動画生成AI「NoLang（ノーラン）」、音声ファイルから高品質な動画を自動生成する新機能を搭載。企業に眠る「音声資産」の動画化で、コンテンツ価値を最大化。

Mavericks Inc.

2025年11月16日 17時01分

日本発の動画生成AI「NoLang（ノーラン）」を提供する株式会社Mavericks（本社：東京都文京区、代表者：奥野将太）は、、mp3などの音声ファイルをアップロードするだけでAIが自動でテロップ（字幕）付き動画を生成する新機能の提供を開始しました。本機能は、従来は外注するとなると費用が高くなる文字起こしや効果音の挿入などの作業をAIで完全自動化するものです。これにより、企業内に眠る貴重な音声データを「動画ナレッジ」として再活用することや、音声コンテンツのYouTubeなど他プラットフォームへの展開を容易にし、情報資産の価値を最大化します。

「録音しただけ」で活用されない音声データ

デジタル化が進む現代において、「音声データ」はビジネスや情報発信の現場で急速にその存在感を増しています。

例えば、オンライン会議の普及によって、録音された営業の商談の記録や、コンプライアンスの目的で、全件録音されているコールセンターの応対記録。あるいは、オンラインで行ったウェビナーの録音など、企業内には膨大な音声データが蓄積されています。しかし、これらの貴重な「音声資産」は音声データそのままでは活用することは難しいというのが実情です。情報を聴覚のみでインプットする行為は、その単調さから集中力の維持が難しく、認知的な負荷が非常に高くなります。結果として、学習や情報共有の手段として用いた場合でも、内容の深い理解や知識としての定着が妨げられ、音声資産が持つ本来の価値を最大化できていないのが実情です。実際、コールセンターでは通話のほぼ100％が録音される一方で、従来の品質管理では1〜3％程度しかモニタリングされておらず（※1）、大半の音声データが活用されていないのが現状です。

こうした課題は、ビジネスの現場だけに限りません。近年急速に人気が広まっているポッドキャストなどの一般向け音声コンテンツでも課題を抱えています。これらのコンテンツは「聴く」層にしかアプローチできず、YouTubeやSNSといった動画プラットフォームではそのまま発信しづらいため、リーチできる層が限られてしまうのです。実際に、国内で月1回以上ポッドキャストを聴取する人は17.2％にとどまる（※2）一方で、YouTubeは日本国内だけで月間7,300万人以上が利用し（※3）、45〜64歳でも79％が利用する生活インフラとなっています。従来の音声コンテンツは音声ファイルのままではYouTubeなどの動画プラットフォームに展開しづらく、結果として、「聴く」ことを前提とした限られた層にしかリーチできていません。

企業の「音声資産」も、一般向けの「音声コンテンツ」も、テロップ（字幕）を付けて文字起こし・可視化することで、初めて検索や分析、教育が可能な価値ある「資産」となります。しかし、従来はその動画化のために必要な文字起こしなどの外注費が、一本あたり数万円ほどかかり、なかなか予算を割きにくいのが実情でした。

（※1：Enthu.ai等のQA解説「従来は1〜3％の通話のみをサンプリング評価」enthu.ai）

（※2：オトナル・朝日新聞社「第5回ポッドキャスト国内利用実態調査」audio-marketing.jp）

（※3：Google「日本におけるYouTubeユーザー数」（Think with Google）Google Business）

音声ファイルから「テロップ付き動画」を自動生成する機能を搭載

こうした「録音しただけ」の音声資産や、リーチが限定的だった音声コンテンツが抱える共通の課題を解決するため、株式会社Mavericksは、日本発の動画生成AI「NoLang（ノーラン）」において、mp3などの音声ファイルをアップロードするだけで、AIが自動でテロップ（字幕）付きの動画を生成する新機能の提供を開始しました。

