ElevenLabs

ElevenLabsの主な機能

中心は読み上げと声のクローンです。そのほかの機能も同じ画面から使え、月ごとのクレジットをどの機能に使っても構いません。

文章の読み上げ（Text to Speech）

入力した文章を、選んだ声で読み上げて音声ファイルにします。2026年9月28日に最上位の読み上げモデル「Eleven v4」が公開され、日本語を含む90以上の言語に対応しています。

1回の生成で読み上げられるのは1万文字までです。文中に [laughs] のようなタグを入れると、笑い声や話し方の調子も指示できます。

声のクローン（簡易版と高品質版）

声のクローンには2種類あります。簡易版（Instant Voice Cloning）は2分未満の音声から数秒で声を作れ、Starterプランから使えます。

高品質版（Professional Voice Cloning）はCreatorプランから使えます。30分以上の録音が必要で、公式の推奨は2〜3時間です。作れるのは自分の声だけで、同意があっても他人の声は登録できません。録音後に声で本人確認をし、学習に3〜6時間ほどかかります。

長い音声の編集と吹き替え（Studio・Dubbing）

Studioは、オーディオブックや動画のナレーションのような長い音声をプロジェクト単位で作って編集する機能です。Freeでは3プロジェクト、Starterでは20プロジェクトまで作れます。

Dubbingは、動画や音声を別の言語に吹き替える機能です。細かく直せるDubbing StudioはStarterプランからです。

文字起こし・効果音・音楽

Speech to Text（Scribe）は90以上の言語の文字起こしに対応しています。Sound Effectsは文章から効果音を、Musicは文章の指示から曲を作ります。音楽の商用利用はStarterプランからです。

画像・動画の生成と口合わせ（Image & Video）

Starterプランから、画像生成、動画生成、口合わせ（Lip sync）が使えます。口合わせは、写真や動画の人物の口の動きを、用意した音声に合わせて作り直す機能です。

写真から本人そっくりのアバターを作るAvatarsは、2026年10月4日時点で「Beta」表記です。公式ヘルプでは、Beta機能で作ったものは商用・本番用途に使えないとされています。

音声エージェントとAPI

ElevenAgentsは、電話やWebサイトで利用者と会話するAI音声エージェントを作る機能です。読み上げや文字起こしはAPIでも提供され、自社のアプリやサービスに組み込めます。

AIアシスタントから接続できる公式のMCPサーバーもあります。ElevenLabsのアカウントでログインして接続し、エージェントの作成や設定変更、読み上げ音声の生成を会話で指示できます。エージェントとAPIの料金は、料金ページの別のタブで案内されています。

ElevenLabsの料金

無料のFreeと、月6ドルからの有料プランがあります。年払いにすると10か月分の料金で12か月使えます。価格は税抜きの米ドル表示です（2026年10月4日に公式料金ページで確認）。

• Free：月0ドル、月1万クレジット。商用利用はできません
• Starter：月6ドル、月3万クレジット。商用ライセンスと簡易版の声のクローンが付きます。10月18日までは初月1ドルです
• Creator：月22ドル（初月11ドル）、月12.1万クレジット。高品質版の声のクローンを1つ作れます
• Pro：月99ドル、月60万クレジット。APIで44.1kHzのPCM音声を出力できます
• Scale：月299ドル、月180万クレジット、3人で利用
• Business：月990ドル、月600万クレジット、10人で利用

クレジットは全機能で共通です。読み上げはおおむね1文字1クレジットで、文字起こしは1分330、音楽は1分900、効果音は1回200、吹き替えは1分2,000〜10,000クレジットが目安です。

使い切れなかったクレジットは、有料プランを続けている間は最大2か月ぶん繰り越せます。プランを下げたり解約したりすると、残りは期間の終わりに失効します。

日本語での使いやすさ

2026年10月4日時点で、操作画面は英語です。日本語の文章はそのまま入力でき、言語も自動で判定されるため、読み上げや声のクローンを日本語で使うのに困る場面はありませんでした。

Eleven v4、文字起こし、吹き替えはいずれも日本語に対応しています。ただし、日本語の読み上げ品質について公式の評価指標は公開されていません。固有名詞や数字の読み方は、生成した音声を聞いて確かめる必要があります。

実際に使ってみて

編集部では2026年10月4日にStarterプランを契約し、運営者本人の声で簡易版のクローンを作りました。素材は過去のYouTube収録から切り出した1分の音声3本です。音声ファイルだけでなく動画ファイルもそのままアップロードでき、声は数秒で完成しました。

この声とEleven v4で113文字を読み上げると、1回の生成で約15秒の音声が2パターン出ました。本人が聞いても区別がつかない仕上がりでした。同じ設定でも生成ごとに似方が少し変わるので、2パターンを聞き比べて選ぶ使い方が向いています。

続けて、本人の実写動画に新しい音声を合わせる口合わせを試しました。15秒の動画が約1分で完成し、読み上げと口合わせを合わせた消費は735クレジットでした。口の動きは音声と合っていましたが、表情や目線は元の動画のままです。仕上がりの印象は、元の動画の撮り方で大きく変わります。

口合わせのモデルによって消費は大きく違います。画面の表示では、実写動画に合わせる最も安いモデルが1秒41クレジット、写真から口を動かすモデルは1秒424〜1,267クレジットでした。動画を作る前に、使うモデルの消費量を確認しておくと安心です。

声のクローンを作る手順と、読み上げ・口合わせまでの流れは、ElevenLabsで自分の声をクローンする方法で実際の画面とあわせて紹介しています。

ElevenLabsはこんな人におすすめ

収録の手間を減らして、自分の声で動画やポッドキャストを作りたい個人の発信者に向いています。簡易版のクローンなら、月6ドルのStarterから試せます。

長いナレーションやオーディオブックを作る人、動画を多言語に吹き替えたい人、自社サービスに音声機能を組み込みたい開発者にも合います。読み上げだけでなく音楽や効果音まで1つのクレジットでまかなえるので、複数のサービスをまとめたい人にも便利です。

利用前に確認したいこと

• Freeプランで作った音声は商用利用できません。公開するときはタイトルに「elevenlabs.io」などの表記が必要です
• 有料プランでも、Beta表記の機能で作ったものは商用・本番用途に使えません。収益化する動画では、使う機能の表記を確認してください
• 他人の声のクローンは、本人の同意と必要な権利がある場合に限られます。高品質版は自分の声しか作れません
• クローンした声で本人になりすましたり、誤解を招く音声を公開したりしないでください。公開先のサービスにAI生成の開示ルールがあれば従います
• プランを下げたり解約したりすると、残りのクレジットは失効します