【HeyGen】より自然なイントネーションで日本語をしゃべらせる方法【Gemini speech generation】

2025年9月14日 22:04

こんにちは、ごまめです。

『HeyGen』は、リップシンク(口パク)に特化したAIで、打ち込んだ文章をアバターにしゃべらせることが可能です。

しかしながら、日本語のイントネーションは難しいらしく、あまりいい発音ではないことが多いです。

今回は、『Gemini speech generation』を使うことで、より自然なイントネーションで喋らせることができましたので、その方法をお伝えしていこうと思います。

📝手順の概要

手順は以下の4工程です。

① 『Gemini speech generation』を起動し、音声データを作成する
② 作成した音声ファイルをダウンロードする
③ 『HeyGen』を起動し、喋らせたいアバターを選択する
④ 音声ファイルをアップロードする

Google AI Studioを起動し、「Generate media」の「Gemini speech generation」をクリックします。

クリックすると、このような画面が出てきますので、赤枠部分を必要に応じて設定していきます。

Style instructions : どんな雰囲気でしゃべるか
Text : しゃべらせる内容
Mode : 一人でしゃべる(Single) or 複数人でしゃべる(Multi)
Temprature : ランダム性・創造性(0 ⇔ 2 : 一貫 ⇔ ランダム)
Voice : 声の種類

設定し終わったら、右下の「Run Ctrl」を押下します。

音声ファイルの出力が完了したら、左下の3点リーダーをクリックし、「ダウンロード」を選択します。

「HeyGen」を起動し、左ペインの「アバター」をクリックして、使用したいアバターを選択します。

左ペインの「オーディオ」をクリックして、「音声をアップロード」を選択し、先ほど作成した音声ファイルをアップロードします。

アップロードが完了すると、自動でスクリプトが生成されますので、左上の「生成」ボタンを押したら、完了です！

こちらが、今回の手順で作成した動画です。
(冒頭に、別のシーンも追加してます笑)

ちなみにこちらが、HeyGenのみで作成した動画です。

上の動画のほうが、より自然に喋っているのがわかると思います。

現時点では、HeyGenのみで動画を作成するのは難しそうですが、いずれアップデートが来ると思いますので、それまでは今回紹介したような方法で頑張っていきましょう🙆

このような感じで、実際に創作活動を通じて得たAIに関する経験やノウハウを発信しております！

少しでも良いなと思ってくれた方は、ぜひフォローやいいねをお願いします。

それでは、また🙌