万象声声、1万文字あたり8元未満の低コストAIオーディオブックツールを公開

パブリックベータ公開から2ヶ月後、萬庄有聲は「完全自動AI多声オーディオブック制作」という自動化生産システムを正式にリリースしました。この機能は社内試験段階で既に著作権保有者から高い評価を得ていました。

Lazy Listenの核心チームによって立ち上げられたこのAIオーディオコンテンツプラットフォームは、6月初旬にこの戦略的機能のパブリックテストを完了しました。その中核には、章の自動分割、キャラクター分析、脚本生成、多声演技、ポストプロダクション合成といった確立されたAI能力の組み合わせがあり、タスクエンジンによって統合されることで、「無人」で稼働する自動化デジタルオーディオ生産ラインを実現しています。

これは単独の製品ではなく、萬庄有聲の「デュアルトラック生産エンジン」戦略の実践的な応用です。既存のプロフェッショナル制作ワークベンチと同じ技術インフラを共有していますが、完全に自動モードで動作し、業界が直面する最も重要な課題である「品質を損なうことなく、いかにして生産能力の飛躍とコスト削減を実現するか」という問題に答えています。

「手動」から「自動操縦」へ：1つのエンジン、2つのトラック

従来の高品質なオーディオブック制作は、原稿整理、章分割、脚本作成、キャスティング、声優演技、音声同期、ポストプロダクションミキシング、品質チェック、エクスポートなどを含む、時間と費用がかかる手作業のプロセスです。高品質な多声オーディオブックを制作するには、30日以上を要し、数千円から数万円の費用がかかります。

萬庄有聲の第一の製品ラインである「トラック1：品質の向上」は、「より良く作る」問題を解決するために設計されました。

これはプロフェッショナルスタジオや声優チーム向けのフルサイクルAI制作ツールを提供します。インテリジェントな脚本作成、インテリジェントな同期、インテリジェントな監聴などのモジュールにより、クリエイターは退屈で反復的な作業から解放され、芸術的表現に集中することができます。中核ロジックは深い人間と機械の協業にあります。

新たにリリースされた完全自動AI多声オーディオブックワークステーションは「トラック2：生産能力の飛躍」に属します。

その目的は全く異なり、丹念なクリエイター向けではなく、大量の著作権を保有し、在庫を迅速に変換する必要があるオンライン文学プラットフォームや出版機関などのBエンドクライアント向けです。そのロジックは明快です——大規模でロングテール、ROI（投資対効果）に敏感なコンテンツのスケーラビリティという課題を、完全自動化されたソリューションで解決することです。

ユーザーが原稿をアップロードすると、システムは超デジタル工場のように機能します：章を自動的に分割し、キャラクターをインテリジェントに分析して最適なAIボイスをマッチングさせ、感情注釈と正確な発音を含む脚本を生成し、最適化された約1000種類の音声トーンを使用して多声ナレーションを行い、最後に効果音で最終製品を合成します。生成後、作業は標準的な編集インターフェースに引き継がれ、ユーザーは新たにリリースされた「カスタム発音」や「一括注釈」などの機能を使用して局部的な調整を行い、「まず大量のラフドラフトを生成し、その後局部的に調整する」という柔軟な生産モデルを実現します。

1万字あたり7元：破壊的なコスト構造の解消

萬庄有聲は非常に競争力のある価格を設定しました：AI声優演技は1万字あたり7.9元、インテリジェントな脚本作成は1万字あたり0.2元、一括購入では1万字あたり最低6.58元です。つまり、1万字の多声オーディオブックを制作する総コストはわずか7〜8元であることを意味します。

比較すると、従来の方法では1冊のオーディオブックに5,000〜50,000元が必要であり、市場の他のAIツールは一般的に1万字あたり10〜15元の範囲にあります。数千の中長編IP作品を保有する著作権プラットフォームにとって、従来の方法で完全なオーディオブック変換を行うには数千万円、場合によっては数億円の投資が必要です。仮に10%のみを変換しても、それは大きな負担となります。しかし、萬庄有聲の価格設定によれば、50万字の小説のオーディオブック変換コストはわずか350〜400元です。中規模の出版会社であれば、数万円程度で在庫のカテゴリ全体をオーディオ資産に変換することができます。

