オーディオブックとポッドキャストのAI音声：クレジットの実際の計算

長尺の音声は、クリエイティブの問題である前に予算の問題です。1章は、納得のいく響きになるまで作り直せばいい1文ではありません。レンダリングし、聴き、直し、またレンダリングする6万文字です。ですから、eroqでのナレーションについてまず知っておくべきなのは課金の単位（単語でも分でもなく、文字数）で、次に知るべきは、下書きに使う文字数を減らす方法です。要点だけならオーディオブックとポッドキャストの活用例にまとまっています。

2つのエンジン、同じボイス

ボイスには2つの音声合成モデルがあり、どちらも同じボイスのラインナップと、あなたのクローンボイスを共有しています。

• Voice One：表現力豊かなフラッグシップ。100文字あたり3クレジットで、MP3で出力します。
• Voice Turbo：より高速。100文字あたり2クレジットで、ボイスもクローンも同じです。

厳選されたラインナップは、あえて少数にしています。Ariaは温かく親密な声、Orionは低く落ち着いた声で、ラインナップ全体で13言語に対応しています。「速度」と「表現力」はスライダーで調整でき、作成したキャラクターには、ラインナップのボイスか自分のクローンボイスで話させることができます。

10,000語の章で計算する

英語の散文は、スペースを含めて1単語あたり約6文字です。つまり10,000語の章はおよそ60,000文字で、100文字のブロックにして600個分です。

• Voice One：600 × 3 = 1,800クレジット
• Voice Turbo：600 × 2 = 1,200クレジット

差は1章あたり600クレジット。エントリーパックの料金（1,000クレジットで$10）で換算すると約$6です。これが、ここで唯一大事なワークフローのルールの理由です。校正はTurboで、本番はOneで。下書きの章をVoice Turboでレンダリングし、読み間違えた名字や、疑問文のように聞こえてしまう文を聞き取ってテキストを直し、最後に一度だけVoice Oneで本番をレンダリングします。

この方法で12章の本を校正すると、下書きが12 × 1,200 = 14,400クレジット、本番が12 × 1,800 = 21,600クレジットで、合計36,000クレジット。ちょうどTeamプランの月間付与分（36,000クレジットで$249）と同じです。本番だけをレンダリングするなら、同じ本で21,600クレジット。これはStudio（20,000クレジットで$149）にStarterパック2つ（各1,000クレジットで$10）を足した量で、Studio単体なら20,000 ÷ 1,800 = 月11.1章分です。クレジットは無期限に繰り越され、失効することはありません。失敗した生成は自動で返金されるので、4か月かけて書く本のために、同じプランを4か月続ける必要はありません。

句読点が演出になる

演出用の別トラックはありません。読み方は句読点で決まります。それを知ると、書き方が変わります。読点は息継ぎ、ダッシュ（――）は意図のある間、三点リーダーはためらい、句点は着地です。1文に1つの考えだけを込めた短い文のほうが、紙の上で見栄えのする優雅な従属節よりも、声に出したときにずっとよく響きます。

次の一節は、目ではなくマイクのために書かれた文章です。そのまま引用でき、オーディション中のどのボイスにとっても公平なテストになります。

彼は午後のあいだずっと、その一言を練習していた。車の中で。エレベーターの中で。ドアの前で、木の扉に手のひらを当てたまま――そして、ノックする前に彼女が扉を開けた。練習した言葉は、どこかへ消えてしまった。「早いのね」と彼女は言った。早くなどなかった。彼は三年遅れていた。

本1冊に取りかかる前に、この一節を両方のモデルでレンダリングしてみてください。60秒聴くだけで、仕様表では決着のつかない議論に答えが出ます。

自分の声をクローンする

チャンネルがあなたのものなら、声もあなたのものであるべきです。ボイスクローンは、あなた自身が録音した音声から、ラインナップのボイスが使える場所ならどこでも使えるボイスを作ります。どちらのモデルでも使え、100文字あたりの料金も同じです。ポッドキャストなら、毎回同じ声のイントロ、公開済みのエピソードに差し込む修正の1文、そしてブースを予約し直さずに済む録り直しが手に入ります。

ルールは1つ、はっきり言っておきます。クローンするのは自分の声か、書面で使用許可を得た声だけにしてください。本人の同意なしに、特定できる実在の人物を扱うことは全面的に禁止されており、これには声も含まれます。

ポッドキャストと、音声まわりの作業

ナレーションは、ポッドキャスト制作の4つの作業のうちの1つにすぎません。残りの3つは安く済みます。

• 台本づくり：テキストでRP+を使えば1回の応答あたり3クレジット、RP miniなら1クレジットです。文体を「シーン」にすると没入感のある文章が書け、箇条書きよりも読み上げに向いています。6回の応答で台本を仕上げれば18クレジットです。
• 2人の声：対話形式のエピソードは、話し手ごとに1回ずつ、AriaとOrionで2回レンダリングし、編集ソフトでつなぎます。台本を話し手ごとに分けておけば、再レンダリングの費用は変更したブロック分だけなので、録り直しも安く済みます。
• 文字起こしと番組ノート：Scribe Oneは音声をテキストに変換するエンジンで、音声1分あたり1クレジット、ファイルは8 MBまで、言語は自動で判別します。完成したエピソードを文字起こしすれば、チャプターマーカー、字幕、エピソードページのSEO用テキストに使えます。

レンダリングはすべてMP3としてライブラリに自動保存されるので、3月に作ったイントロも9月にちゃんと残っています。

13言語、1冊の本

ラインナップのボイスは13言語を話すので、翻訳版を作るのはキャストのやり直しではなく、レンダリングのやり直しで済みます。計算もそのまま使えます。翻訳した10,000語の章もおよそ同じ600ブロックなので、Voice Oneで1,800クレジットです。そして読み方のために書いた句読点は、副詞よりもずっとうまく翻訳を生き延びます。

量が見合うなら、同じモデルをAPIからも使えます。audio/speechはテキストとボイスを受け取ってファイルを返します。パラメーターは音声合成のドキュメントに一覧があります。章ファイルのフォルダーに1本のスクリプトを走らせれば、一晩で本が1冊レンダリングできます。

よくある質問

ナレーション1分は何クレジットですか？

課金は分ではなく文字数です。話し言葉の英語はおよそ1分150語なので、1分はおよそ900文字、つまり9ブロックです。Voice Oneなら27クレジット、Voice Turboなら18クレジットになります。40分のエピソードは約36,000文字なので、Voice Oneで360 × 3 = 1,080クレジットです。

章全体をレンダリングし直さずに、1段落だけ直せますか？

はい、ぜひそうしてください。シーン、セクション、話し手の発言ごとなど、まとまり単位でレンダリングすれば、修正の費用はそのまとまりの分だけです。Voice Oneで500文字をレンダリングし直すと、1,800クレジットではなく、5 × 3 = 15クレジットで済みます。

Voice Turboは明らかに質が落ちますか？

Voice Turboはより速く、100文字あたり2クレジットと安価で、ラインナップもクローンも同じです。Voice Oneは表現力豊かなフラッグシップで、その差が最も出るのは感情豊かなフィクション、最も出にくいのは淡々とした情報系のナレーションです。自分のテキストで両方を試してください。1,000文字のサンプルなら、Voice Oneで30クレジット、Voice Turboで20クレジットです。

章の準備はできましたか？ボイスを開いて1,000文字を貼り付け、本の計画を立てる前に、同じ一節を両方のモデルでレンダリングしてみましょう。