Anyscene AIAIテキスト読み上げ
テキストを入力または貼り付けて声を選ぶだけで、自然な音声をダウンロードできます。1人の読み上げも、2人以上の会話も作れます。
0 / 5,000 文字
作例から試す
概要
AIテキスト読み上げとは？
AIテキスト読み上げは、書いた文章を人が読んでいるような声に変える技術です。テキストを書き、声とモデルを選ぶと、音声ファイルが返ってきます。
Anyscene では Google の Gemini と ElevenLabs の3つのモデルをひとつのテキスト読み上げジェネレーターで使えます。どの声も、クレジットを使う前に試聴できます。
134種類の声を先に試聴
10の用途グループに分かれた Gemini の声が70種類、ElevenLabs の声が64種類。どれも下でサンプルを聴けます。
130以上の言語
Gemini はテキストの言語を自動で判別します。Flash と V3 では32言語から1つを指定することもできます。
ナレーターひとりでも、複数の配役でも
台本を1つの声で読ませることも、会話を書くこともできます。Gemini は2人、ElevenLabs は最大6人まで。
話し方を伝えられる
言葉で読み方を指示したり、トーンタグを入れたり、ElevenLabs では速さと安定性を調整したりできます。
声のライブラリ
134種類のテキスト読み上げ用の声を、すぐに試聴
文章を書く前に、どの声でも聴いてみてください。Gemini の声は向いている用途ごとに分かれていて、ElevenLabs の声は速さや安定性も調整できます。
気に入った声はありましたか？テキスト読み上げジェネレーターの声メニューから選べます。 ジェネレーターに戻る →
同じ台本、3つのモデル
同じ台本を3つのテキスト読み上げモデルで
162文字の同じナレーションを、1人用の各モデルに読ませました。並べて再生すると、テンポや声色の違いがわかります。
The harbor lights came on one by one. She counted them the way her father taught her, slowly, as if each one might answer back. Tonight, the last one stayed dark.
Gemini 3.8 Flash TTS
Achird · “warm and unhurried, like a bedtime story”
温かく、ゆっくりと指示された Gemini は、文と文の間をたっぷり取ります。
17秒 · 162文字 · 1クレジット
ElevenLabs Flash 2.5
James
ElevenLabs でいちばん速いモデル。落ち着いた均一な読み方です。
12.7秒 · 162文字 · 3クレジット
ElevenLabs Multilingual v2
James
長いナレーション向けの ElevenLabs のモデル。数分の文章でも安定して読み続けます。
11.6秒 · 162文字 · 5クレジット
どのクリップも上のテキスト読み上げジェネレーターで作ったもので、費用は表示どおりです。Gemini は長さ、ElevenLabs は文字数で計算されます。
演出
どう読むかを伝える
すべての行を同じ調子で読むと、テキスト読み上げは平板に聞こえます。ナレーターに指示を出すつもりで、声に演出をつけましょう。
読み方を言葉で書く（Gemini）
Gemini の各行には「話し方」の欄があります。気分、テンポ、場面を短く書いてください。
港の明かりが、ひとつ、またひとつと灯った。
話し方: 温かく、ゆっくりと、寝る前の読み聞かせのように
開場は9時です。遅れないでくださいね。
話し方: 歯切れよく明るく、ラジオCMのように
トーンタグを入れる（Gemini）
笑う、ため息をつく、間を取る、といった位置にタグを入れます。ジェネレーターの「トーンタグ」メニューから挿入できます。
まさか本当にうまくいくなんて。<laugh> よし。<short pause> もう一度、最初から。
- <laugh>
- <chuckle>
- <sigh>
- <gasp>
- <whispers>
- <short pause>
- <long pause>
- <breath>
- <cheer>
- <sob>
- <cough>
- <yawn>
おすすめ
- 指示は短く。気分とテンポを2〜5語で。
- 数字や日付、名前は、読んでほしい形で書く。
- 行ごとに声や指示を変えたいときは「会話」タブを使う。
避けたいこと
- （悲しそうに）のようなト書きを本文に入れる。声がそのまま読み上げることがあります。
- タグをいくつも続けて入れる。1か所に1つが最も効果的です。
- 指示で話し手まで変わると期待する。話し手を変えたいときは別の声を選びます。
会話
ナレーションだけでなく、会話も
テキスト読み上げジェネレーターを「会話」に切り替え、話し手ごとに声を選んで、セリフを順に書きます。やり取り全体がひとつの音声ファイルになります。
- ArabellaDid you leave the porch light on?
- JamesI always do. You never know who's finding their way home.
- ArabellaThen let's keep it on a little longer.
