ElevenLabs
読み: いれぶんらぼ
最終更新: 2026-06-05・AI PICKS編集部
定義
AI 音声生成のトップサービス。 自分の声をクローンして 多言語ナレーションに使える。
ElevenLabsとは — 詳しく解説
ElevenLabs は AI 音声生成 (Text-to-Speech) のトップサービスで、 自然な人間音声と 自分の声のクローン機能が特徴。 料金は無料 (月 10,000 文字) / Starter $5 (30,000)/ Creator $22 (100,000)/ Pro $99 (500,000) / Scale $330。 32 言語対応、 商用利用は Starter 以上で可能。 YouTube ナレーション / 多言語ローカライズ / オーディオブック / Podcast 自動化 で広く採用。 2026 年は競合 (Cartesia / Hume / OpenAI Voice) も急成長、 価格競争が始まった。 AI PICKS の社内では 自分の声を English ナレーションに変換するワークフローを 動画制作で活用している。
関連用語
「音声・音楽」の他の用語
AI 音楽生成サービス。 歌詞 + ジャンル指定で 完成楽曲を 1 分で生成。
OpenAI のオープンソース音声認識モデル。 99 言語対応、 日本語精度も高い。
TTS(音声合成)とは、テキストデータを人間らしい音声に変換するAI技術のこと。ナレーション・コールセンター・音声UIなど幅広い用途で使われ、2026年現在は人間と聞き分けにくい品質が標準となっている。
ASR(自動音声認識)とは、人間の音声をリアルタイムまたは録音データからテキストへ自動変換する技術のこと。Whisperなどの深層学習モデルの普及により、文字起こし・音声コマンド・翻訳など幅広い用途で活用される。
ボイスクローンとは、数秒〜数分の音声サンプルから特定人物の声質・話し方・抑揚を高精度に再現するAI音声合成技術のこと。
リアルタイム音声とは、AIが音声入力をほぼ遅延ゼロで認識・生成し、人間同士の会話に近い応答速度を実現する技術のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・502語以上を体系的に整理しています
辞典トップへ