Fish AudioとClaude Codeで音声生成
動画編集者ひとのなの、今日も楽しく動画編集のある暮らし。 おはようございます。11月9日。今日のテーマは、最近の音声生成は、Fish Audio×Claude Code推しです。で、お送りして
いきます。
私、今のクライアントワークで、AIで作った、そのクライアント様の声に似せたナレーションを作るっていうのがあるんですね。それを、Fish AudioっていうAIツールを使ってやってるんですけど、これが
まあすごいんですよ。もう本当に、クライアント様の声そのものなんじゃないかって思うくらい精度も高いし、読み上げる、なんだろう、浴用とか語尾とかも、めちゃくちゃ自然にできるんですね。
で、前までは、Fish Audioのサイトを開いて、台本貼って、生成して、ダウンロードしてっていうのを、全部手動でやってました。それが、もうここ最近では、Claude CodeにFish Audioの
APIキーを渡して、Claude Codeから音声を作ってもらうっていうやり方に変えてるんですね。
これをやってから、めちゃくちゃ楽になったので、今日は、まだFish Audioを使ったことないよっていう方に、ぜひ聞いていただきたい内容になっております。
まず、APIキーっていうのは何だろうっていう話なんですけど、Claude Codeに渡す合鍵みたいなものですね。これがあると、私がわざわざFish Audioのサイトを開かなくっても、Claude
Codeが代わりにFish Audioにお願いしに行ってくれるんですね。
今日は、Fish AudioをブラウザからAPIに、Claude Codeに変えてみて良かったことと、ちょっと困ったこと、あと私がAPIキーの方を選んだ理由をお話ししていけたらいいなと思います。
じゃあまず、良かったことからなんですけど、3つあります。
読み方の学習と部分修正
まず1つ目が、読み方のルールが溜まっていくこと。
AIの音声って、英語とか数字の読み方とか、めちゃくちゃ崩れるんですね。
例えば、チャットGPTって言ってほしいのに、チャットGPTって言っちゃったりとか、なんか変な感じになるんですよ。
そういうのは、例えばカタカナでチャットGPTみたいな感じで指示をすれば、綺麗な音声になったりするとか、そういうちょっと独特なやり方っていうのがあったりします。
あとは、4ステップとか3ステップとかも、そのままだと4ステップ、3ステップとかになっちゃうので、カタカナで4ステップで書くとかですね。
これをブラウザでやってた時は、毎回自分で、あっそうだったって思い出して直してたんですね。
でも今は、クロードコードが、この言葉はこう書くとうまく読めたっていうのを覚えておいてくれるので、
チャットGPTって言いたいのであれば、ちゃんとカタカナでチャットGPTみたいに書いておいてくれるので、
次の台本からは、最初からクロードコードがちゃんとした状態で音声を生成してくれるっていうのが、まず1つめちゃくちゃ楽なポイントになります。
2つ目、直したいところだけ直せる。
このフィッシュオーディオって、何回も何回も繰り返し生成できるんですけど、同じ文章でも作るたびに読み方って変わっちゃうんですよね。
だからここの発音だけ変ってなった時に、全部作り直してって言うと、今度は別のところが変になっちゃったりとかして、もうねこれが本当にストレスだったんですよね。
でも今はクロードコードにお願いをしているので、この一文だけ変っていうのを伝えると、その一文だけで何パターンか作ってくれて、元の音声と綺麗に繋げてくれたりします。
音声生成ワークフローのスキル化
3つ目、それを全部まとめてスキル化できること。
スキルっていうのはクロードコードに覚えてもらう、私専用の手順書みたいなものになるんですけど、台本を読みやすく整えて音声を作って、できた音声を文字起こしして、台本と比べて抜けている言葉がないか確認して、
最後にちょっと倍速にしてみたいな、こういう流れを全部スキルにしてあるので、
