00:08
こんにちは、超実践AI論のたいちです。 今回は、音声編集をプログラムで自動化してコストをゼロにした、というテーマでお話しします。
僕がポッドキャストを始めて1ヶ月ほど経ちますが、まだ長年ポッドキャスト配信を続けている人たちのように、滑らかに話せる状態とは程遠いです。
一言一言、内容を考えながら喋っているので、一分と一分の間にものすごい間があります。
また、収録もそれほど良い道具を使っているわけではないので、音質もイマイチです。
なので、聞いている人にとって自然で聞きやすいポッドキャスト配信にするために、場の調整と音質を整える部分をプログラムで自動化しました。
AIにも音声編集を丸投げすることはできますが、プログラムにするといい点は、処理が圧倒的に早いこと、編集ごとのコストがゼロであること、品質にばらつきがないことです。
実際、今聞いてもらっているこの音声もプログラムを使って編集しています。
4分くらいの音声なら、プログラムをワンクリック実行することで、20秒くらいで編集が終わります。
プログラムでやっていることは3つです。
1つ目はマノカット、2つ目は雑音の除去、3つ目は声のボリュームを調整し、明瞭な音にして聞きやすくすること。
まず、マノカットについては、声がない区間を一律で0.2秒に縮めています。
0.2秒の間の根拠は、チャットGPTにポッドキャスト配信の言葉と言葉の間の自然な間は何秒が適切?と聞いたら、0.2秒と返ってきたからです。
実際に2002年にも間についての研究があって、人が間として認識する最小の秒数が0.2秒だそうです。
雑音の除去は、例えば背後で鳴っている扇風機や空調の音、馬行の発音をしたときに入る破裂音、息遣いや喉を鳴らそうとといったものを取り除いています。
このマノカット・雑音の除去・声のボリュームを整えるスクリプトは、Astraに作ってもらいました。
一気に作らせたわけではなく、まずはマノカットの部分、次に雑音除去の部分、そしてボリュームの調整部分といったように、一つずつ部品を作って最後に組み合わせる形を取りました。
一気に作らせると、検証したときにどの部分が悪いのかを判断しづらいからです。
調整が必要だったのはマノカットの部分だけです。
最初にマノカットのスクリプトを試したときは、0.2秒になっていない箇所がいくつかありました。
なので、Astraに対し、何秒の部分と何秒の部分と何秒の部分が0.2秒になっていないので、原因を調べてスクリプトを修正して、という指示をしてスクリプトを直してもらいました。
スクリプトの調整をしたのはこれだけで、僕はコードを一切読まず、求める完璧な品質のスクリプトができました。
ただ、間については全てが0.2秒だと不自然です。
なので、1分と1分の間は0.8秒に直すようにしています。
これはスクリプトだけだと実現は難しいので、AIの力も使っています。
具体的には、スクリプトで一通り音声を整えた後、AIが音声全体を見て、1分と1分の間の間の部分だけを全て抽出します。
03:08
そして抽出した部分に対して、AIがスクリプトを使って0.2秒に直す作業をします。
このようにスクリプトで音声をグッと圧縮してから、AIにしかできないところだけをピンポイントでAIに任せることで、トークン消費をグッと抑えることができます。
あなたもAIのトークン消費や実行時間が気になるときは、まずはプログラムでできるところをできるだけプログラムでやって、AIの仕様をピンポイントに抑えることで、時間もコストも大幅に削減できます。
今回の内容をまとめます。
僕は、ポッドキャスト配信歴がまだまだ浅いので、プログラムの力を使って、ポッドキャストをより聞きやすいものに編集してもらうことにしました。
プログラムでやっていることは、すべての間を0.2秒に圧縮すること、雑音の除去、音量を整えることです。
Astraに一度プログラムを作ってもらえば、以降は短時間かつAIのトークン消費ゼロで音声編集を自動化できます。
僕はAstraにやってもらいましたが、それほど難しい作業ではないので、Fable 5.1やOpus5でもできると思います。
ぜひあなたも、ポッドキャスト配信の未熟さを補う音声編集スクリプトをAIに作ってもらってみてください。
概要欄にも今回の内容を解説した記事を貼っておきます。
最後に一つお知らせです。
点票作成、受発中管理、請求書などの業務は、AIで自動化してコストを削減できます。
ITエンジニア歴10年の僕が現場の課題を聞き、システム開発から運用まで対応可能です。
相談は無料なので、概要欄のリンクからお問い合わせください。
AIを実務で使いこなせるようになりたい、といったご要望にも対応可能です。
それでは今日はこの辺で。
