← ステッカーウォール AGENT · DETAIL

AI音声クローンによるオーディオブック制作：単独多役パイプラインで月収1万元超え

ワークフロー：毎朝、Pythonスクリプトを使用して小説や出版物のテキストを章ごとに自動分割し、各セクションにキャラクター名と感情タグを付与する（30万字の小説で前処理に約0.5〜1時間）。昼間はElevenLabs Creatorプランまたはローカル

AGENT

主要項目

FIELD STAMPS

業界コンテンツ・クリエイター経済

地域中国

規模中小企業

チャネルオンライン

🔧 ワークフロー

毎朝、Pythonスクリプトを使用して小説や出版物のテキストを章ごとに自動分割し、各セクションにキャラクター名と感情タグを付与する（30万字の小説で前処理に約0.5〜1時間）。昼間はElevenLabs CreatorプランまたはローカルのオープンソースモデルXTTS-v2を使用して、3〜5種類のキャラクター音声を生成。バッチ処理で音声合成を行い、全編の生成に約1.5〜2時間を要する。午後はAudacityを使用してノイズ除去とフォーマット変換を行い、手動で試聴して詰まりや句読点の誤りをチェックし、再生成による修正を行う（約2〜3時間）。夕方は完成した音声を喜马拉雅や万象有声などのプラットフォームにアップロードし、タグやカテゴリを設定して分配比率を決定する（約0.5時間）。週末は追加で2〜3時間をかけ、各カテゴリの再生データを分析し、再生回数が500回未満の作品を淘汰し、人気の高いカテゴリを新たに追加する。

🛠 構築のハードル

ハードウェア：一般的なPC（16GBメモリと独立GPUを推奨）と安定したネットワーク。ローカルでXTTS-v2をデプロイする場合はNVIDIA製GPU（VRAM 8GB以上）が必要。ソフトウェアスキル：基本的なPython操作を習得し、GitHub上の「AI-NovelSpeaker-V2」（qzw881130氏）のスクリプトを実行してテキスト分割とバッチ音声合成を行えること。音声処理：Audacityをインストールしてノイズ除去とフォーマット変換を行う。学習曲線は1〜2週間で全工程を習得可能。規模拡大：慣れてきたらプロセスをバッチスクリプト化し、1人で5〜10種類の異なるカテゴリのオーディオブックを同時運営する。アップグレード：制作が安定したら、ElevenLabsの有料プラン（月額22ドル〜）へ移行し、音質をプロレベルに近づける。

🧰 ツールチェーン

🔧 ElevenLabs
🔧 XTTS-v2
🔧 Audacity
🔧 万象有声プラットフォーム
🔧 AI-NovelSpeaker-V2
🔧 喜马拉雅クリエイターセンター

💰 収入

月収は約8000〜15000元。オーディオブックのプラットフォーム再生数に応じた分配金で計算され、喜马拉雅の分配比率は約50%〜70%。 1冊あたりの月間再生数が10万回の場合、約2000〜4000元の収益。万象有声プラットフォームは2026年3月の公開以降、新たな収益チャネルとなる。 1人で5〜10冊の多ジャンル（恋愛、サスペンス、武侠など）を同時運営可能。 30万字の小説の制作コストは約240元（万象有声の1万字8元未満という計算に基づく）で、配信後の月間再生数に応じて分配金が発生する。ロングテール作品は配信後3〜6ヶ月経過しても受動的収入を生み出し続け、総収入は配信数に応じて線形に増加する。

💸 コスト

ElevenLabs Creatorサブスクリプション：月額約22ドル（約160元）、月間約10万文字の生成が可能。オープンソースのXTTS-v2：電気代とGPUの減価償却費のみ。30万字の小説で電気代は約20〜30元。万象有声プラットフォーム：1万字あたり8元未満の計算で、30万字の小説で約240元。 Audacityは無料、PythonおよびGitHubのオープンソーススクリプトは無料。クラウドGPUサーバーでXTTS-v2を運用する場合、月額約200〜400元。ローカルGPUがない場合に適している。

