目的別に機能を選ぶ

やりたいこと 機能 主に見る指標
原稿をナレーションにする Text to Speech 文字数・声質・話速
自分や出演者の声を再現する Voice Cloning(IVC / PVC) 本人同意・音源品質
動画を別の言語へ吹き替える Dubbing Studio 発話時間・話者分離
映像へ環境音や効果音を加える Text to Sound Effects 秒数・雰囲気の一致
開発中のサービスへ組み込む ElevenAPI モデルID・従量料金
通話や案内窓口を作る ElevenAgents 応答遅延・会話設計

機能を先に絞ってから料金表を開くと、Creative、API、Agentsのどの表で計算すべきかを間違えません。

日本語ナレーションを作る手順

  1. Text to Speechで音声モデルと声を選ぶ
  2. 読ませる原稿を入力する
  3. 固有名詞、数字、英字の読みを短い文で確認する
  4. 話速や表現を調整する
  5. 書き出した音声を字幕と照合する

長い原稿を一度に作るより、見出しや段落で分ける方が誤読を直しやすくなります。ブランド名や商品名は発音辞書(Pronunciation Dictionary)や表記調整を使い、最終的に人が聞いて確認します。読み間違いは声質より修正コストが高くつくので、生成前に原稿を確定させます。

料金と商用利用

ElevenCreativeの月額は、Freeが0ドル・月10,000クレジット、Starterが6ドル・30,000、Creatorが通常22ドル・121,000、Proが99ドル・600,000です。Creatorの11ドル表示は初月50%オフで、通常月額ではありません。税や決済手数料、日本円建ての請求可否は契約画面で確認します。

同じ料金ページでもElevenCreative、ElevenAPI、ElevenAgentsは表示を切り替えて確認します。音声合成は文字数、吹き替えは音声時間など、機能によってクレジットへの換算が違います。2026年5月に案内された「最大55%の値下げ」はAPIとAgentsの改定で、Creativeの全機能が一律55%安くなったという意味ではありません。旧料金を掲載した解説記事ではなく、利用当日のPricingページとBilling文書で確認します。

公式Billing文書では、有料プランで生成したコンテンツに商用利用権が付くと案内されています。Freeで作った音声や、他者の声を複製する場合の条件は別に確認が必要です。

古いモデルを選ばない

公式文書ではeleven_monolingual_v1とeleven_multilingual_v1などを2026年7月9日に削除予定と案内していました。期日後も実際の提供状況は製品画面とAPI文書で確認し、過去の解説やコードをそのまま使いません。日本語対応も「多言語モデル」という呼び方だけで決めず、現行のモデル一覧から用途、言語、遅延、品質を比較します。

現行のTTS候補は3つです。表現力と複数話者を重視するEleven v3、長いナレーションの安定性を重視するEleven Multilingual v2、低遅延とAPI費用を重視するEleven Flash v2.5。いずれも日本語をサポートしますが、固有名詞、数字、長文の安定性は同じ原稿で聞き比べます。Flash v2.5は速さと引き換えに数字の正規化に注意が必要で、金額・型番・日付が多い原稿では確認テイクを増やします。Eleven v3は感情表現やタグ付きの演出に強い代わりに、同じ設定でも印象が振れやすいので、案件では声の設定・モデル・シード相当のパラメータをファイルに残します。

声を扱う前の確認

  • 声の持ち主から複製と利用の同意を得ているか
  • 利用媒体、期間、地域、言語を合意しているか
  • 生成音声であることを明示する必要があるか
  • 固有名詞、数字、法令上正確な読みが必要な表現を人が確認したか

音声が自然に聞こえることと、公開してよいことは別です。本人同意と原稿承認を生成前に済ませます。

Text to Speechと吹き替えを使い分ける

日本語原稿を新しく読ませるならText to Speech、出演者が話している既存動画を別言語へ置き換えるならDubbingです。吹き替えでは翻訳だけでなく、話者の区別、発話時間、映像との時間的なずれ、背景音の保持を確認します。Dubbing自体は音声を差し替える機能で、映像の口形まで自動で編集する機能とは限りません。口形合わせが必要な案件では、別の映像編集や口元合成の工程を組み合わせます。

