AI・DXの最前線を、ビジネスの現場へ。企業のAI活 用を支援するメディアです詳しくはこちら

ElevenLabsの日本語精度は業務で使える?誤読の傾向と直し方

ElevenLabs日本語精度 v3の変化と直し方
  • URLをコピーしました!

ElevenLabs(イレブンラボ)は、米国のElevenLabs社が提供する、文章を入力するだけで人の声のナレーションを作れるAI音声サービスです。日本語ネイティブの声を選べば、ナレーションや研修動画に使える水準まで来ています。ただし「1日」のように読み方が2通りある言葉は、最新のv3でも読み間違えます。この記事では、誤読の出方、v2からv3、v4での変化、かな書きと発音辞書で直せる範囲、商用利用と料金の注意点を整理します。

出典: elevenlabs.io
目次

ElevenLabsとは、文章から声を作るAI音声サービス

ElevenLabsは、文章を入れると人が話しているような声で読み上げてくれるAI音声サービスです。モデルの一覧や料金、利用規約といった変わりやすい情報は、公式の料金ページと公式ドキュメントが最新です。

出典: elevenlabs.io

提供元と日本での展開

提供元は米国のElevenLabs社で、日本法人があります。法人向けには請求書払いにも対応していると案内されています。

できることと最新の機能

読み上げのほかに、次のことができます。

読み上げ(テキスト読み上げ)

文章を音声にする。ナレーションや研修動画向け

ボイスクローン(声の複製)

自分の声のデータから、同じ声質の読み上げを作る

吹き替え

動画の音声を別の言語に置き換える

文字起こし(Scribe)

音声を文字にする

読み上げを担当するAIのバージョンを、このサービスでは「モデル」と呼びます。旧来のv2に続く新世代が、2026年2月に正式版になったEleven v3と、その後に出たEleven v4です。日本語の精度は、どの世代を使うかで変わります。

ElevenLabsの日本語精度は業務で使えるか

日本語ネイティブの声を選べば、動画ナレーション、社内研修、eラーニングには使える水準です。ただし読み間違いはゼロにならず、公開前に人が一度聴く工程は外せません。
精度は3つに分けると判断しやすくなります。読み間違い、イントネーション(抑揚やアクセント)、感情表現(声の調子)です。このうち一番ばらつくのが声の選び方です。英語向けの声に日本語を読ませると、アクセントが不自然になりやすくなります。ボイスライブラリで「Japanese」の表示がある声を選ぶのが大前提です。

声選びが最優先。「Japanese」表示の声を選ぶ

用途ごとの目安は次のとおりです。聞き直しができるかどうかで、慎重さの度合いが変わります。

用途目安理由
ナレーション・研修動画使いやすい公開前に聴いて直せる
固有名詞や専門用語が多い原稿事前に読みの修正が必要人名や社名、業界用語で読みを外しやすい。読みを登録する「発音辞書」などで対処する
電話応対など聞き直せない用途試験運用で確認してから誤読がそのまま相手に届く

電話用途は別ジャンルなので、比較記事も参考になります。
ネットでは「エラー率68%削減」という数字も見かけます。これは公式発表とされる8言語の平均値で、日本語だけで68%減ったという意味ではありません。日本語は改善幅の大きかった上位4言語に入っています(AI収益化ラボの紹介による)。
「単語の誤り率3.1%」は文字起こし側の成績で、読み上げの正確さではありません。この2つを混同した説明は多いので注意してください。

「1日」の誤読はv3でどこまで直ったか

v3で誤読は減ったと検証されていますが、「1日」のように読みが2通りある語は残ります。誤読が出やすいのは、利用者記事で共通して指摘されている3つ、文脈で読みが変わる語、固有名詞、英語混じりの文です。

文脈で読みが変わる語

代表例が「1日」です。前後の文によって、次のように読み分ける必要があります。

例文正しい読み
4月1日に開催しますついたち
1日かけて作業しますいちにち

人間は意味から自然に読み分けますが、AIはここを取り違えやすい語の代表格です。
同じタイプは他にもあります。「20日」(はつか)、「3日」(みっか)、「1本」(いっぽん)と「3本」(さんぼん)、「1件」(いっけん)のように、数字の後ろに日付や数え方の言葉がつく語です。納期、開催日、件数が多い原稿は、聴く場所がはっきりしています。

固有名詞と英語混じり

人名・社名・地名は、一般的でない読み方をするものほど間違えやすくなります。辞書にない読み方は、文脈から推測するしかないためです。
「SaaS」「KPI」のような英語や略語が混ざると、英語読みか日本語読みかが揺れることがあります。社名や製品名にアルファベットが入る原稿は、念入りに聴いてください。

v3で変わった点と残った点

v3では、旧モデルのEleven Multilingual v2より読み間違いが約3分の1に減ったと検証されています。難しい漢字や長い文では改善しています。ただし個人による検証で、原稿や声の条件は標準化されていないため、「3分の1」は目安です。
それでも、「1日」のような2通りの読みはv3でも誤読が起きると指摘されています。
v4は、読み方の指示(タグ)を原稿に入れられるようになり、人名や数字の読みも評価されています。ただ中心の改良は話し方の自然さと感情表現で、「1日」の読み分けが直ったという検証は見当たりません。

選び方は、同じ声でモデルだけ替えて聴き比べるのが確実です。感情豊かな声を重視するならv4、まず安定して使いたいならv3、という考え方で始めて構いません。次のような短い原稿なら、数分で差が分かります。

確認する点テスト文の例
日付の読み分け4月1日に開催し、1日かけて作業します
助数詞1本、3本、1件、20日
自社の固有名詞社名、商品名、担当者名を入れた1文
英語混じりSaaSのKPIを毎月確認します
長めの文本番の原稿から3〜4文をそのまま