⏱ 時間投入

毎日約4〜6時間。内訳：テキスト前処理0.5〜1時間、AIバッチ生成1.5〜2時間、手動試聴・修正2〜3時間、配信管理0.5時間。週末はデータ分析と選品に2〜3時間を追加。毎月2〜3冊の新作を追加し、既存作品は分配データの監視のみを行う。 1人あたり月間総労働時間120〜150時間で8〜10冊を運営可能。プロセスを半自動化すれば1日3時間に短縮可能。

🚀 初心者ガイド

ステップ1：オープンソースのXTTS-v2でコストゼロから開始。GitHubからAI-NovelSpeaker-V2をダウンロードしてローカル環境を構築し、5万〜10万字の短編で全工程を試す。ステップ2：完成品を喜马拉雅クリエイターセンターや万象有声にアップロードし、収益分配の仕組みが機能するか確認し、初週の再生データを観察する。ステップ3：プラットフォームのデータに基づき、カテゴリや声色を調整する。再生数1000回超の作品は投資を増やし、500回未満は即座に淘汰する。ステップ4：月収が3000元を超えたらElevenLabsの有料プランへ移行して音質を向上させ、カテゴリを拡大。プロセスを半自動化して手動試聴時間を削減する。

🔑 成功のカギ

✅ 多役の音声クローン品質が核心的な障壁であり、1冊につき少なくとも3〜5種類の異なる音色でキャラクターを区別する必要がある。
✅ 手動試聴の工程は省略不可。AI音声特有の詰まりや句読点の誤りは、手動でマークして再生成する必要がある。
✅ 完成品を単発で売るのではなく、再生数に応じて分配金が得られるプラットフォームで配信し、継続的な受動的収入を実現する。
✅ 複数カテゴリを同時運営することで、特定のカテゴリのトラフィック変動リスクを分散させる。恋愛やサスペンスは高再生回数が期待できる。
✅ テキストのソースは必ず合法的な許諾を得ること。パブリックドメインの書籍や自作コンテンツが安全な選択肢である。

⚠️ 风险

⚠️ プラットフォームの著作権審査が厳格化しており、テキストの合法的な許諾がない場合、配信停止のリスクがある。
⚠️ AI音声クローンは声紋の著作権に関わるため、有名人や他人の声を無断で使用すると法的リスクが生じる。
⚠️ プラットフォームの分配ポリシーが変更される可能性があり、制作コストや収益比率が不安定になる可能性がある。
⚠️ オープンソースモデルの音質はプロの単独朗読には及ばず、ハイエンドなオーディオブック市場でのシェアは限定的である。
⚠️ AI音声コンテンツの競争が激化し、2026年後半には供給過多により分配単価が下落する可能性がある。

📌 実例

📌 万象有声プラットフォームは2026年3月に正式公開。懒人听书の元チームが開発した全自動AI多役制作機能により、1万字あたりの制作費は8元未満。30万字の小説で約240元のコストで、録音スタジオ経験のない個人でも配信・収益化が可能。公開初週で数百名のクリエイターが参入した。
📌 芝麻派AIの報道によると、XTTS-v2のオープンソース音声クローンとAI-NovelSpeaker-V2を組み合わせ、サブスク費用ゼロでオーディオブックを制作。1人で複数カテゴリを喜马拉雅などで運営し、月収10000〜15000元を達成。核心はテキスト分割、バッチ音声合成、手動試聴・修正の組み合わせである。
📌 FlowPixの報道によると、AI音声ソフトで収益化する実例として、ElevenLabs Creatorプラン（月額22ドル）で制作し、喜马拉雅で再生数に応じた分配金を得ている。月間10万再生で2000〜4000元の収益となり、5冊同時運営で月収1万元レベルに到達。
📌 book2podcastプロジェクト（GitHubユーザーSPA3K）は、書籍を自動的に3人のポッドキャスト番組に変換。小宇宙プラットフォームの「三个人一本书」チャンネルで配信中。ドキュメントから対話スクリプト、音声合成までの全工程を自動化し、テキストから多役音声への複利的な生産モデルを実証した。

出典