George Rybintsevは、自宅でオーディション映像を撮影する俳優のためにActOnCueを開発しました。俳優は台本をアップロードし、自分が演じる役を選び、他の役を読むAI音声を相手に練習します。音声の標準プロバイダーはCartesiaです。ActOnCueがElevenLabsから移行するきっかけとなったのがSonic 3でした。
課題：一人で行う仕事に、もう一人が必要
セルフテープは、パンデミック中の代替手段として始まり、そのまま定着しました。現在もキャスティングに使われており、俳優は自分でオーディション映像を制作する必要があります。
セルフテープは、一人で行うのにスタッフが必要な作業です。一人でカメラを操作し、相手役の台詞を読むこともできますが、労力、時間、編集が倍になります。実際には、夜10時にルームメイトへ電話をかけ、Juliette役を頼むことになります。
ActOnCueは、俳優に仕事を戻すことなく、もう一人を呼ぶ必要をなくします。台本を入れ、自分の役を選べば、すぐに練習できます。プラットフォームが残りの登場人物を見つけ、自動で声を割り当てます。一度試した後に、どの声も変更できます。オーディションの前に、俳優がAIシステムを設定する必要はないはずです。
やりたいのは、AからBへ、とにかく速く効率的に進むことです。
サービス開始以来、ActOnCueは台詞の暗記、リハーサル、さまざまな演技分野の準備へと、俳優の他の作業にも広がりました。音声は、その体験の最も重要な部分になりました。
ActOnCueがCartesiaを選んだ理由
読み合わせの声には、少し変わった役割があります。反応できるだけの存在感と、意識せずにいられる淡々とした読み方が必要なのです。俳優が求めているのは、演技を披露する声ではなく、演じる相手です。読み手が独自の解釈を始めると、俳優の台詞もその解釈への反応になり、セルフテープは本人だけの演技ではなくなってしまいます。
セルフテープでは、大げさな演技は求めていません。とても一貫していてほしいんです。すっきりしていて、読み手の声がセルフテープの邪魔をしないことが大事です。
ActOnCueはElevenLabsから始めましたが、その声はこの用途には演技が強すぎました。台詞を演じるため、俳優を支えるより競合してしまうのです。ElevenLabsは費用も高く、ロードマップも、ActOnCueが必要とする開発者向けの機能より、消費者向け製品に向かっていることが明らかでした。
転機はSonic 3でした。会話のリズムと人間らしい話し方を備えながら、俳優の演技を圧倒しません。CartesiaはActOnCueをCartesia Startup Grantの対象としてスタートアッププログラムに迎え、Scaleプランを12カ月無料で提供しました。
ソリューション：複数のプロバイダーから選べるプラットフォームの標準に
ActOnCueは今も複数の音声プロバイダーを提供していますが、標準で割り当てるのはCartesiaです。この選択は、リハーサルに本当に必要なものを細かく検討した結果です。強制ではなく、俳優はいつでもプロバイダーを切り替えられます。
チームが最も重視する成果は、読み手にかかっていた手間がなくなったことです。中立的な調子を自ら保つ声なら、管理や調整をしたり、声の問題を詫びたりする必要がありません。ActOnCueは俳優の残りの作業を支える機能を開発でき、俳優はその場で唯一大切な自分の演技に集中できます。
成果：俳優は標準の声を使い続ける
- ActOnCueの音声対音声の利用の93.3%がCartesiaです。俳優が好きなプロバイダーを選べるプラットフォームでの数字です。
- ElevenLabsの声から始めた利用者の3.9%が、その後Cartesiaに切り替えています。逆方向に切り替えるのは約2%で、Cartesiaから離れるよりCartesiaへ移る可能性がほぼ2倍となっています。
今後の展望
ActOnCueの次のリリースでは、俳優が順に進められるワークフローを中心に、全体を刷新します。音声の自動割り当ては、その第一歩でした。刷新では、俳優の前に残る仕組みの操作をすべて製品の裏側に移します。進め方がシンプルになるほど、その下で支える音声の役割は大きくなります。