ElevenLabs

概要

ElevenLabs は、2022年創業のAI音声プラットフォームで、業界最高水準の自然さと感情表現を持つテキスト読み上げ（TTS）と音声クローンで知られます。フラッグシップの Eleven v3 は 2026年3月14日に正式版（GA）となり、70以上の言語をカバーします。現在は TTS だけでなく、文字起こし（Scribe）、音楽生成（Music）、対話エージェント（Conversational AI）まで束ねた総合音声プラットフォームになっています。

主な特徴

1. Eleven v3 — 最も表現力豊かなTTSモデル

オーディオタグ（例: [laughs]、[whispers]、[sighs] など）を文中に挿入することで、笑い・囁き・ため息・感情変化を制御可能。複雑なテキストでの読み間違いが従来比で約68%減り、対応言語は70以上に拡大しました。標準の v3 は高忠実度コーデックを使う分だけ推論が重くリアルタイム生成には非対応ですが、2026年8月にリアルタイムストリーミング対応の Eleven v3 Conversational が正式版（GA）となり、同じ感情表現力のまま低遅延の音声対話にも使えるようになりました。

2. Text to Dialogue API

複数話者のダイアログ用に設計されたエンドポイント。JSON で話者・セリフを定義すると、話者交代や感情変化、割り込みまでAPIが自動管理します。

3. Instant / Professional Voice Cloning

数十秒の音声サンプルから作るInstant Voice Clone（Starter以上）と、長尺録音から高精度クローンを作るProfessional Voice Clone（Creator以上）の2種類。PVCはより感情レンジと一貫性が高いのが特徴です。

4. Scribe — 文字起こし

音声認識モデル Scribe v2 と、ストリーミング対応の Scribe v2 Realtime を提供。90以上の言語に対応し、会議録・字幕・ボイスログの一次処理を同じアカウント内で完結できます。

5. Eleven Music — ライセンス済みデータで学習した音楽生成

2026年5月27日公開の Music v2 は、1曲の途中でジャンルを切り替えても作曲とボーカルの整合を保ち、イントロ／ヴァース／サビをセクション単位で個別に再生成できます。学習データは全てライセンス取得済み（Merlin Network、Kobalt Music Group と契約）で、生成物は商用利用クリア済みと明示されている点が、訴訟を抱える Suno / Udio との差別化軸になっています。

6. 多言語吹き替え

Dubbing Studio では、同じクローン音声のまま別言語で発話させられるため、映像コンテンツのローカライズに向いています。

プラン・料金

クレジットは全プロダクト共通で、TTS・Music・Scribe・エージェントのいずれに使っても同じ残高から消費されます。

プラン	月額	月間クレジット
Free	$0	10,000
Starter	$6	30,000
Creator	$22（初月 $11）	121,000
Pro	$99	600,000
Scale	$299	1,800,000（ワークスペース3席）
Business	$990	6,000,000（ワークスペース10席）
Enterprise	要問合せ	カスタム（SSO、DPA / SLA、同時実行数の拡張）

年払いは2ヶ月分無料（約17%引き）。

代表的な活用例

• オーディオブック・ポッドキャスト制作
• YouTube動画のナレーション
• ゲーム内キャラクターボイス
• コンテンツの多言語吹き替え
• コールセンターIVR・音声エージェント

強み

• 業界トップクラスの自然さと感情表現
• 音声クローンの品質が高い
• 70以上の多言語対応（文字起こしは90言語以上）
• 豊富なAPIとSDK、ダイアログ生成の専用API
• 音楽生成はライセンス済みデータのみで学習しており権利リスクが低い
• Eleven v3 Conversational がリアルタイムストリーミング対応でGA化し、低遅延の音声対話にも使える

弱み

• 音声クローン悪用の倫理的懸念（ディープフェイク）
• 無料枠が少なくすぐに有料化が必要
• 高品質モデルはクレジット消費が速い

公式情報

• 公式サイト: https://elevenlabs.io
• モデル一覧: https://elevenlabs.io/docs/overview/models
• 料金: https://elevenlabs.io/pricing