belt CLI スキルをインストール:
npx skills add belt-sh/cli
ElevenLabs テキスト読み上げ
inference.sh CLI 経由で、22以上の音声を備えたプレミアムテキスト読み上げ。
クイックスタート
inference.sh CLI (
belt) が必要です。インストール手順
belt login
# ElevenLabs で音声を生成
belt app run elevenlabs/tts --input '{"text": "こんにちは、製品デモへようこそ。", "voice": "aria"}'
利用可能なモデル
| モデル | ID | 最適な用途 | レイテンシ |
|---|---|---|---|
| Multilingual v2 | eleven_multilingual_v2 | 最高品質、32言語 | ~250ms |
| Turbo v2.5 | eleven_turbo_v2_5 | 速度と品質のバランス | ~150ms |
| Flash v2.5 | eleven_flash_v2_5 | 超低レイテンシ | ~75ms |
音声ライブラリ
女性音声
| 音声 | スタイル |
|---|---|
aria | アメリカ英語、会話調 |
alice | イギリス英語、自信に満ちた |
bella | アメリカ英語、温かい |
jessica | アメリカ英語、表現豊か |
laura | アメリカ英語、プロフェッショナル |
lily | イギリス英語、柔らかい |
sarah | アメリカ英語、フレンドリー |
男性音声
| 音声 | スタイル |
|---|---|
george | イギリス英語、権威的 |
adam | アメリカ英語、低音 |
bill | アメリカ英語、大人っぽい |
brian | アメリカ英語、会話調 |
callum | トランスアトランティック、力強い |
charlie | オーストラリア英語、ナチュラル |
chris | アメリカ英語、カジュアル |
daniel | イギリス英語、命令口調 |
eric | アメリカ英語、フレンドリー |
harry | アメリカ英語、若々しい |
liam | アメリカ英語、明瞭 |
matilda | アメリカ英語、温かい |
river | アメリカ英語、自信に満ちた |
roger | アメリカ英語、権威的 |
will | アメリカ英語、明るい |
使用例
基本音声
belt app run elevenlabs/tts --input '{"text": "四半期決算プレゼンテーションへようこそ。", "voice": "george"}'
モデルを選ぶ
# 最高品質
belt app run elevenlabs/tts --input '{
"text": "これは最高品質のプレミアム多言語モデルです。",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# リアルタイムアプリケーション向け超高速
belt app run elevenlabs/tts --input '{
"text": "低レイテンシアプリケーション向けFlashモデル。",
"voice": "brian",
"model": "eleven_flash_v2_5"
}'
音声チューニング
belt app run elevenlabs/tts --input '{
"text": "ユースケースに合わせて音声特性を微調整します。",
"voice": "bella",
"stability": 0.3,
"similarity_boost": 0.9,
"style": 0.4
}'
| パラメータ | 範囲 | 効果 |
|---|---|---|
stability | 0-1 | 高いほど一貫性が増し、低いほど表現力が向上 |
similarity_boost | 0-1 | 高いほど元の音声の特徴に近づく |
style | 0-1 | 高いほどスタイルの誇張が強まる |
use_speaker_boost | true/false | 話者の明瞭度を向上 |
出力フォーマット
# 高品質MP3
belt app run elevenlabs/tts --input '{
"text": "高品質オーディオ出力。",
"voice": "daniel",
"output_format": "mp3_44100_192"
}'
| フォーマット | 説明 |
|---|---|
mp3_44100_128 | MP3、44.1kHz、128kbps（デフォルト） |
mp3_44100_192 | MP3、44.1kHz、192kbps |
pcm_16000 | 生PCM、16kHz |
pcm_22050 | 生PCM、22.05kHz |
pcm_24000 | 生PCM、24kHz |
pcm_44100 | 生PCM、44.1kHz |
多言語対応
ElevenLabs は英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語、韓国語、アラビア語、ヒンディー語、ロシア語など32言語に対応しています。
# スペイン語
belt app run elevenlabs/tts --input '{
"text": "Hola, bienvenidos a nuestra presentación.",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# フランス語
belt app run elevenlabs/tts --input '{
"text": "Bonjour, bienvenue à notre démonstration.",
"voice": "alice",
"model": "eleven_multilingual_v2"
}'
音声＋動画ワークフロー
# 1. ナレーションを生成
belt app run elevenlabs/tts --input '{
"text": "AIを活用したコンテンツ制作の未来をご紹介します。",
"voice": "george"
}' > voiceover.json
# 2. トーキングヘッド動画を作成
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<step-1の音声URL>"
}'
ユースケース
- ナレーション: 製品デモ、解説動画、コマーシャル
- オーディオブック: 一貫した音声での長尺ナレーション
- ポッドキャスト: 自然な話し方のAIホスト
- Eラーニング: 多言語でのコースナレーション
- アクセシビリティ: 高品質スクリーンリーダーコンテンツ
- IVR: プロフェッショナルな電話システムメッセージ
- ビデオナレーション: ドキュメンタリーやソーシャルメディアコンテンツ
関連スキル
# ElevenLabs マルチスピーカーダイアログ
npx skills add inference-sh/skills@elevenlabs-dialogue
# ElevenLabs 音声変換
npx skills add inference-sh/skills@elevenlabs-voice-changer
# ElevenLabs 効果音生成
npx skills add inference-sh/skills@elevenlabs-sound-effects
# 全TTSモデル（Kokoro、DIA、Chatterbox、Inworld TTS など）
npx skills add inference-sh/skills@text-to-speech
# フルプラットフォームスキル（全アプリ）
npx skills add inference-sh/skills@infsh-cli
すべての音声アプリを表示: belt app list --category audio