トラブルシューティング

生成された音声の音量やトーンにばらつきがある場合、多くはボイスクローンのトレーニング用オーディオに一貫性がないことが原因です。

• コンプレッションを適用する：トレーニング用オーディオをコンプレッサーで処理し、ダイナミックレンジを抑えて一貫性を確保します。RMSは-23dB～-18dB、トゥルーピークは-3dB未満を目安にしてください。
• バックグラウンドノイズ：トレーニング用オーディオには、クローンしたい音声だけが含まれるようにしてください。音楽、ノイズ、ポップノイズは含めないでください。バックグラウンドノイズ、急激なエネルギーの増加、または継続的な低周波エネルギーは、AIの安定性を低下させる可能性があります。
• 話者の一貫性：話者がマイクから一定の距離を保ち、ささやき声や叫び声を避けるようにしてください。変化があると、音量や音色にばらつきが生じる可能性があります。
• オーディオの長さ：
  • インスタントボイスクローン：一貫性のあるオーディオを1～2分使用してください。音色、話し方、アクセント、品質の一貫性が重要です。
  • プロフェッショナルボイスクローン：最良の結果を得るには、一貫性のあるオーディオを最低30分、理想的には2時間以上使用してください。

問題を最小限に抑えるには、テキストをより小さなセグメントに分割してください。この方法により、音量の一貫性を維持し、長時間の音声生成で発生する品質低下を抑えられます。ElevenCreative Studio機能を使うと、複数の短いオーディオセグメントを同時に生成でき、品質と一貫性を向上できます。

Multilingualモデルでは、英語であっても特定の単語をまれに誤って発音することがあります。この問題はややランダムに見えますが、音声とテキストに依存する傾向があります。特定の音声やテキスト、特に他の言語にも存在する単語を使用する場合に、より頻繁に発生します。

• ElevenCreative Studioを使用する：この機能は、スピーチ合成で長いテキストセクションを使用する際に起こりやすい誤発音の問題を抑えるのに役立ちます。問題を完全になくすことはできませんが、回避しやすくなり、テキスト全体をやり直さずに特定のセクションを再生成できます。
• 適切にクローンされた音声を使用する：一貫性の問題への対処と同様に、目的の言語で適切にクローンされた音声を使用すると、誤発音を減らすのに役立ちます。
• 発音を指定する：ElevenCreative Studio機能を使用する際は、キャラクター名やブランド名などの特定の単語の発音、または略語の読み方を指定することを検討してください。詳細については、ElevenCreative Studioガイドの発音辞書セクションを参照してください。

AIは、特に生成する音声が長い場合、1回の生成の途中で言語やアクセントを切り替えてしまうことがあります。この問題は誤発音の問題に似ており、現在積極的に改善に取り組んでいます。

• 適切にクローンされた音声を使用する：目的の言語で、高品質かつ一貫性のあるオーディオを使ってトレーニングされたインスタントボイスクローンまたはプロフェッショナルボイスクローンを使用すると、この問題を軽減できます。ElevenCreative Studio機能と組み合わせることで、さらに安定性を向上できます。
• 音声の制限を理解する：デフォルト音声と生成音声は主に英語向けであり、他の言語で使用すると英語アクセントが残る場合があります。目的のアクセントでターゲット言語を話す音声をクローンすると、AIにより良いコンテキストを提供でき、言語切り替えの可能性を減らせます。
• 言語の選択：現在、AIは入力テキストに基づいて言語を判断します。特に英語ベースの既製音声を使用する場合は、英語アクセントが混ざる可能性があるため、目的の言語で記述することが重要です。
• 最適なテキストの長さ：AIは短いテキストセグメントでは、一貫したアクセントを維持しやすい傾向があります。最良の結果を得るには、テキスト読み上げを使用する際のテキスト生成を800～900文字未満にしてください。ElevenCreative Studioのワークフローでは、長いテキストをより小さく扱いやすいセグメントに分割して管理できます。

モデルは、特定の数字、記号、略語を誤って発音する場合があります。たとえば、数字の「1、2、3」は、英語では「one」「two」「three」と発音される可能性があります。他の言語で正しく発音させるには、意図したとおりに音声表記または単語で記述してください。

• 例：数字の「1」をフランス語で発音させるには、「un」と記述します。
• 記号：たとえば「$」を「dollar」または「euro」とするように、記号の読み方を指定してください。
• 略語：略語は発音どおりに表記してください。

音声の破損は、モデルがこもった音声や歪んだオーディオを生成するまれな問題です。これは 予測不能に発生し、原因は特定できていません。発生した場合は、該当セクションを再生成して 解決してください。

長いテキスト読み上げ変換中に、オーディオ品質が低下する場合があります。これを軽減するには、テキストを800文字未満のセクションに分割してください。

• 音声の選択：一部の音声は品質低下の影響を受けやすくなっています。クローン音声には高品質なサンプルを使用して、アーティファクトを最小限に抑えてください。
• 安定性と類似性：これらの設定を調整すると、音声の挙動やアーティファクトの目立ちやすさに影響を与えられます。詳細は各設定にカーソルを合わせて確認してください。

一部の音声では、この音声設定により、速度の不一致、 誤発音、余分な音の追加など、不安定になる場合があります。特に生成したオーディオで これらの問題が発生している場合は、この設定を0に保つことをおすすめします。

インポート機能は、ウェブサイトに提供したファイルをインポートしようとします。ウェブサイトの構造や書籍の書式にはばらつきがあり、画像も含まれるため、インポート結果の正確性を必ず確認してください。

• 章の画像：書籍の章が頭文字を画像で表示して始まる場合、AIがその文字を認識しないことがあります。各章に手動で文字を追加してください。
• 段落構造：元の書籍の構造に従わず、テキストが1つの長い段落としてインポートされる場合、正しく機能しないことがあります。テキストが元の改行を維持していることを確認してください。問題が解決しない場合は、コピー＆ペーストを試してください。それでも失敗する場合は、テキスト形式の変換または書き直しが必要な可能性があります。
• 推奨形式：ElevenCreative Studioでプロジェクトを作成する際は、EPUBが推奨ファイル形式です。適切に構造化されたEPUBでは、ElevenCreative Studio内で各章が自動的に分割され、ナビゲーションが容易になります。正しく認識されるよう、各章の見出しを「見出し1」に設定してください。

まれに、段落の間に不具合や鋭い息継ぎ音が発生することがあります。これはまれな現象で、 通常のテキスト読み上げの問題とは異なります。発生した場合は、問題の原因がその前の段落に あることが多いため、前の段落を再生成してください。