本機能は、従来は膨大なコストと編集スキルが必要だった「音声の動画化」作業をAIによって完全自動化するものです。これにより、企業内に眠る貴重な音声データを「動画ナレッジ」として再活用し、ポッドキャストなどの音声コンテンツをYouTubeなど巨大プラットフォームへ展開することを可能にし、情報資産の価値を最大化します。

mp3機能の主な特徴とメリット

本機能は、「AIによる音声ファイルからの自動動画化」「企業における音声資産の再活用」「制作コストの劇的削減」という3つの革新的な価値を提供します。

特徴1：AIによる音声の自動文字起こしとテロップ生成

アップロードされた音声データ（mp3）をAIが高精度で解析し、自動で文字起こしを実行。瞬時にテロップ（字幕）付きの動画を生成します。生成されたテロップは簡単に修正・カスタマイズが可能です。さらに、NoLangが保有する100種類以上のAIアバターや、フリー素材の背景映像、BGMを自由に組み合わせることで、単なる音声ファイルでは実現できなかった、視覚的にも魅力的なリッチコンテンツを誰でも簡単に作成できます。これにより、「聴く」だけだったポッドキャストなどの音声コンテンツを、「視聴する」動画コンテンツへと変換し、発信チャネルを飛躍的に拡大します。

特徴2：既存資産（音声）の「動画」としての再活用

本機能により、オンライン会議の普及によって蓄積された営業商談の録音データや、コンプライアンス目的で全件録音されているコールセンターの応対記録をはじめ、オンラインウェビナーや新卒向けイベントで記録された会社紹介の音声など、企業が保有する様々な「音声資産」を動画として有効活用できます。動画はテキストの約9倍の記憶定着効果があるとも言われており、セミナー録音などを学習コンテンツとして動画化することで、その学習効果と資産価値を大幅に高められます。さらに、優れた営業応対やカスタマーサポートの音声を動画ナレッジとして蓄積することは、営業社員やオペレーターの教育強化、応対品質の平準化にも貢献します。

特徴3：コンテンツ制作工数とコストの劇的削減

従来、1時間のセミナー録音にテロップを付け、動画として編集する作業には、まず文字起こしを実施するのに、2万円弱。さらにそこに、動画を完成させるための編集の費用を合わせて、数万円以上の外注コストが発生していました。NoLangは、この「テロップ付け・編集」作業をAIが代替することで、編集経験ゼロの方でも、専門スキルを一切必要とせずに動画化を完結できます。法人プランでは月額固定で動画を無制限に生成可能であり、動画1本あたりの制作コストを数千円程度の10分の1に削減し、コンテンツの大量生産を実現します。

「NoLang」による音声動画化の具体的な活用シーン

本機能は、多様な業界・ビジネスシーンで即座に価値を発揮します。

コンテンツ配信（ポッドキャスト運営者、インフルエンサー）

ポッドキャストのmp3音源を、YouTubeやTikTokに最適な動画（横型・縦型）に即時変換。マルチプラットフォーム展開によるリーチと収益の最大化に貢献します。

教育・研修（人事・教育担当）

過去のセミナーや講演会の録音データを、テロップ付きの復習用研修動画として資産化。社員の学習効果の向上と、教育コストの削減を両立します。

コールセンター・CS（VOC活用、品質向上担当）

コールセンターやカスタマーサポートに日々蓄積される顧客対応の録音データを、AIが自動でテロップ付き動画（文字起こし）に変換。従来は聞き返すしかなかった「音声資産」を可視化・テキスト化することで、顧客の生の声の分析や、よくある質問（FAQ）の抽出が容易になります。また、優れた応対事例を研修動画として再活用し、オペレーターの教育や応対品質の平準化にも貢献します。

ナレッジ共有（営業、DX推進）

重要な会議や商談の音声メモを、議事録代わりの共有動画としてチームで活用できます。音声認識によるテロップが自動で付与されるため、テキストでは伝わりにくいニュアンスも正確に伝達でき、情報の学習効率を高めます。

今後の展望

株式会社Mavericksは、今後もAIによる音声認識精度のさらなる向上や、対応ファイル形式の拡充（wav, m4aなど）、AI要約機能との連携強化（長尺音声のハイライト動画自動生成など）を継続的に行ってまいります。さらに、先日提供を開始した「NoLang API」を通じて、あらゆる企業のワークフローに動画生成機能を統合し、「情報資産の価値をAIの力で最大化する」ソリューションとして、企業のDXとコミュニケーション革新に貢献してまいります。

お問い合わせはこちら