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。

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。

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。

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。
「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。
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 |
|---|---|---|---|
| Free | 0ドル | 1万 | なし |
| Starter | 6ドル(初月1ドル) | 3万 | あり |
| Creator | 22ドル(初月11ドル) | 12.1万 | あり |

※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。
