AI動画とボイスを音声コマンドで：スタジオに話しかける

スタジオの上部にあるAskバーには、マイクがあります。タップして、作りたいもの（クリップ、画像、ボイスのセリフ）を話し、話すのをやめるだけ。文章は自動で送信され、Askが話した内容で適切なツールを準備します。ボタンを1回クリックすれば、準備の整ったページが開きます。Askが代わりに「生成」を押すことはありません。

このガイドでは、マイクが使える場所、1回で伝わる話し方、声での追加指示、そしてボイスも作るスタジオならではの大事な区別、つまり「コマンド」と「読み上げるセリフ」の違いを解説します。

マイクの場所

• Askは、スタジオのホーム（ログイン後の/studio）の上部にあるバーです。ホームの入力欄のデフォルトのタブで、プレースホルダーには「何でも聞いて、何でも起動」と表示されています。詳しくは/askで紹介しています。
• マイクはそのバーの中にあり、ブラウザに組み込まれた音声認識を使います。Chrome、Edge、Safariが対応しています。Firefoxのように音声認識のないブラウザでは、マイクは表示されません。
• 送信ボタンを押す必要はありません。話すのをやめれば、言葉は自動で送信されます。
• マイクがなければ入力で。Enterで送信、Shift+Enterで改行です。スタジオのほかのページからは、⌘K（WindowsではCtrl+K）で「検索、または何でも質問…」が開きます。フレーズを入力し、最後の行の『eroqに聞く：「…」』を選べば、進行中のチャットに送信されるか、新しいチャットが始まります。

話し終えると何が起きるか

最初のメッセージで、スタジオのホームがチャットに変わります。右にあなたの言葉、左に返信が1語ずつ書き出されます。Askが作業しているあいだは小さなオーブが回り、「読んでいます…」「最適なツールを選んでいます…」「パラメーターを設定しています…」といった短いヒントで、今のステップが表示されます。

ここからが、読む価値のある部分です。返信の下に、Askが何を準備したかを示すグレーの行が表示されます。例は英語ですが、日本語で話しても同じように動きます。

You say:    make a vertical clip of a woman walking through neon rain, 10 seconds
Grey line:  Video · 10 s · 9:16    [Open Video →]

Askが書いたプロンプトは、その行の下に引用されます。動画を開く →をクリックすると、そのプロンプトと設定が入力済みの状態で動画のページが開きます。クリックするまでは、チャットにとどまります。ロックされたエンジンの場合は、ボタンの横にプランのバッジが表示されます。

頼むのは無料です。Askはページを準備するだけで、「生成」ボタンを押すのは、いつもどおりのクレジット確認とプランのアンロックを経たうえで、あなた自身です。

メディア、シーン、設定の順に話す

話し言葉の文は、長くまとまりがなくなりがちです。次の順番で話せば、わかりやすく保てます。

1. メディア：「クリップ」「画像」「ボイスのセリフ」「ショートフィルム」。これでツールが決まります。動画、画像、ボイス、Cinemaのどれかです。
2. シーン：被写体、アクション、場所、光。Askがプロンプトに書き込みます。
3. 設定：エンジン、秒数、フォーマット、テイク数。

You say:    make an image of a lighthouse at dusk, square, four versions
Grey line:  Image · 1:1 · ×4    [Open Image →]

メディアを言わないと、Askが聞き返してきます。「何かかっこいいのを作って」と言えば、「画像、クリップ、ボイスのセリフ、それともテキスト？」と、答えのチップ付きで返ってきます。1つをタップするか、声で答えましょう。

設定には、Askがすでに知っている普通の言葉を使います。フォーマットなら「縦型」「リール」「横長」「正方形」「ウルトラワイド」、長さなら「10秒」、エンジンなら「Klingで」「Veo 3.1で」。言わなかったものは、ツールの現在の設定のまま残ります。Askが設定するのは、頼んだものだけです。どの言葉で何が設定されるかは、Askがエンジン、長さ、フォーマットを選ぶ仕組みで一覧にしています。

音声入力で役に立つ習慣がひとつあります。ページを開く前に、グレーの行を読むことです。設定されたエンジン、長さ、フォーマットが表示されています。言ったはずのものが抜けていたら、追加の指示で足すか、入力してください。

コマンドとボイスのセリフ

eroqは映像だけでなくボイスも作るので、声での依頼には2つの意味がありえます。

コマンドは、何かを作ってほしいという依頼です。「…のクリップを作って」「…の画像」。Askがツールを準備し、プロンプトを書きます。動画と画像のプロンプトは、どの言語で話しても、エンジン向けに英語で書かれます。

ボイスのセリフは、読み上げるためのテキストです。先にボイスを指定し、コロンのあとにセリフを言います。

You say:    Aria, read this like a voicemail: Hey, it's me. I landed early, call me back when you're out.
Grey line:  Voice · Aria    [Open Voice →]

