Voice Generation

inference.sh CLI を通じて ElevenLabs Music、Diffrythm、Tencent Song Generation を利用し、テキストプロンプトから AI 音楽やフル楽曲を生成します。BGM、サウンドトラック、SNS クリップ、ポッドキャスト、ロイヤリティフリー音源に最適です。高速な楽曲生成、インストゥルメンタル、ボーカル入りフル楽曲に対応しています。

Kokoro TTS、DIA TTS と inference.sh CLI を使って、テキストから AI 音声ポッドキャストやボイスコンテンツを作成できます。複数ボイスのミックス、BGM の追加、フルエピソードの組み立てまで、ポッドキャスト、オーディオブック、音声ニュースレター向けの制作を自動化します。

ai-voice-cloning は、CLI から利用できる AI 音声生成・テキスト読み上げ・ボイスクローン用の inference.sh ベースのスキルです。ElevenLabs、Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice などのモデルをまとめてラップし、自然な音声、多声ナレーション、音声変換を音声・動画制作プロジェクト向けに提供します。

Dia TTS と ElevenLabs を inference.sh CLI 経由で利用し、複数話者のリアルな会話音声を生成します。dialogue-audio スキルを使うと、ポッドキャスト、オーディオブック、解説コンテンツ、キャラクターシーンなどの会話コンテンツ向けに、話者・感情・テンポ・会話の流れを細かくコントロールできます。

inference.sh CLI 経由で ElevenLabs を使い、複数話者の高品質なセリフ音声を生成するスキルです。構造化した台本から、ポッドキャスト、オーディオブック、解説動画、チュートリアル、キャラクターダイアログ、動画台本などに使える、自然な会話音声（複数ボイスを 1 ファイルにまとめたもの）を生成します。

elevenlabs-dubbing は、inference.sh CLI を使って音声や動画を自動で吹き替え・翻訳し、元の話者の声質を保ったまま 29 言語に変換できるスキルです。既存コンテンツの多言語化をすばやく高品質に行いたい動画編集者、ポッドキャスター、ローカリゼーションチームに最適です。

inference.sh CLI と ElevenLabs を使って、テキストプロンプトからオリジナルの AI 音楽を生成します。ターミナルから直接、長さ・スタイル・雰囲気をコントロールしながら、商用利用可能なロイヤリティフリーの BGM、サウンドトラック、ジングル、ポッドキャスト用ベッド、ゲーム用オーディオを作成できます。

inference.sh CLI を通じて ElevenLabs の Scribe v1/v2 モデルを利用する、高精度な音声認識（speech-to-text）スキルです。文字起こし、話者分離（スピーカー diarization）、音声イベントタグ付け、単語レベルのタイムスタンプ、フォースドアラインメント、字幕生成に対応しており、会議・ポッドキャストなどの音声ワークフローに適しています。

ElevenLabs のテキスト読み上げ（text-to-speech）を inference.sh CLI 経由で利用できるスキルです。22種類以上のプレミアム音声、マルチリンガル対応、高速モデルを備え、本番運用向けの音声生成ワークフローに適しています。

ElevenLabs の音声変換機能を inference.sh CLI（infsh）から利用し、録音済みの音声を内容と感情を保ったまま別の合成音声へ変換するスキルです。`eleven_multilingual_sts_v2`（70言語以上対応）と `eleven_english_sts_v2` に対応しており、スピーチ変換、アクセント変更、声の偽装などを用いたコンテンツ制作、吹き替え、キャラクターボイスに利用できます。