結論から言うと、ホワイトボード動画のナレーションには2つの方法があります。マイクでセグメントごとに自分の声を録音する方法と、AI Voiceタブで自分のTTS APIを接続し、セグメントごとにナレーションを生成する方法(参照音声によるボイスクローンにも対応)です。その後、台本とキャンバス上のテキストを13言語に翻訳し、言語を切り替えて音声を再生成・再録音できます。1つのキャンバスから、多言語版を作成できます。
2つのナレーション方法
セグメントの録音中、各セグメントのナレーションは次の2つの方法のいずれかで作成します。
| モード | ワークフロー | 特徴 |
|---|---|---|
| マイク録音 | テレプロンプターを読みながら、マイクでセグメントごとに録音 | 自分らしさを出しやすく、録音しながら調整できる |
| AI音声 | AI Voiceタブで台本からTTSを生成し、タイムラインを再生しながら録音 | 話す必要がなく、多言語に対応。台本変更後の再録音も簡単 |
セグメントごとに2つの方法を自由に組み合わせられます。本文は自分の声で録音し、イントロとアウトロにはAI音声を使うこともできます。
セグメント、スライドとの連携、字幕の焼き付け、書き出しなど、録画全体の流れについては録画ガイドで解説しています。この記事では、音声と言語に焦点を当てます。
ボイスクローン対応の自分のTTSを設定する
AI Voiceタブを使うには、最初に自分のTTSサービスを一度設定します。
- エンドポイントと認証:一般的なTTS API形式に対応し、リクエストのフィールド名もカスタマイズ可能;
- モデルと言語コード:利用するサービスに合わせて入力;
- 参照音声と参照テキスト:サンプル音声とその文字起こしを登録すると、ボイスクローンにより、その声で台本を読み上げ可能。
つまり、音声ライブラリがあらかじめ用意されているわけではありません。利用するTTSサービスが声を決めます。生成した音声クリップはブラウザにキャッシュされるため、同じ台本を再録音しても音声を再生成する必要はありません。
セグメントごとにカードを表示し、TTSの生成、プレビュー、再生成、または全セグメントの同時生成が可能
セグメントごとの生成とナレーションモード録音
ナレーションはスライドに対応するセグメント単位で管理されます。
- セグメントごとに生成:各セグメントカードでTTSを生成・再生し、必要に応じて再生成;
- すべて生成:すべてのセグメントの音声を同時に生成し、ローカルにキャッシュ;
- ナレーションモード録音:録音中にTTSのタイムラインが自動再生され、セグメントに合わせてキャンバスが切り替わるため、ナレーション付き動画全体を一度に作成;
- 書き出し:通常の録画と同じく、そのままMP4に書き出し。
台本がセグメントに分割されると、音声、字幕、スライドが同じ構成で連動
字幕とナレーションは同じ台本をもとに作られます。字幕は推定されたタイミングで焼き付けられ、ナレーションはTTSが読み上げるため、内容は最初から一致します。タイミングは字幕速度の設定で調整できます。
13言語への翻訳
ナレーションの台本とキャンバス上のテキスト要素は、どちらもAIで翻訳できます。
- 対象範囲:両方/台本のみ/キャンバステキストのみ;
- 対応言語:13言語(中国語、英語、ドイツ語、フランス語、スペイン語、日本語、韓国語など);
- 翻訳サービス:翻訳サービスも自分で設定可能。LLM APIを入力すると利用でき、OpenAI Chat CompletionsとAnthropic Messagesの両プロトコルに対応;
- スタイルプリセット:会話調/フォーマル/カジュアル;
- 翻訳結果はセグメントごとに編集でき、元の言語と一緒に保存されます。
翻訳対象はナレーションの台本とキャンバス上のテキスト。図形や構成はそのまま保持
言語を切り替えて再録音するワークフロー
1つのキャンバスから複数の言語版を作成できます。ポイントは、翻訳後に音声を作り直すことです。
- 翻訳:対象言語を選び、台本とキャンバステキストを翻訳(セグメントごとに編集可能);
- 言語を切り替え:プロジェクトの言語が切り替わり、キャンバステキストと台本も連動して切り替わる;
- ナレーションを再生成:新しい言語のテキストをもとに、TTSがセグメントごとに音声を再生成;
- 再録音:ナレーションモードで再度録音し、対象言語のMP4を書き出し。
元の言語のデータはローカルストレージに保存されるため、いつでも元の言語に戻して再録音できます。
手動ナレーション制作との比較
| 手動ナレーション/編集ツール | ホワイトボードスタジオ | |
|---|---|---|
| TTS | 別のTTSツールを探し、音声を手作業で合わせる | セグメントごとにワンクリックで生成し、自動的にセグメントへ同期 |
| 多言語対応 | 言語ごとに書き直し、再録音、再調整 | 台本をワンクリックで翻訳し、切り替えて再生成 |
| 字幕 | タイミング調整用の字幕アプリが必要 | 同じ台本から自動で焼き付け |
| 音声 | 固定の音声、または別途購入した音声 | ボイスクローン対応の自分のTTSサービス |
| データ | 素材が複数のツールに分散 | すべて1つのローカルプロジェクトに保存 |
一言でまとめると、手動ワークフローは各工程でツールを自由に入れ替えられる一方、スタジオは「台本を一度変更すれば、ナレーション、字幕、翻訳がすべて連動する」点に強みがあります。
よくある質問
AI音声を使うには、自分のTTSサービスが必要ですか?
はい。内蔵の音声ライブラリはありません。設定画面で自分のTTS APIを入力してください。エンドポイント、認証情報、モデル、言語コードを設定でき、リクエストのフィールド名をカスタマイズできるほか、一般的なAPI形式にも対応しています。
ボイスクローンには対応していますか?
はい。参照音声クリップとその文字起こしを登録すると、その声で台本を読み上げられます。設定画面から登録できます。
対応している言語を教えてください。
翻訳の対象は13言語(中国語、英語、ドイツ語、フランス語、スペイン語、日本語、韓国語など)です。TTSで利用できる言語はサービスによって異なり、言語コードで指定します。
マイク録音とAI音声を組み合わせられますか?
はい。セグメント単位で組み合わせられます。一部のセグメントをマイクで録音し、別のセグメントをTTSで生成して、1つの動画として書き出せます。
字幕はナレーションと同期しますか?
どちらも同じ台本から作成されるため、内容は最初から一致します。字幕のタイミングは速度をもとに推定されるため、ペースに合わせたい場合は設定画面で字幕速度を調整してください。
翻訳するとキャンバスのグラフィックも変わりますか?
いいえ。翻訳されるのはナレーションの台本とキャンバス要素内のテキストだけです。図形、位置、構成は変わりません。
料金はいくらですか?
AI音声と翻訳では、自分のTTSサービスとLLMサービスを呼び出すため、料金はそれぞれのサービス側で発生します。キャンバスの録画と透かしの削除には、Eyesmeの有料アップグレードが必要です。
データはどこに保存されますか?
台本、翻訳、セグメント動画、ナレーション音声はブラウザのローカルストレージに保存され、アップロードされることはありません。
機能と詳細はNovember 12, 2026時点のスタジオをもとにしており、今後変更される場合があります。製品のスクリーンショットは現在のインターフェースのものです。
1つのキャンバスに多言語で語らせてみませんか?Draw Studioを開き、録画ガイドを使って元の言語で録音したら、AI音声と翻訳を使って各言語版を作成しましょう。