自動吹き替え(1クリックDub)と、話者・タイミング・翻訳を手で直せるDubbing Studioは、確認できる粒度が違います。広告や社外公開の映像は、原則Dubbing Studioで話者ごとに聞き直し、翻訳を編集者へ通します。

ナレーションの声を別の動画へ流用する場合は、声の設定と使用モデルを保存します。同じ声名でもモデルや設定が変わると、抑揚や発音が変わります。

詳しい手順とDubbing Studioの操作はElevenLabs Dubbingの使い方にまとめています。

音声クローンは同意を先に取る

Instant Voice Cloning(IVC)とProfessional Voice Cloning(PVC)では、必要な音声量や本人確認が異なります。PVCは自分自身の声だけを作成できます。第三者本人のPVCが必要なら、その本人が自分のアカウントで作成・本人確認し、共有リンクで非公開共有します。IVCでも、入力音声を複製する権利と本人同意が必要です。

同意書には、利用する声、用途、媒体、期間、地域、言語、修正範囲、再学習の可否、削除方法を含めます。音声ファイルをアップロードできることは、複製してよいことを意味しません。

Voice Libraryから他人の声を選ぶ場合も、声ごとの提供条件と利用範囲を確認します。ライブラリで選べることと、あらゆる広告や人物表現に使えることは同じではありません。ブランド案件では、Library声を仮のスクラッチ用にとどめ、本番はPVCで本人の声を用意する方針を推奨します。

クレジットを見積もる

Web版とAPIでは、文字数や音声時間をクレジットへ換算します。原稿の完成文字数だけでなく、発音確認、別テイク、速度違いを含めて月間量を出します。固有名詞が多い原稿では、短い確認音声を先に作り、全文の再生成を減らします。

2026年5月の公式発表はAPIとAgentsの価格を最大55%引き下げ、従量課金のPay As You Goを導入したと説明しています。API主体で月間の必要量が読めない案件は、まず従量課金で実消費を測ってから月額プランへ切り替えます。逆にCreativeを主に使う制作案件は、プラン内クレジットを超えた分がどう課金されるかをBilling画面で確認します。

Text to Sound Effectsを実務に組み込む

Text to Sound Effectsは、映像の環境音や短い効果音を文章から生成する機能です。BGMではなく、扉の閉まる音、雨、拍手、機械音のような素材向きで、秒数と雰囲気を短い英語で指定します。案件では次のように運用します。

  • 素材はナレーションと別ファイルで書き出す
  • 場面ごとに秒数と用途をシートで管理する
  • 商用配布素材か生成素材かをファイル名で区別する
  • 効果音の再生成が必要になったとき、直近のプロンプトを残す

音楽そのものは対象外です。BGMは別のライセンス音源、または音楽生成専門のサービスを併用します。

日本語原稿を自然にする方法

  • 一文を短くし、読点の位置を耳で確認する
  • 数字、英字、企業名を読みやすい表記へ直す
  • 括弧、URL、注釈を読み上げ原稿から外す
  • 感情を強くしすぎず、商品名の明瞭さを優先する
  • 映像へ入れた状態でBGMとの聞き取りやすさを確認する

声質の選択より、読み間違いと間の修正に時間がかかることがあります。台本制作と音声生成を同じ工程にせず、原稿確定後に生成します。

公式動画・画面候補

noteにはText to Speechの公式画面1点と、Dubbingの公式デモ1本を候補にします。音声は文章だけでは比較しにくいため、公式デモを添える価値があります。動画の前に、話者の切り替え、言語、背景音のどこを聞くかを1〜2行で書きます。

映像制作で音を分けて管理する

一本の映像に必要な音は、台詞、ナレーション、環境音、効果音、音楽に分かれます。ElevenLabsだけで全てを一つにまとめず、役割ごとにファイルを書き出します。ナレーションを直したとき、環境音や音楽まで作り直さずに済みます。

