アダルトAI動画に音声やボイスはある？

ツールによります。多くのAI動画生成ツールは今も無音のクリップを出力し、音楽やボイスは編集ソフトで足すことになります。Nuretaはデフォルトで音声を生成します。動画をレンダリングするとき、映像を作るのと同じモデルが音も作るので、環境音とボイスが動画と一緒に1つのファイルで届きます。何かをアップロードしたり、別料金のボイス機能を買ったりする必要はありません。これはNuretaの2つの作り方の両方に当てはまります。物語や台本だけでシーンを作る純粋なテキストから動画と、同意した成人の顔写真を最大2枚使って配役するシーンです。一般向けの動画は480pで、5秒から約3分まで。初回1本はGoogleサインインで無料です（小さなNuretaの透かし入り、有料動画は透かしなし）。

ネイティブ音声とはいえ、あらゆる言語でスタジオ品質の声の演技が得られるという意味ではありません。生成された音なので、映像と同じく、品質はあなたが書くシーンと使う言語に左右されます。

音は2つの層でできています。環境音はシーンに場所を与えます。部屋のかすかな音、窓を打つ雨、遠くのざわめき、足音や動きの音などです。ボイスは登場人物に存在感を与えます。シーンにセリフがあれば話し声を、その場面にふさわしい言葉にならない声も含みます。

ボイスがあなたの書いた言葉にどこまで忠実かにはばらつきがあります。話し手がはっきりした短いセリフが最も安定し、長い独白はそれほどではありません。ボイスは台本どおりの朗読が保証されたものではなく演技の一部と考え、特定のセリフが大事な場合は5秒のクリップで試してください。

シーンは日本語・英語・韓国語・中国語・ロシア語・スペイン語で書けて、Nuretaのサイトとサポートも6言語すべてに対応しています。ただしボイスの品質は言語ごとに同じではありません。現時点では英語が最も成熟しており、発音が最も明瞭で話し方も最も自然です。他の言語でも使えますが、アクセント、テンポ、セリフの忠実さにはばらつきが大きめだと考えてください。

実践的なアドバイスとしては、聞きたい言語でセリフを書き、1行を短くし、誰が話すかを明記することです。たとえばアニメ調のシーンで日本語のセリフを使いたいなら、長い動画を組み立てる前に短いクリップで試しましょう。

音の手がかりを与えましょう。舞台の音（「静かなホテルの部屋、窓に当たる雨」）、声の雰囲気（「ささやくように、からかうように」「笑いながら」）を書き、セリフはかぎかっこに入れて話し手を明記します。5秒のクリップならセリフは短いもの1〜2行で十分です。

会話の多い物語なら、長い動画を使いましょう。Nuretaは複数のシーンをつなげて最長約3分の1本の映画にし、各シーンはそれぞれ音声付きで生成されるので、会話にゆとりが生まれます。環境音がまとまるよう、舞台の描写はシーン間で統一しておきましょう。

Nureta Developer APIでは、音声はリクエストのパラメータです。generate_audioはデフォルトでオンで、オプションのaudio_url入力を使えばリクエストに自分の音声を渡せます。独自のストーリーボード（segments）を渡し、各セグメントに台本と4〜15秒の長さを指定するアドバンスモードと組み合わせれば、長い動画のどこにセリフを置くかを正確に計画できます。

APIの料金は動画の秒単位で、前払い残高からの従量課金です（単価はNureta Developer APIのドキュメントに記載）。モデルは480p、720p、1080p。リクエストは作成・ポーリング・コールバックWebhookというライフサイクルで処理されるので、音声付き動画もバッチ処理のパイプラインに組み込めます。audio_urlの扱い方は開発者向けドキュメントで説明されています。

音声：一般向けのすべての動画でデフォルトでオン、映像と一緒にネイティブ生成。層：環境音とボイス。言語：プロンプトは日本語・英語・韓国語・中国語・ロシア語・スペイン語に対応し、ボイスは現時点で英語が最も成熟。長さ：5秒・10秒・15秒、または最長約3分の複数シーン動画。解像度：一般向けアプリは480p、APIは480p・720p・1080p。料金：初回1本はGoogleサインインで無料（小さなNuretaの透かし入り、有料動画は透かしなし）、以降は5秒動画1本$1.29、またはクレジットパック$3.79・$7.99・$15.99・$39.99。支払い：Base上のUSDC、サブスクなし。

プライバシーは映像だけでなく音にも同じように適用されます。動画はデフォルトで非公開で、アカウント設定からいつでもアカウントを削除でき、動画・写真・プロフィールが消去されます。