ElevenLabs 使い方完全ガイド｜AI 音声 / Voice Cloning / 商用利用

1ElevenLabs とは

ElevenLabs (イレブンラボ) は、世界最高クラスの AI 音声合成サービス。テキストを入力すると、人間と区別がつかないレベルの自然な音声が生成されます。多数の言語に対応し（Eleven v4 は 90 以上、Multilingual v2 は 29 言語）、日本語も非常に自然。

2024 年に話題になった「Voice Cloning（自分の声を AI に学習させる）」機能は、業界の革新として注目されました。

2始め方

1. elevenlabs.io にアクセス
2. 「Sign up」→ Google / メール
3. 無料で月 10,000 文字まで生成可能

3料金プラン

4主要機能

1. Text to Speech

テキストを入力 → 音声生成。デフォルトで 1,000 以上のプリセット音声が用意されている。

2. Voice Cloning

自分の声 (1〜30 分のサンプル) をアップロード → AI が学習 → 任意のテキストを自分の声で読み上げ

3. Dubbing

動画をアップロード → 別言語で同じ話者の声で吹き替え。リップシンクは未対応だが、声の同一性は維持される。

4. Sound Effects

テキスト指示から効果音を生成（例: "波の音 8 秒"）。

5. Studio

長文向けの編集 UI。チャプター分割・話者切替・SE 挿入を一括管理。

5音声生成の基本

1. Voices ライブラリから声を選ぶ
   - "Alice" (英語、明るい)
   - "Daniel" (英語、落ち着いた男性)
   - "Asahi" (日本語、ナチュラル)
   など多数

2. テキストを入力
3. Settings (Stability, Style, Similarity Boost) を調整
4. Generate
5. ダウンロード or API 連携

6主要設定

7API で使う

# pip install elevenlabs
from elevenlabs.client import ElevenLabs
from elevenlabs.play import play

client = ElevenLabs(api_key='YOUR_API_KEY')

audio = client.text_to_speech.convert(
    text='こんにちは、ElevenLabs の AI 音声です。',
    voice_id='YOUR_VOICE_ID',
    model_id='eleven_multilingual_v2',
)

play(audio)
# または保存
with open('output.mp3', 'wb') as f:
    for chunk in audio:
        f.write(chunk)

8用途別の使い方

• YouTube ナレーション: 顔出し不要、声出し不要
• オーディオブック: 自分の小説を朗読化
• アプリ・ゲーム: NPC のセリフ、音声ガイド
• ポッドキャスト: 1 人で 2 人ポッドキャストを作る
• 翻訳吹き替え: 日本語動画を英語版に
• e-learning: 教材ナレーション
• 視覚障害者向け: 文書の音声化

9商用利用と倫理

• Starter 以上で商用可
• 本人許可なしの声クローン NG: 利用規約で禁止
• 有名人の声を真似た詐欺・偽情報: 法的・倫理的問題
• 透かし: ElevenLabs は出力に微弱な検出可能な透かしを入れる場合あり

10競合との比較

11関連リンク

• Suno で曲を作る方法
• 音声・音楽 AI

12Voice Cloning の手順

1. Voices タブ → 「Add Voice」→ 「Instant Voice Cloning」
2. サンプル音声をアップロード（1〜10 分、ノイズ少なめ推奨）
3. 音声に名前を付ける
4. 「Create Voice」→ 即時利用可能
5. Professional Voice Cloning（Creator 以上）は 30 分以上のサンプルで高品質クローン

13サンプル音声の準備のコツ

• ノイズなし: 静かな部屋で録音、エアコン音も避ける
• 感情豊かに: 平坦な棒読みでなく、抑揚をつける
• 多様な内容: 質問・断定・感嘆など色々な文型
• サンプリングレート: 44.1kHz / 48kHz 推奨
• 形式: MP3 / WAV 両方 OK

14多言語ダビング

Dubbing 機能で：

1. 動画をアップロード（最大 45 分、Pro 以上）
2. 翻訳先言語を選択（英→日、日→英 など多言語に対応）
3. 「話者ごとに分離」を有効化
4. 生成 → ダウンロード

注意点: リップシンクは未対応のため、口の動きと音声のズレは生じる。