AI音声モデル
ElevenLabs v4：新しい音声モデルはAI RPGに何をもたらすのか
Eleven v4とv4 Turboを紹介し、表現豊かな音声がPlayworldsのナレーション、キャラクターの声、心に残る冒険に何を加えられるかを考えます。
同じ言葉でも、場面の意味は変わる
「戻ってきたんだね」。ほっとした仲間、疑い深い衛兵、傷を負ったライバルでは、同じ言葉でも込められた意図はまったく異なります。AIロールプレイングゲームでは、その話し方が、次の行動を決める前に相手との関係を理解する手がかりになります。
ElevenLabsは2026年9月28日、Eleven v4とEleven v4 Turboを発表しました。この記事では、その新モデルをPlayworldsの音声機能と結びつけて紹介します。10月3日のコード確認では、現在の音声処理にFish Audioが使われていました。Eleven v4は検討候補であり、Playworldsへの導入を発表するものではありません。
2つのバージョンを知る
ElevenLabsは、v4を音声コンテンツ制作向け、v4 Turboを対話向けと位置づけています。公式モデルカタログでは、いずれも90以上の言語に対応し、標準のv4は1回の生成で10,000文字まで扱えるとされています。これらは提供元の仕様であり、Playworldsのプレイ中に計測した値ではありません。
ゲームで役立つのは、その場面が何を担うかという区別です。章の導入なら、じっくりとした語りを聞かせる余地があります。短い質問に答える衛兵には、プレイヤーが次の行動に移れる間合いが必要です。入力できる文字数が増えたからといって、台詞まで長くする必要はありません。
表現力を、演技の方向づけに使う
音声タグを使うと、書き手は台本の中で話し方を指示できます。たとえば、この記事のオリジナル台詞なら「[whispering] ランタンの光を隠して。橋は見張られている」です。タグは演技の方向を示し、実際に話す言葉が警告を伝えます。ElevenLabsはv4でタグへの追従性が向上したと説明する一方、ドキュメントでは結果がまだ完全ではないことも認めています。
RPGで役立つ声とは、警告の内容が一度で聞き取れる声です。ささやき声で手がかりが聞こえなくなったり、どの文もおびえた調子になったりするなら、表現を増やしたことでかえって遊びにくくなっています。まずは台詞ごとに意図を1つ定め、演出を足す前に意味が伝わるかを聞き確かめましょう。
現在のPlayworldsとの接点
Playworldsにはすでに、語り手と登場人物の声を活かす仕組みがあります。現在のコードは、ナレーションのストリーミング、GMとキャラクターの声の選択、試聴、音声と音楽それぞれの音量調整に対応しています。新しい音声モデルが担うべき役割も、ここから具体的になります。誰が話しているのか、何が重要なのかを、プレイヤーが把握しやすくすることです。
音声モデルの役割は、テキストを声で演じることです。説得が成功したかを判定したり、隠されたクエスト条件を記憶したり、ゲームマスターの代わりになったりするわけではありません。説得力のある話し方は、ゲーム内で確定した場面を表現しつつ、キャラクターの次の行動はプレイヤーに委ねるべきです。
ドラマ性とともに、一貫性にも耳を傾ける
夕暮れに渡し守と出会い、川を渡るのに失敗して戻ってくる場面を想像してください。渡し守の気分は変わっていても、聞き覚えのある同じ人物だと感じられるはずです。私たちが提案する試聴方法では、挨拶、警告、再会の3つの台詞を使い、感情が変わっても同じ人物の声として認識できるかを確認します。
v4のドキュメントによると、音声設定はStabilityとSimilarityの2つです。StyleとSpeedのスライダー、およびSSMLには対応していません。そのため、既存の音声制作フローで使えるかは、実際に互換性を確認する必要があります。設定値を上げるだけでは、複数のターンにわたって同じキャラクターの声を聞き比べる作業の代わりにはなりません。
最初は短い冒険で確かめる
Playworldsで短い場面を選び、現在利用できる声を試聴して、ナレーションと音楽の音量を調整してみましょう。話し手が誰かわかるか、重要な名前を聞き取れるか、台詞が終わったときに次の行動へ移る気持ちになれるかに注目してください。これらは、どの音声モデルでも役立つ確認事項です。
ElevenLabsを別途試す場合は、オリジナルの場面を用意し、何度か生成して聞き比べてください。このシリーズの例は、聞き比べのための課題と設計案であり、実際にv4でプレイした記録ではありません。情報源とPlayworldsの実装は、2026年10月3日に確認しました。