音声ディレクションは、特定のパッセージをどう演じるかを声に伝えるものです。監督が俳優に話しかけるように書きましょう。何が起きているのか、話し手が何を求めているのか、そしてその瞬間を成立させる声の選択を説明します。
BreezeBlue では、音声ディレクションを自然な言葉で書けます。短くてかまいません。役立つ判断が 2〜3 つあれば、たいてい十分です。
まずセリフを読む
ディレクションを書く前に、言葉を読みましょう。同じ文でも、興奮、恐れ、皮肉、気まずさ、悲しみを表現できます。音声ディレクションは、どの解釈で演じるか、そしてどの聞き取れる選択でそれを伝えるかをモデルに伝えます。
それでもディレクションは短くてかまいません。このパッセージの意味や話し方を変える要素だけを選びましょう。
コンパクトな音声ディレクションの構成
より細かく制御したいときは、次の 5 つの観点からディレクションを組み立てます。
1. 状況
話し手に、演じられる状況を与えます。近くにいる誰かから隠れている、危険な現場からリポートしている、心配している友人をなぐさめている、時間に追われながら指示を出している、などです。セリフの聞こえ方を変える文脈だけを含めましょう。
2. 意図
話し手が聞き手に対して何をしようとしているのかを説明します。安心させる、説得する、警告する、命令する、隠す、なぐさめる、挑発する、などです。同じ落ち着いた声でも、誰かを安心させているときと、脅威を隠しているときでは、まったく違って聞こえます。
3. 感情と強さ
感情の状態を名指しし、その範囲を決めます。restrained panic（抑えたパニック）、mild impatience（軽い苛立ち）、urgent but not panicked（切迫しているがパニックではない）のようなディレクションは、単に「もっと感情を込めて」と頼むよりも具体的です。
4. リズムと強調
テンポ、間、息づかい、特に重みを持たせたい言葉を説明します。たとえば Keep it fast and precise（速く正確に）、Pause after the warning（警告の後に間を置く）、Emphasize “right now” without shouting（叫ばずに「今すぐ」を強調する）などです。
5. 身体と声の状態
身体は声に影響します。話し手は疲れ果てている、震えている、息を切らしている、涙をこらえている、笑いを押し殺している、といった状態かもしれません。その状態と、それがセリフに与えるべき聞き取れる効果を説明しましょう。
場面に必要な観点だけを組み合わせる
1 つの指示に 5 つの観点すべてが必要になることはめったにありません。場面を支える 2〜3 つを選び、自然な言葉で組み合わせましょう。
[状況] として演じてください。
話し手は [意図] しようとしています。
感情は [状態と強さ] に保ってください。
[テンポ、間、息づかい、声量、または強調] を使ってください。
話し手は身体的に [状態] で、[聞き取れる効果] があるように聞こえます。パッセージに必要な行だけを使いましょう。年齢、アクセント、中心となる声の質感など、変わらない特徴は声の選択や音声デザインで決めるものです。音声ディレクションは、その特定の演技を形づくります。
同じセリフに 5 つのディレクション
以下の 5 つの例は、同じセリフを使っています。各ディレクションは上の構成から異なる組み合わせを選んでおり、言葉を変えずに異なる解釈を生み出しています。音声サンプルの入力そのものなので、セリフとディレクションは英語のまま掲載しています。
セリフ
I can’t believe you brought him here!
ささやき声で、聞かれるのを恐れて
ディレクション
Say it whispering, very quiet and tense, as if you are afraid of being overheard.
使っている観点： 状況 · 感情と強さ · リズムと強調 · 身体と声の状態
試聴：ささやき声
うれしい驚き
ディレクション
Say it excitedly, with bright surprise and rising energy, as if his arrival is wonderful and completely unexpected.
使っている観点： 状況 · 感情と強さ · リズムと強調
試聴：うれしい驚き
皮肉まじりのあきれ
ディレクション
Say it sarcastically, with dry disbelief and a dismissive tone, as if this was obviously a terrible idea.
使っている観点： 意図 · 感情と強さ · リズムと強調
試聴：皮肉まじりのあきれ
動揺を笑いでごまかす
ディレクション
Say the line with a nervous laugh after the first phrase, as if trying to hide panic behind humor.
使っている観点： 意図 · 感情と強さ · リズムと強調 · 身体と声の状態
試聴：動揺を笑いでごまかす
こらえた悲しみ
ディレクション
Say it while holding back tears, with a cracked voice and emotional pauses, as if bringing him here deeply hurt you.
使っている観点： 状況 · 感情と強さ · リズムと強調 · 身体と声の状態
試聴：こらえた悲しみ
ガイダンス設定を選ぶ
ガイダンスは、生成が音声ディレクションをどれだけ強く解釈するかを制御します。
API
guidance_scale は 1〜10 の整数値に対応しています。音声ディレクションでは、表現と安定性のバランスを取るのに 1〜3 が有効な範囲です。異なる指示を比較するときは、値を明示的に設定しましょう。
抑えた話し方にしたいときは低めから始めます。結果が淡々としすぎているときは少しずつ上げ、演技が大げさになったら下げましょう。
Web
Web 製品には 安定、表現豊か、創造的、強烈 の 4 つのレベルがあります。
抑制が効いて一貫した話し方には 安定 を使います。より大胆な解釈や感情の展開がほしいときは 創造的 を使います。ほとんどの生成では安定と創造的がおすすめの出発点です。表現豊かと強烈は、場面が特に必要とするときに使いましょう。