ファイル名には言語、話者、原稿版、テイク番号を含めます。

ja_narratorA_script03_take02.wav
en_speaker01_scene05_take01.wav

原稿と生成音声を同じフォルダへ残し、どの文字列から生成したかを追えるようにします。監査や差し替えが入ったとき、生成物と原稿がずれていると再現できません。

吹き替えで確認する5項目

  1. 話者が正しく分離されているか
  2. 人名、企業名、商品名の読みが正しいか
  3. 元の発話時間へ収まっているか
  4. 口の動きとのずれが不自然でないか
  5. 背景音や音楽が欠落・二重化していないか

翻訳文が正しくても、元言語より長くなれば話速が不自然になります。意味を変えずに短くする編集者と、最終言語を母語とする確認者を置きます。

APIへ組み込む前の確認

APIではモデルID、voice ID、出力形式、文字数、失敗時の再試行を記録します。提供終了したv1モデルを呼ぶ実装は更新が必要です。公式Billingが示す終了日を監視し、モデル名をコードへ固定したまま放置しません。

月額プランのクレジットとAPIの従量料金の関係は、アカウントの契約・Billing画面で確認します。別残高だと決めつけず、Creative、API、Agentsのどの料金表で計算したかを記録します。大量生成では、成功分だけでなくテスト、発音確認、再生成を含めて月間量を出します。

会話AIを組む場合はElevenAgents側の料金と応答遅延も別に測定します。TTS単体の遅延だけでは、実際の対話が自然かは判断できません。

企業向け案件で決める責任者

  • 原稿責任者：事実、表現、読みを確定する
  • 声の権利責任者：本人同意と契約範囲を確認する
  • 言語責任者：翻訳と発音を確認する
  • 映像編集者：尺、口形、音量を合わせる
  • 公開責任者：生成音声の表示と媒体条件を確認する

声の自然さだけを制作担当者が判断すると、同意、翻訳、法務が抜けます。生成前に責任を分けます。

ElevenLabsと他の音声AIを比べる視点

音声AIはElevenLabsだけではありません。国内案件では次の観点で比較します。

  • 対応言語と日本語音声の自然さ
  • 音声クローンで求められる本人確認の粒度
  • Dubbingの話者分離と手動編集の可否
  • APIの遅延・従量料金・SLA
  • 商用利用と本人同意の契約条項

同種サービスの比較はHiggsfield Audio TTSの使い方やHiggsfield Audioの再設計まとめ、描きながら声で修正する新しい操作様式についてはKreaのVoice Modeの紹介を参照してください。

ElevenLabsを選ばない場合

本人の演技が重要で、感情や間を細かく演出する必要がある場合は、人の収録が適します。短い固有名詞が多い広告、歌唱、法的に厳密な読み上げも、人の収録と比較します。

ElevenLabsは、多言語展開、案内音声、多数の差し替え、既存動画の吹き替えで特に検討価値があります。速度だけでなく、修正履歴と同意を管理できる案件で使います。

よくある疑問

Freeプランで作った音声を広告へ使えますか

公式Billingは有料プランの生成物に商用権が付くと説明しています。Freeの条件は利用規約と契約画面で確認します。案件で使うなら、少なくともStarter以上での契約と、契約時のプランをファイルに残しておく方針を推奨します。

退会後も生成した音声を使えますか

生成時の契約と利用規約を保存してください。声の持ち主との契約はElevenLabsの契約とは別に残ります。アカウントを閉じても契約義務は消えません。

日本語の固有名詞を直せますか

表記の変更、発音辞書(Pronunciation Dictionary)、短い確認生成を使います。最終確認は自動字幕だけでなく、日本語を母語とする担当者が耳で行います。

生成した声だと表示すべきですか

媒体、地域、内容、本人との契約で判断が変わります。誤認を招く人物音声や広告では、法務・媒体規定を確認し、必要な表示を入れます。特定人物を模した声を使う場合は、本人の許諾と表示ルールを最優先で確認します。

Voice Libraryの声は全て同じ条件で商用利用できますか

声ごとの提供条件と利用範囲を確認します。ライブラリで選べることと、あらゆる広告や人物表現へ使えることは同じではありません。ブランド案件では、Libraryを試作にとどめ、本番はPVCで本人の声を用意すると管理が単純になります。

公式情報