ボタンを押すと、Ariaが選択され、あなたのセリフがテキストに入った状態でボイスツールが開きます。ボイスのセリフは話した言語のまま保たれ、書かれたとおりに読み上げられます。フランス語のセリフはフランス語のままで、Askもフランス語で返信します。日本語で話したセリフも、日本語のまま保たれます。

You say:    Orion, lis ça doucement : la porte était déjà ouverte quand je suis arrivé.
Grey line:  Voice · Orion    [Open Voice →]

ボイスは、標準のボイス（AriaやOrion）、あなたのクローンボイス、キャラクターのボイスのいずれでもよく、どれも名前で見つけられます。指示はコロンの前、セリフはコロンのあとに置くので、どの言葉が読み上げ用なのかが常にはっきりします。言語については、どの言語でも使えるプロンプトで詳しく解説しています。

「生成」を押すのはあなたなので、レンダリングの前にセリフを確認できます。句読点が読み方を形作るので（句読点で声を演出する）、音声入力した台本はひと目確認する価値があります。生成する場合、セリフの料金はVoice Oneで100文字あたり3クレジット、Voice Turboで2クレジットです。

声で追加の指示を出す

スレッドは文脈を覚えているので、次の文は短くて構いません。前に言ったことは有効なままです。

You say:    make a clip of a woman walking through neon rain at night, 10 seconds
Grey line:  Video · 10 s    [Open Video →]

You say:    now make it vertical
Grey line:  Video · 10 s · 9:16    [Open Video →]

You say:    make it with Kling instead
Grey line:  Video · Kling 3.0 · 10 s · 9:16    [Open Video →]

もっと短い言い方でも伝わります。「同じで、縦型に」「やっぱりKlingで」「5秒にして」「今度は画像で」。動画のページに移動しても、ブラウザの戻るボタンか、左のレールのAskで戻れば、会話はそのまま残っています。新しいチャットで新しい会話が始まります。チャットはこのブラウザに保存され、デバイス間では同期されません。さらに踏み込んだ使い方は、会話でAI動画を繰り返し調整するで紹介しています。

声で移動する

Askの役目は、ツールの準備だけではありません。「ライブラリを開いて」「請求」「声をクローンしたい」「APIキー」「コミュニティの作品を見せて」「新しいフィルム」と言えば、そのボタンで目的の場所に移動できます。

「ドラゴンのクリップを開いて」と言えば、プロンプトやタイトルの言葉からあなたの作品を検索し、一致したものを最大5件、クリックできるサムネイルで表示します。一致するものがなければ、作品を開く →から、その言葉で絞り込まれたライブラリに移動できます。キャラクター、エレメント、クローンボイスは名前で見つかります。読み取るのはプロンプトとタイトルで、画像や動画そのものの中身は見ません。

正直な限界

• Askは自分でレンダリングしません。「生成」をクリックするまで、何も消費されません。
• eroqにはアップスケール、リップシンク、インペインティングの機能がなく、Askはできるふりをせずにそう伝えます。
• チャットは、このブラウザに30日間、そのデバイスだけに保存されます。
• Askはスタジオの一部で、APIのエンドポイントではありません。開発者は生成のエンドポイントを直接呼び出すか、/mcpのMCPサーバーからアシスタントを接続してください。

よくある質問

eroqの音声コマンドに対応しているブラウザは？

Chrome、Edge、Safariです。マイクはブラウザに組み込まれた音声認識を使います。Firefoxのように音声認識のないブラウザではマイクが表示されないので、代わりに入力してください。Enterで送信、Shift+Enterで改行です。

話したあとに送信ボタンを押す必要はありますか？

ありません。話すのをやめれば、言葉は自動で送信されます。間が空いたせいで言いたいことの半分しか送られなかった場合は、追加の指示で続きを伝えましょう。スレッドは前に言ったことを覚えています。

ほかの言語で音声コマンドを使えますか？

使えます。自分の言語で話せば、Askはその言語で答えます。動画と画像のプロンプトはエンジン向けに英語で書かれ、ボイスのセリフは話した言語のまま保たれます。

音声コマンドでクレジットは消費されますか？

されません。頼むのは無料です。Askはツールを準備して、それを開くボタンを表示するだけです。「生成」ボタンを押すのは、いつもどおりのクレジット確認とプランのアンロックを経たうえで、あなた自身です。

自分のキャラクターにセリフを言わせるには？

キャラクターの名前を言い、コロンのあとにセリフを続けます。「Aria、これを読んで：…」と同じ形です。Askはそのキャラクターのボイスでボイスツールを準備し、セリフは話した言語のまま保ちます。

スタジオを開いてマイクをタップし、最初のクリップを話してみてください。1回のクリックで準備の整ったページが開き、「生成」を押すのはあくまであなたです。