記載され、その言語で演じられます。これは英語の原版に対する吹き替え処理ではありません。英語の原版自体が存在しないのです。対象地域の設定により、キャスト、名前、舞台設定を同時に該当する市場に合わせることができます。15言語に対応しており、なぜセリフを生成する方が後からタイミングを合わせる吹き替えより優れているかについては、吹き替えを推奨しない理由で詳しく説明しています。

料金について

ボイスマッチングは無料のモデル呼び出しです。クレジットを消費せず、同時実行タスクの制限にもカウントされません。自身のサンプルのアップロードも無料です。音声自体は動画生成の一部として生成され、料金は出力1秒あたり10クレジットから（最低クレジット単価では約$0.06/秒）。音声に対して1単語ごと、1文字ごとの個別料金は発生しません。詳細は料金ページ、または生成処理の中で声の設定がどの位置にあるかについてはジェネレーター概要をご覧ください。

現在できないこと

アップロードしたクリップの声を差し替えること。 音声は映像と同時に生成されるため、既存の映像の音声だけを置き換える処理は存在しません。
耳で聞きながらセリフの演技を調整すること。 話し方の調整は、絵コンテ内の各セリフに付けるカッコ書きのヒント（書き起こしメモ）で行い、波形エディターでは行いません。読み方が間違っている場合は、メモを変更してそのセグメントを再生成します。
字幕を焼き込むこと。 各プラットフォーム向けのキャプションはエクスポート後に追加します。ストーリー上必要な場合に限り、パイプラインがフレーム内にテキストを書き込みます。