誤読の数と、直すのに要した手間を記録しておくと、そのまま社内への報告材料になります。

ElevenLabsの読み間違いは辞書で直せる

読みの誤りは、モデルの更新を待たなくても自分で直せます。手軽な順に、原稿を書き換える、辞書に登録する、設定を調整する、の3段階です。

かな書きに直す

一番手軽で確実なのは、原稿の段階で読ませたい通りにひらがなで書くことです。

修正前(誤読しやすい)修正後
4月1日に開催します4月ついたちに開催します
1日かけて作業しますいちにちかけて作業します
納期は20日です納期ははつかです

動画の字幕や配布資料には元の表記を使い、音声用の原稿だけを別に用意しておくと管理しやすくなります。

読点(、)で間を作ると、聞きやすさが上がります。難しい漢字をひらがなに開くのも、aitool-eyeが紹介している基本の対処です。

発音辞書に登録する

社名や商品名のように何度も出てくる言葉は、発音辞書(Pronunciation Dictionary)に登録すると楽になります。「この言葉はこう読む」という対応表で、毎回原稿を直す手間が省けます。登録は「置き換え」の形で行い、たとえば自社の製品名を、読ませたい通りのひらがなに置き換えます。

辞書に「1日→ついたち」と登録すると、「4月1日」は正しく読めるが「1日かけて」まで誤読になるため、読みが変わる語は原稿をかな書きにする。

ただし落とし穴があります。辞書は、登録した語をすべて同じ読みに置き換えます。

辞書登録で「いちにち」まで「ついたち」になる例

「1日→ついたち」と登録すると、「1日かけて作業します」まで「ついたちかけて作業します」と読まれてしまいます。使い分けは次のとおりです。

語の種類向く方法例
読みが常に同じ発音辞書社名、商品名、人名
文脈で読みが変わる原稿のかな書き1日、20日、1本

登録したのに直らないときは、長い原稿を章ごとに作り込める編集画面「Studio」で、プロジェクトに辞書をつないでいるかを見てください。つないでいないと反映されない場合があります。

Stabilityとタグの調整

Stability(安定度)は、読み方や抑揚をどれだけ安定させるかを決めるつまみです。高くしすぎると棒読みになり、低くしすぎると抑揚が乱れます。中間あたりから試し、声や原稿に合わせて動かしてください。
ただし、これは自然さを整える設定で、読み間違いを直すものではありません。[laughs](笑い)や[whispers](ささやき)のようなオーディオタグも、感情や話し方を変える機能です。「ついたち」を正しく読ませたいなら、タグではなくかな書きです。

イントネーションの癖のように、かな書きや辞書で直しにくいものは残ります。読みの誤りは自分で直せ、抑揚の癖は声を替えるか人が聴いて判断する、という線引きです。

商用利用と料金で確認すること

業務で使うなら、商用ライセンスは有料プランからです。公式の料金ページでは、StarterがFreeの内容に加えて「Commercial License」を付けるプランとして載っています。月額は、使う文字数(クレジット)の枠で決まります。

商用利用の規約を読む

業務で使うなら、Starter以上の有料プランが前提です。無料プランのクレジット表記などの細かな条件は、利用規約を見てください。

有料プランへ切り替える前に確認すること

商用ライセンスが付くのは有料プランです。無料のうちに試作した音声は、公開用にそのまま使い回さず、有料プランに入ってから作り直すのが安全です。

料金は他社と比べてどうか

ElevenLabsの料金は、毎月使える文字数の枠(クレジット)で決まります。公式の料金ページの月額表示(ドル)は次のとおりです。

プラン月額毎月のクレジット商用ライセンス
Free0ドル1万なし
Starter6ドル(初月1ドル)3万あり
Creator22ドル(初月11ドル)12.1万あり
ElevenLabsの料金ページ。無料は月0ドルで1万クレジット、スターターは初月1ドル以降月6ドルで3万クレジットと商用ライセンス、クリエイターは初月11ドル以降月22ドルで12.1万クレジット
出典: ElevenLabs 公式の料金ページの画面(2026年11月撮影。各プランの価格とクレジットの欄を切り出して並べたもの)

※税は含まれず、公式ページには期間限定の割引(Black Friday)も表示されていました。公式ページの試算では、Starterで約30分、Creatorで約121分の音声に相当します。
必要な量は、原稿量から見積もれます。たとえば1本3,000字の動画を月10本作るなら、約3万字でStarterの枠です。月30本なら約9万字で、Creatorの枠に収まります。読み間違いを直して再生成すると、その分も文字数を使うので、2〜3割の余裕を見ておくと安心です。
他社とは課金方式が違い、横並びの数値比較はできないため、タイプ別の目安を示します。

サービス課金の考え方向いている人
ElevenLabs月額プラン+文字数枠声の自然さと感情表現を重視する人
Google Cloud Text-to-Speech、Amazon Polly、Microsoft Azure文字数に応じた従量課金が基本システムに組み込む開発者
VOICEVOX無料低コストで試したい人。声ごとに商用条件が違う
CoeFont月額プラン日本語の声の種類を重視する人

比べるときは、前の章のテスト原稿を各社に読ませ、誤読の数と直す手間を並べるのが一番公平です。

結論:日本語ネイティブの声、かな書き、発音辞書、公開前の聴き直しを前提にすれば、有料プランで商用のナレーションや研修動画に使える

まずは自社の原稿を数本読ませ、誤読の数と直す手間を確かめてから、プランを決めてください。

  • URLをコピーしました!
  • URLをコピーしました!
目次