ElevenLabsで日本語ナレーションを作る方法｜料金・商用利用・動画への組み込み手順

動画の解説やYouTubeのナレーションを、自分の声ではなくAIの音声で作りたい。そう考えたときに名前が挙がることの多いサービスが、ElevenLabsです。ただ、日本語に対応しているのか、無料でどこまで使えるのか、作った音声を動画で公開しても問題ないのかは、使い始める前に確認しておきたい点です。

この記事では、ElevenLabsの公式ページで確認できた情報をもとに、日本語ナレーションの作り方・料金とクレジットの仕組み・商用利用のポイントを整理します。作った音声を動画編集ソフトに組み込む流れまで、順番に説明します。

サービスの機能やプランは更新が多い分野です。料金などの数字は変わる場合があるため、申し込み前に公式サイトで最新の内容を確認してください。

ナビ助

自分の声に自信がなくても、ナレーション付きの動画は作れるよ。まずはどんなことができるのか、ざっくり見ていこう。

💻 動画編集用のパソコンを選ぶなら

書き出しやプレビューの快適さは、GPUやメモリなどの構成にも左右されます

✅ BTOパソコンの通販で、スペックや価格から機種を絞り込めます
✅ CPU・メモリ・SSD・GPUの構成を一覧で確認できます
✅ 構成・価格・納期は公式サイトで確認できます

FRONTIERの構成を公式サイトで見る

※内容・料金は変更される場合があります。公式サイトでご確認ください。

ElevenLabsとは？ナレーションに使える機能

ElevenLabsは、文章を音声に変換する「Text to Speech」を中心に、AI音声の機能を提供しているサービスです。公式の料金ページには、動画づくりで使えそうな機能として、次のようなものが並んでいます。

機能	内容
Text to Speech	入力した文章を音声に読み上げさせる（ナレーションの基本機能）
Voice Design	声の特徴を指定して、新しい声を作る
Instant Voice Cloning	短い音声サンプルから、特定の声に近い音声を作る（Starter以上）
Professional Voice Cloning	より精度を高めた音声クローン（Creator以上）
Sound Effects	文章から効果音を生成する
Dubbing	動画の音声を別の言語に吹き替える

このうち、ナレーション作りでまず使うのは、Text to Speechです。画面で文章を貼り付けて声を選び、生成ボタンを押すだけで、音声ファイルを作れます。

日本語に対応している？

公式のText to Speechのドキュメントでは、「Multilingual v2」のモデルが対応する29言語の中に、日本語が含まれていると明記されています。さらに、最新の「Eleven v4」は90以上の言語に対応するモデルとして案内されています。

つまり、日本語の文章をそのまま入力してナレーションを作ることは、公式にも想定されている使い方です。ただし、漢字の読み方やアクセントが意図と違うことは起こり得ます。仕上がりは、実際に聞いて確かめてください。

料金とクレジットの仕組み

ElevenLabsは、月ごとに決まった量の「クレジット」を使って音声を生成する仕組みです。ElevenLabsの料金ページに載っていた主なプランは、次のとおりです。

プラン	月額（月払い）	月に使えるクレジット	主な特徴
Free	0ドル	10,000	無料で試せる
Starter	6ドル	30,000	商用ライセンス、Instant Voice Cloning
Creator	22ドル	121,000	Starterに加えてProfessional Voice Cloning
Pro	99ドル	600,000	Creatorに加えて高音質の出力

上の表は、料金ページに掲載されている定価です。期間限定の割引（初月が安くなるなど）が表示されることもありますが、割引は終了する場合があるため、ここには含めていません。Scale以上は、チーム向けの上位プランです。

1文字＝1クレジットが基本

公式のFAQによると、Multilingual v2のモデルでは、入力した文章の1文字が1クレジットとして数えられます。たとえば、1,000文字のナレーション原稿なら、1回の生成で約1,000クレジットを使う計算です。

Flash系のモデルは、API利用の場合に1文字あたり0.5〜1クレジットの割引料金になると記載されています。ただし、モデルによって消費量は異なるため、実際の消費はアカウント画面で確認してください。

ポイント

クレジットは、音声以外の機能（効果音や音楽、吹き替えなど）と共通のクレジットを使い回す仕組みです。ナレーションだけに使うつもりでも、他の機能を試すと残りが減ります。

生成のたびに消費される点に注意

クレジットは、ダウンロードではなく「生成」ごとに消費されます。読み間違いが見つかって文章を直し、何度も生成し直すと、そのたびに消費されます。公式には、条件によっては無料の再生成が使える場合があると書かれていますが、生成前に表示で確認する形です。

ナビ助

原稿を作り込んでから生成しないと、クレジットがどんどん減るよ。読み間違いが出そうな言葉は、先に読み仮名に直しておこう。

日本語ナレーションを作る基本の流れ

ここでは、動画に使うナレーションを作る基本の流れを紹介します。画面の表示は更新されることがあるため、全体の流れとして読んでください。

アカウントを作成して、Text to Speechの画面を開く
ナレーションの原稿を貼り付ける
日本語に合う声を選ぶ（音声の試し聞きができます）
速度や抑揚などの設定を調整する
生成して、音声を聞きながら読み間違いや間の取り方を確認する
問題がなければ、音声ファイルをダウンロードする

原稿づくりのコツ

AI音声のナレーションは、原稿の書き方で聞きやすさが大きく変わります。次のポイントを意識すると、仕上がりが安定しやすくなります。

1文を短くして、読点で息継ぎの位置を作る
読み間違えやすい固有名詞や専門用語は、ひらがなやカタカナに置き換えて試す
数字や英字の読み方が不安なときは、「100円」を「ひゃく円」にするなど、読みを指定して確かめる
一度に長い文章を入れず、段落ごとに分けて生成し、後でつなぐ