ElevenLabs V3 Dialogue · 8.6秒 · 130文字 · 4クレジット
V3 なら最大6人
ElevenLabs V3 Dialogue は最大6人の配役に対応し、1つの会話につき2,000文字まで書けます。
Gemini は2人、つなぎ言葉つき
Gemini は2人の話し手を演じ分け、「えー」「あの」といった自然なつなぎ言葉も入れられます。各行の「話し方」の指示もそのまま生きます。
最大60行
発言ごとに1行追加し、その行のメニューで話し手を選びます。セリフは書いた順に読み上げられます。
料金
テキスト読み上げ1分あたりの料金
Gemini は音声の長さ、ElevenLabs は送信した文字数で課金されます。生成ボタンを押す前に、ジェネレーターが正確な料金を表示します。
3
クレジットで、Gemini の音声約1分
15
クレジット／1,000文字（ElevenLabs Flash 2.5）
30
クレジット／1,000文字（Multilingual v2 と V3）
| モデル | 課金方法 | 英語 約1分 | 中国語 1,000字 | 利用できる人 |
|---|---|---|---|---|
| Gemini 3.8 Flash TTS | 長さ：20秒ごとに1クレジット | 3クレジット | 12クレジット | すべてのアカウント |
| ElevenLabs Flash 2.5 | 文字数：1,000文字ごとに15クレジット | 12クレジット | 15クレジット | 有料プランとクレジットパック |
| ElevenLabs Multilingual v2 | 文字数：1,000文字ごとに30クレジット | 26クレジット | 30クレジット | 有料プランとクレジットパック |
| ElevenLabs V3 Dialogue | 文字数：1,000文字ごとに30クレジット | 28クレジット | 30クレジット | 有料プランとクレジットパック |
1分あたりの数字は、このページの例で各モデルが1分間に読んだ文字数から出しています。Gemini の長さは、生成前にテキストから見積もります。
使い方
3ステップでテキストを音声に
テキストを貼り付けてから音声ファイルをダウンロードするまで、すべてこのページ上部の AIテキスト読み上げジェネレーターで完結します。
- 1
テキストを書く、または貼り付ける
ナレーションなら1つの声で。会話なら「会話」に切り替えて、話し手ごとのセリフを書きます。1クリップは5,000文字までです。
- 2
声とモデルを選ぶ
声メニューでサンプルを聴き、Gemini か ElevenLabs のモデルを選びます。必要なら話し方の指示やトーンタグを加えます。
- 3
生成してダウンロード
その場で再生して確認し、ダウンロードします。Gemini は WAV、ElevenLabs は MP3 です。履歴の「音声」にも保存されます。
活用例
クリエイターが AIテキスト読み上げを使う場面
テキスト読み上げの声が得意な6つの仕事と、それぞれに合う設定です。
YouTube やショート動画のナレーション
解説動画やショート動画に、安定したナレーターを。Gemini なら1分まるごと約3クレジットで読めます。
ポッドキャスト風の会話
2人のホストの掛け合いを、会話として書くだけ。Gemini は自然なつなぎ言葉を入れ、V3 はより多くの配役に対応します。
講座や解説
講座動画やチュートリアル向けの、明瞭で落ち着いた読み方。Gemini の「講師」と「解説」グループがぴったりです。
広告やプロモーション
「歯切れよく明るく」のような指示をつけた、短くインパクトのある読み上げ。まずは Gemini の「広告」グループから。
寝る前の物語やオーディオブック
ほどよく間を取った、温かい語り。Multilingual v2 は長い文章でも安定しています。
製品デモ
画面録画や製品動画のナレーションに。WAV か MP3 で、そのまま編集ソフトに読み込めます。
モデル比較
どのテキスト読み上げモデルを選ぶか
4つとも同じジェネレーターで動くので、テキストはそのままでモデルだけ切り替えられます。
| モデル | 向いている用途 | 声の数 | 話し手 | 調整できる項目 | 言語 | 最大文字数 |
|---|---|---|---|---|---|---|
| Gemini 3.8 Flash TTS | 自然なナレーションと2人の会話。1行ずつ演出できる | 70 | 1〜2 | 行ごとの「話し方」、トーンタグ、つなぎ言葉 | 130以上、自動判別 | 5,000文字 |
| ElevenLabs Flash 2.5 | 速く、均一なナレーション | 64 | 1 | 速さ 0.7〜1.2、安定性、明瞭さ、スタイル | 32、指定可能 | 5,000文字 |
| ElevenLabs Multilingual v2 | 長く、安定したナレーション | 64 | 1 | 速さ 0.7〜1.2、安定性、明瞭さ、スタイル | 29、自動判別 | 5,000文字 |
| ElevenLabs V3 Dialogue | 表情豊かな会話 | 64 | 2〜6 | 安定性 | 32から指定、または自動判別 | 2,000文字 |
Gemini はすべてのアカウントで使えます。ElevenLabs のモデルには有料プランかクレジットパックが必要です。
AIテキスト読み上げのよくある質問
134種類です。Gemini の声が70種類、ElevenLabs の声が64種類で、すべてこのページで試聴できます。Gemini はテキストから130以上の言語を判別し、Flash と V3 は32言語から1つを指定できます。
はい。「会話」に切り替えると、Gemini は2人、ElevenLabs V3 Dialogue は最大6人の話し手を演じます。会話はひとつのファイルで届きます。
Gemini では各行に短い話し方の指示を書き、<laugh> や <short pause> のようなトーンタグを入れます。ElevenLabs では速さ（0.7〜1.2）、安定性、明瞭さ、スタイルを調整します。
Gemini は音声20秒ごとに1クレジット、1分で約3クレジットです。ElevenLabs は Flash が1,000文字ごとに15クレジット、Multilingual v2 と V3 は30クレジットで、生成前にジェネレーターが料金を表示します。
1クリップにつき5,000文字まで、V3 の会話は2,000文字までです。長い台本は分けて生成してください。
Gemini は WAV（24 kHz、モノラル）、ElevenLabs は MP3 を返します。結果はすべて履歴の「音声」に保存され、再生、ダウンロード、お気に入り登録ができます。
はい。利用規約では、生成したコンテンツ（声を含む）の所有権と商用利用の権利はあなたにあると定めています。声を使って実在の人物になりすますことはしないでください。
Anyscene に有名人の声はありません。ご本人の声のクローンは計画中ですが、時期はまだ決まっていません。