ElevenLabsの新音声モデル「Eleven v4」──日本語の読み上げを無料ツール・v3と聞き比べ

何が変わったか

ElevenLabsは、文章を読み上げ音声にするAIの大手です。今回の「Eleven v4」は作り（アーキテクチャ）から新しくしたモデルで、文章の口調・間の取り方・感情・前後の文脈を読み取って話し分ける、と説明されています。発表のポイントは次のとおりです。

• ●モデルは2つ。動画やナレーションなど作り込む用途の「Eleven v4」と、会話する音声エージェント向けの「Eleven v4 Turbo」（話し始めまでの時間の中央値が約150ミリ秒）
• ●対応言語は90以上。日本語もネイティブのアクセントで話せると公式の日本語ページに明記
• ●文中に［笑う］のようなタグを入れて、言い方を指示できる
• ●10秒ほどの音声から声をまねる「声のコピー」にも対応
• ●ElevenLabsの画面（ElevenCreative）、音声エージェント（ElevenAgents）、API（ElevenAPI）のどれからでも使える。無料プランでも使え、無料枠は毎月10,000クレジット（音声約10分ぶん）

API（自社の仕組みから呼び出す使い方）の料金は、1,000文字あたりv4が0.08ドル、v4 Turboが0.04ドルです。10月12日までは割引で、v4は0.022ドル、v4 Turboは0.011ドルになっています。前のモデルのv3は0.08ドルなので、通常料金でもv4はv3と同じ値段です。月額プランのCreator以上は、10月12日までクレジットが3倍になるキャンペーン中です。

同じ文で聞き比べ（無料の読み上げ・v3・v4）

ミーネクストでは、中学生向けの学習教材に、キャラクターが話す3〜4分の解説動画を付けています。これまではパソコンの中で動く無料の読み上げソフト（Voicebox）で声を作っていましたが、「単語の切れ目が変」「読み間違いがある」という声が出ていました。そこで、数学の動画の冒頭と同じ5文を3つの方法で作り、聞き比べました。声の設定はどれも同じキャラクターの声です。

今日は、正の数と負の数のたし算をやるよ。
じゃあ、(+2)+(−6)は、いくつだと思う？
数直線で考えよう。0がスタートだよ。
プラスの数は右へ、マイナスの数は左へ進むんだ。
ここ大事！進む向きは、符号で決まるよ。

動画を作っている担当者に③を聞いてもらったところ、「自然でいいと思います。断然聞きやすいです」という反応でした。これを受けて、解説動画の読み上げはv4に切り替え、作成済みの動画も作り直しています。かかる費用は、3〜4分の動画1本（読み上げ1,000〜1,350文字）で、通常料金でも1回あたり約0.1ドル（十数円）の計算です。

業務での使いどころ

• ●社内研修やマニュアル動画のナレーション。人が録り直す手間がなくなり、内容を直したら音声も作り直すだけで済む
• ●商品紹介やSNS向けの短い動画の読み上げ
• ●電話の一次受付など、会話する音声の窓口（こちらは低遅延のv4 Turboが向いている）

日本語で失敗しやすいのは、専門用語や数字・記号の読みです。今回も「進む」や「数直線」を読み間違えないよう、台本をひらがなに開いてから読ませています。台本を読み上げ向けに整えるところは、ChatGPTなどの対話AIに任せられます。

次の台本を、AIの読み上げソフトに渡す用に書き直してください。

・読み間違えやすい漢字（専門用語・人名・地名・同じ字で読みが複数あるもの）はひらがなにする
・数字、記号、単位、英字は、読み方どおりのカタカナかひらがなにする（例：(+2)→プラス2、3kg→さんキログラム）
・1文は40文字以内にし、息つぎする所に読点を入れる
・意味や言い回しは変えない

最後に、ひらがなに直した語を「元の表記→読み」の一覧で出してください。

--- 台本ここから ---
（ここに貼り付け）

試すときに気をつけること

• ●聞き比べは同じ5文・1回ずつの結果です。長い台本や別の声では、聞こえ方が変わることがあります
• ●無料の読み上げソフトでまねた声と、ElevenLabsで作った声は、同じキャラクターでも声の質が少し違うことがあります。切り替える前に耳で確かめてください
• ●実在の人の声をコピーする時は、必ず本人の許可を取ってください
• ●無料プランで作った音声を仕事で使えるか（商用利用の条件）は、契約前に料金ページで確認してください