読みの確認は、最終原稿ができてから1回だけ行うのが、クレジットの無駄を防ぐコツです。

自分の声に近い音声を作る方法

StarterプランからはInstant Voice Cloningが使えると、公式の料金ページに書かれています。短いサンプル音声から、自分の声に近い音声を作る機能です。

ただし、音声クローンは、本人の同意がある声だけを使ってください。他人の声や、有名人の声を無断で作ることは、権利の侵害や誤解を招く原因になります。

動画に合う声を選ぶときの観点

Text to Speechでは、同じ原稿でも声を変えると印象が大きく変わります。声を選ぶときは、次の観点で聞き比べると決めやすくなります。

観点	確認するポイント
動画のジャンル	解説動画なら落ち着いた声、紹介動画なら明るめの声など、内容に合っているか
聞き取りやすさ	速度が速すぎないか、語尾が不自然に上がったり下がったりしないか
長時間の聞きやすさ	5分以上聞き続けても疲れにくいか。最初の30秒だけで判断しない
日本語の自然さ	助詞や句読点の前後で、間が不自然になっていないか

同じ原稿の最初の1〜2文を、候補の声で聞き比べるのが、短時間で比べやすい方法です。気に入った声が決まったら、その声で全文を生成します。

声を固定して動画シリーズの統一感を出す

シリーズで動画を出す場合、毎回別の声にすると、視聴者に違和感を与えることがあります。使う声を決めておくと、チャンネルの印象をそろえやすくなります。

ナビ助

声の候補を3つくらいに絞って、同じ原稿で聞き比べるのがおすすめだよ。メモを取っておくと、あとで迷わないよ。

商用利用の考え方

YouTubeの収益化や、クライアント案件で使う場合は、商用利用の条件を確認する必要があります。公式の料金ページでは、Starterプランの説明に「Commercial License（商用ライセンス）」が含まれると書かれています。Freeプランの説明にはこの記載がありません。

注意

無料プランで作った音声の取り扱い（商用利用の可否、クレジット表記の要否など）は、公式の利用規約で定められています。収益化する動画や案件に使う前に、利用規約を確認するようにしてください。この記事では、規約の細かい内容までは断定しません。

声の権利についても確認する

ライブラリにある声やクローンした声には、その声の持ち主の権利があります。商用で使えるかどうか、利用条件が声ごとに設定されていることもあります。迷うときは、利用規約と各ページの案内を確認し、必要なら専門家に相談してください。

作ったナレーションを動画に組み込む

音声ファイルができたら、動画編集ソフトに読み込んで映像と合わせます。基本の流れは、次のとおりです。

音声ファイルを編集ソフトに読み込み、映像のタイムラインに並べる
原稿の区切りに合わせて、映像のカットや字幕を合わせる
音量を調整し、BGMや効果音を足す
全体を聞き直して、読み間違いや不自然な間を直す

ナレーションの入れ方全般は、次の記事でも解説しています。

動画にナレーションを入れる方法を解説！録音のコツやおすすめツールも紹介

動画にナレーションを入れると、映像だけでは伝わりにくい情報を補足したり、視聴者の理解を深めたりすることができます。YouTube動画、企業のプロモーション映像、教育コンテンツなど、ナレーション付きの動画は活用の幅が広いのが特徴です。この記事...

他のAIナレーションツールとの使い分け

ElevenLabsのほかにも、日本語のAIナレーションを作れるツールは複数あります。無料で始めたい方や、音声合成の種類を比べたい方は、ツールを一覧で紹介した記事も参考にしてください。

動画のAIナレーションを作る方法を解説！おすすめの音声合成ツールも紹介

動画にナレーションを入れたいけれど、自分の声に自信がない、録音環境を整えるのが面倒、もっと効率的にナレーションを量産したいなど、さまざまな理由からAIナレーションへの注目が高まっています。AI音声合成技術は記事執筆時点で飛躍的に進化しており...

音声の品質を整える

生成した音声を動画に入れたあとは、音量のばらつきやノイズが気になることがあります。整え方は、音声編集の記事で詳しく説明しています。

動画編集の音声編集やり方ガイド！ノイズ除去・音量調整・EQの基本

動画のクオリティを語るとき、映像の美しさに注目しがちですが、実は視聴者の離脱率に大きく影響するのは「音声」です。映像が少し粗くても視聴者は見続けてくれますが、音声にノイズが入っていたり聞き取りにくかったりすると、一気に離脱してしまいます。動...

ナビ助

声を聞き比べるときは、イヤホンよりも、モニター用のヘッドホンのほうが細かい違いが分かるよ。たとえば、オーディオテクニカのATH-M40xのようなモニター用のモデルも候補になるよ。

関連商品をCheck!!👉 「audio-technica ATH-M40x」を見る
Amazon 楽天 Yahoo!

評価されやすい点と気になりやすい点（編集部の整理）

公式情報と一般的な知見から、編集部で整理しました。利用者の口コミを引用したものではありません。

評価されやすい点	気になりやすい点
日本語を含む多言語に対応している	漢字の読みやアクセントが意図と違うことがある
声を選んだり、設定を調整したりできる	生成のたびにクレジットが消費され、直しが多いと減りやすい
無料プランで試せる	商用利用はStarter以上で案内されており、規約の確認が必要
効果音など他の機能と同じクレジットで使える	機能が増えて、画面や料金の仕組みを把握するのに時間がかかる