湘関小説分野における主要な著作権保有者である悦美文化の創業者、李季氏は、萬庄有聲がパブリックテストを開始した際、次のようにコメントしました。「萬庄有聲のAI声優演技は、すでに感情表現において実人のパフォーマンスのレベルに近づいています。インテリジェントな脚本作成と自動同期を組み合わせることで、B+レベル以上のオーディオブックを安定的に制作することができます。」

この品質基準は完全自動化生産ラインに移行され、「ラインあたりの許容可能な品質」が前提条件となりました。残りの核心的な問題は純粋な経済計算となります。

Bエンドに焦点を当てる：デュアルトラックエンジンの戦略的意義

この完全自動化ワークステーションは当初、著作権保有者や投資家に対して「技術的優位性」を示すために内部で使用されていました。現在、商業化され、明確なシグナルを送っています。

これは、萬庄有聲の範囲が「クリエイターへのサービス」から「著作権保有者へのサービス」へと拡大したことを示しています——後者は支払い能力が大きく、切実な需要を持つコアクライアントグループです。プラットフォームの独自の「デュアルトラック生産エンジン」は単なる機能の集合ではなく、深い業界洞察に基づいています。オーディオブック市場は同時に、プレミアム品質と大量生産という一見矛盾する二つのニーズに直面しています。真のボトルネックは、異なるコンテンツ価値と生産要件に動的に適応できる標準化された生産システムが存在しないことにあります。

· 個人や小チームにとって、それは効率的な「コンテンツ検証ツール」として機能し、プロフェッショナルチームを必要とせずに小説を迅速に共有可能なデモに変換することを可能にし、低コストでの市場テストを実現します。

· オンライン文学プラットフォームや著作権機関にとって、それは「味気ないが手放しにくい」中長編IP作品のジレンマに直接対応し、最小限の限界コストで休眠在庫を覚醒させ、コンテンツのギャップを迅速に埋めます。

· プロフェッショナルオーディオスタジオにとって、それは新たな「人間と機械のハイブリッド」モデルを開きます。複雑な感情を持つ主要キャラクターは実人の声優に任せ、ナレーションや多数のNPC役は高品質なAIが処理し、聴覚体験を確保しつつ生産能力を大幅に拡大します。

百万字単位の発音誤り修正辞書、キャラクター一貫性アルゴリズム、インテリジェントな再描画技術（ローカル修正における計算資源消費を90%削減可能）といった背後のエンジニアリングバリアは、オーディオブック業界の生産経験と深く統合した結果です。これは技術的な勝利であるだけでなく、オーディオ生産の工業化パスを明確に定義するものです。

内部生産ラインでのテストに成功した後、チームは外部クライアントへの納品に踏み切りました。その範囲は「クリエイターへのサービス」から「著作権保有者へのサービス」、すなわち一括支払い能力を持つ真の顧客へと拡大しました。

阅文や七猫のようなプラットフォーム、あるいは伝統的な出版グループにとって、真の懸念は「高品質なオーディオブックを作成できるかどうか」ではなく、「ライブラリにある数千の作品を、いかに費用対効果が高く、大規模にオーディオコンテンツに変換するか」です。この完全自動化ワークステーションは、必要に応じて起動できる生産ラインを提供します。これは個人クリエイター向けではありません。

著作権機関は意思決定サイクルが長く、初回接触から量産に至るまで時間がかかります。伝統的な出版社はアウトソーシングモデルに慣れ親しんでおり、AI自動化への移行には内部プロセスと品質管理の変更が必要です。しかし、オーディオブックの生産コストは急速に低下しています。1万字のオーディオブックの制作コストが数千元から数元へと下がったとき、業界の供給ロジックは必然的に変化します。

萬庄有聲について

萬庄有聲（Audimind）は、Lazy Listenの元核心管理チームによって2024年に設立されました。AIを活用したオーディオブックコンテンツ制作のワンストッププラットフォームです。デュアルトラック生産エンジンを通じて、プロフェッショナルクリエイターと著作権機関向けの、オーディオブック制作プロセス全体をカバーする包括的なソリューションを提供しています。

ウェブサイト: https://www.audimind.com/