音声生成AIのElevenLabsは、テキストから効果音を生成できる最新の効果音生成モデルをリリースしました。このモデルは、プロンプトから効果音、短い音楽トラック、サウンドスケープ、様々なキャラクターボイス等を生成することができ、すべてのユーザーが利用可能です。
映画・テレビスタジオ、ビデオゲーム開発者、ソーシャルメディア・コンテンツ制作者など、多くのクリエイターがプロンプトだけで手軽にリッチで没入感のあるサウンドを生成することができます。同社の公式Xのアカウントでは、最新のモデルで生成された効果音のデモを公開しています。
Text to Sound Effects is here. Our newest AI Audio model generates sound effects, short instrumental tracks, soundscapes, and a wide variety of character voices, all from a text prompt. Available now for all users.
— ElevenLabs (@elevenlabsio) May 31, 2024
Everyone from content creators, video game developers, to film… pic.twitter.com/yHrh3C3qk5
ElevenLabsは世界的な大手クリエイティブ・プラットフォームであるShutterstockと提携し、同社のオーディオライブラリーを使用してモデルのトレーニングを行ったということです。
使用方法は以下の通りです。ElevenLabsの「Sound Effects」のメニューにアクセスし、生成したいサウンドのプロンプトを記載して「Generate Sound Effects」をクリックすると、約10秒ほどで4つの効果音のサンプルが表示され、最適なものをダウンロードすることができます。
同社は以前より音声合成モデルの開発に取り組んでおり、テキストから音声を生成するツールや、音声サンプルから音声クローンを生成するツールを提供していました。共同創業者のスタニシェフスキ氏によると、今後は音楽制作モデルや、現在アルファ版であるナレーション・スタジオの提供も開始する予定ということです。