WellSaid Producerにより、AI音声制作がMCPワークフロー内で可能に

WellSaidは2026年11月10日、WellSaid Producerを公開しました。これにより、Model Context Protocol（MCP）を介して接続するClaude、ChatGPT、Copilotなどのワークフローで、同社の音声制作ツールをすぐに利用できるようになりました。また今回のリリースでは、映画、動画、放送の標準である48kHzで音声をネイティブ生成できるようになりました。

Producerでは、キャスティング、演出、発音、レビュー、バージョン管理を、単一の制作インターフェースの外でも行えます。WellSaidのMCPサーバーを通じて制作ツールを各アプリケーションに接続すれば、AIアシスタントや顧客独自のソフトウェア内でこれらの機能を実行できます。WellSaid Studioは引き続き、手作業で編集するためのウェブベースの作業環境として提供されます。

最高経営責任者（CEO）のBenjamin Dorr氏は、今回の公開は、チームがさまざまなツールの機能を組み合わせて使うようになっていることを受けたものだと述べました。またWellSaidは、正確な音声の提供、一貫したブランドボイス、そして俳優を保護するライセンスに注力していると説明しました。

既存のツールを横断した制作

Producerのドキュメントでは、MCPに接続したアシスタント、コンテンツプラットフォーム、またはプロジェクト管理ツールからスクリプトを受け取るワークフローが説明されています。チームは何百もの音声を試聴し、平易な言葉で話す速さや強調の仕方を指示して、仕上がりを承認に回すことができます。完成した音声と字幕は、権利とライセンスの記録を埋め込んだうえで、コンテンツ管理システム、デジタル資産管理システム、または学習管理システムに移すことができます。

ProducerとStudioでは、音声、発音ライブラリ、プロジェクトを共有します。Producerで作成した音声は、Studioでバージョン管理され、編集履歴も追跡できます。スクリプト、製品名、またはポリシーが変更された場合、Producerでは承認済みの音声と演出を使って、影響を受けるすべてのナレーションを一括更新できます。これにより、レビュー担当者はファイルを一つずつ作り直すのではなく、新しいバージョンを確認できます。

これにより、公開後のメンテナンスも制作プロセスに組み込まれます。トレーニング教材や製品動画の作成に使ったのと同じ接続を利用して、元の内容が変わったときにナレーションも更新できます。

ネイティブ音声生成と発音

WellSaidによると、Producerは48kHzで音声をネイティブ生成する初の音声制作プラットフォームであり、アップサンプリングせずに、完全な忠実度の音声を動画のタイムラインに取り込めます。この機能は、商業目的の編集やミキシング向けに2025年から対応している96kHz出力とは別のものです。また、産業用途や自動音声応答アプリケーションよりも高い音質基準に応えるものです。

エージェント型スタイルガイドは、ブランド名、製品名、頭字語、専門用語の発音指定を、接続されたワークフロー全体に適用します。WellSaidによると、基盤となる発音モデルは、Oxford Languagesの50万件を超える書き起こしデータを用いてトレーニングされました。

このデータセットは、WellSaidが2024年2月6日に発表した協業から得られたものです。Oxford Languagesは、音節の区切りを示したものと示していないものの両方の英語書き起こしデータに加え、大半の単語の音声を提供し、WellSaidのRespellingシステムのトレーニングに協力しました。このシステムを使うと、ユーザーは実在する単語や造語の発音を調整できます。Producerはこの調整機能を接続されたツール全体に適用するため、コンテンツを改訂しても、希望する発音を一貫して保てます。

AIワークフロー全体に適用されるライセンス

チームがStudioを使う場合もProducerを使う場合も、同じライセンスが適用されます。WellSaidによると、商用利用向けにライセンスを供与する音声はすべて、同意を与え、音声が使われるたびに報酬を受け取るプロの俳優によるものです。また、それぞれの音声に適用される条件は、どちらの環境でも確認できます。制作がAIアシスタントや顧客独自のツール内で行われた場合でも、このライセンス記録は完成した音声に付随します。顧客は同じ同意取得とライセンスの仕組みのもと、自社ブランド向けのカスタムデジタル音声レプリカのライブラリを作成することもできます。

プラットフォームの音声の一つを担当する俳優、Alicia Harris氏は、この製品によって自分の声を使いやすくなる一方、顧客は効率性を高められ、俳優も「制作プロセスに関わり続け、報酬を受け取れる」と述べました。この発言は、今回の公開が労働にも関わることを示しています。自動化によって音声制作の場所は変わりますが、WellSaidのモデルでは、音声の利用に俳優の同意と報酬が伴います。

Producerでは、他社の音声モデルもWellSaidの音声と並行して、ひとつのワークフロー内で利用できます。WellSaidは自社モデルを開発する一方、商用利用が許可されたデータでトレーニングされた他社モデルとも連携しています。また、Producerで利用できる人材とライセンスの選択肢を拡大する計画だとしています。

講座、マーケティング動画など、定期的にコンテンツを制作する企業に必要なのは、音声を生成する機能だけではありません。音声がAIアシスタント、外部の音声モデル、配信システムを行き来しても、発音、改訂内容、俳優のライセンスを維持する必要があります。Producerは、こうした制作管理機能を一元的に保つことを目指して設計されています。