今は台本貼って何々さんの声で音声生成してって言えば、もう今私が言った一連の行動を勝手に一人でやってくれるんですね。これめちゃくちゃ楽なんですよ。
しかも直してもらったこととか、次からこうしてっていうのもそのスキルに書き足していけるんですよね。
なので使えば使うほどどんどんスキルが育っていくので、どんどんどんどん音声生成の精度が上がっていきます。
導入時の注意点とAPI料金
ここまで聞いて、めっちゃいいじゃんと思った方もいらっしゃると思うんですけど、じゃあ逆に困ったことも正直に2つお話しします。
1つ目がクロードコードは音を聞くことができないっていうこと。文字起こしで言葉が合っているかは確認できても、なんか苦しそうな声だなとか、ここのイントネーション変だなっていうのは直接聞いてはわからない
んですよね。
なのでクロードコードが出してくれるのはあくまで今までの学び、情報から出してくれているだけなので、最後は必ず私が自分の耳で聞いて調整する必要があります。
でもこれはどのAIでも一緒になるので、むしろ自分で聞かないとやっぱりクライアントワークですし心配なので、ここはもう全然まあいいかなっていう感じですね。
2つ目、作り直すたびにお金が減ること。APIは最初にお金をチャージしておいて、読み上げた文字の量に合わせてそこから減っていく仕組みなんですね。
なのでここが変だからとか、もう一回作ってみたいに何回も作り直すと、その分ちゃんと減っていきます。
ちなみにAPIキーを作って設定する最初の準備自体は、パソコンが苦手な私でもクロードコードの言う通りにやっていったらできたので、ここはめちゃくちゃ簡単だったので安心してください。
じゃあお金の話、実際どうなのかというと、ブラウザでやってた時は月額15ドル、日本円だと2000円ちょっとのプランに入ってたんですね。
それが今では月額のプランはやめて、このAPIだけにしてるんですけど、5ドル最初にチャージしました。
なんですけど、2週間作ってもまだあります。台本何本分かも作って、何回も作り直して、作ったのは合計1ドル80セントぐらいだそうです。クロードコードに聞いたら。
つまり日本円だと300円しないぐらいなんですね。すごくないですか?
私の使い方だと、毎月決まった金額を払うより、使った分だけの方が全然お得だったんですよね。
フィッシュオーディオで契約してる時も、結局次の更新が来てもクレジット使い切れない感じだったので、なんかもったいないなと思ってたので、私は逆に困ったことって言っておきながらあれなんですけど、めちゃく
ちゃ助かりました。
AIと人の役割分担
で、私のお金がお得っていうのもあるんですけど、私がこっちのAPIキーを使っている理由っていうのは、やっぱりAIにできることはAIに勧めてもらって、私ができるところは私がっていうのに綺麗に分けられるから
なんですよね。
ブラウザでやってた時は、貼る、作る、ダウンロードする、倍速にする、聞き直すは全部自分でやってたので、すごく時間かかっちゃってたんですけど、今は手を動かす作業はクロードコードがやってくれるので、その間に
私は別の作業ができるんですよね。
気づいたらクロードコードが音声を生成してくれているので、私は聞くことだけに集中ができます。で、使えば使うほど私好みのイントネーションとかに近づいていくので、もうこれってまさに私が目指しているAI任せで
終わらせない形なんじゃないかなって思ってます。
ということで、今日は音声生成をブラウザからクロードコードに変えてみて、良かったこと、困ったこと、こっちにしている理由というお話をさせていただきました。
フィッシュオーディを使ったことない方いらっしゃったら、自分の声を読み込ませたら、本当に自分そっくりな声を出してくれるので、例えばトークリールとかアフレコリールとかでナレーションを入れる時間がないな
っていう方とかは、絶対使った方がめちゃくちゃ時短になりますので、ぜひぜひ使っていただければと思います。
ということで、ちょっと今日は声が枯れちゃっていて聞きづらかったかもしれないんですけど、最後まで聞いていただきありがとうございました。じゃあバイバイ。