ElevenLabsは日本語で使える？対応モデル・料金・商用利用の条件【2026年8月2日に公式確認】

ElevenLabsは、elevenlabs.ioが提供するAI音声プラットフォームです。一般に「イレブンラボ」と読まれています（公式の読み方の記載は見つけられませんでした）。

「ElevenLabsは日本語で使えるか」には、二つの話が混ざっています。日本語を入力として受け付けるかという仕様の話と、出てきた音声が耳にどう聞こえるかという品質の話です。

公式サイトは「70以上の言語」への対応をうたい、その一覧に日本語も入っています。一方で、イントネーションが不自然だという評判もあります。

前者は仕様、後者は耳の話なので、どちらも成り立ちます。

ここでは、その二つを分けます。どのモデルが日本語を含むのか、料金はいくらか、無料でどこまで作れるのか、商用でいつから使えるのか。

これらは2026年8月2日に公式サイトで確認しました。読み上げ品質の体感は、自分の耳で確かめる前なので「実測後に追記」と書いて空けています。

ElevenLabsは日本語に対応しているのか

対応しています。ただし答えは「ElevenLabsが」ではなく「どのモデルが」で決まります。

ElevenLabsは音声合成のモデルを複数持っていて、対応言語数がモデルごとに違います。同じアカウントの同じ画面でも、選んだモデル次第で日本語が読めたり読めなかったりします。

左から右へ分岐する図。同じ日本語の原稿を入れても、どのモデルを選ぶかで結果が分かれる。日本語に対応したモデルを選べば日本語で読み上げられるが、英語だけのモデルを選ぶと日本語は読めない。 — 同じ画面、同じ原稿でも、選んだモデル次第で結果が変わります。まず見るべきはモデル名です。

モデルごとの対応言語

公式ドキュメントのモデル一覧に載っている主なモデルは次のとおりです（2026年8月2日確認）。

モデル	モデルID	対応言語数	日本語	1リクエストの文字上限
Eleven v3	eleven_v3	70以上	対応	5,000
Multilingual v2	eleven_multilingual_v2	29	対応	10,000
Flash v2.5	eleven_flash_v2_5	32	対応	40,000
Flash v2	eleven_flash_v2	1（英語のみ）	非対応	30,000
Multilingual STS v2（ボイスチェンジャー）	eleven_multilingual_sts_v2	29	対応	10,000
English STS v2（ボイスチェンジャー）	eleven_english_sts_v2	1（英語のみ）	非対応	10,000

Multilingual v2の29言語は公式が全件を列挙していて、英語の次に日本語が置かれています。

Flash v2.5の32言語は「v2系の29言語にハンガリー語、ノルウェー語、ベトナム語を足したもの」と説明されているので、こちらにも日本語が含まれます。Eleven v3の70以上の言語一覧にも日本語（Japanese）が入っています。

引っかかるのはFlash v2とEnglish STS v2です。この二つは英語専用で、日本語は入っていません。

Flash v2.5と名前がよく似ているので、モデル選択の一覧で取り違えると、日本語を入れても読まれません。日本語を扱うなら、モデル名の末尾まで見てください。

かつて案内されていたTurbo v2.5とTurbo v2は、公式ドキュメント上でFlash v2.5・Flash v2と機能的に同等の扱いです。レイテンシは平均するとFlash版のほうが低いと書かれています。

Turboの名前で覚えているなら、対応するFlashを見てください。

どれを選べばいいのか

公式が挙げている使い分けは、品質を優先するならMultilingual v2、リアルタイム性を優先するならFlash系、感情表現や会話劇を作りたいならEleven v3、という並びです。

Eleven v3については「キャラクター同士の会話」「オーディオブック制作」「感情のこもった対話」に向くと明記されています（2026年8月2日確認）。

ただし1リクエストの文字上限はEleven v3が5,000、Multilingual v2が10,000です。長い原稿を流し込むなら、この差がそのまま作業の分割回数になります。

感情表現を取るか、一度に流せる長さを取るか。長尺のナレーションを作るなら、先に決めておいてください。

公式サイトの日本語ページ

対応言語の話とは別に、ElevenLabsは日本語のWebページを持っています。

elevenlabs.io/jaが日本語のトップページで、日本語向けの音声合成ページ（/ja/text-to-speech/japanese）と文字起こしページ（/ja/speech-to-text/japanese）も日本語で書かれています。

料金ページにも日本語版（/ja/pricing）があり、プラン名は「無料」「スターター」「クリエイター」のように日本語表記です（いずれも2026年8月2日確認）。

何ができるツールなのか、いくらなのかを調べる段階では、英語を読む必要がありません。

一方、開発者向けドキュメント（elevenlabs.io/docs/）は英語でした。エラーやAPIの仕様で詰まったときに当たる一次情報は英語です。

管理画面の言語は公式では確認できませんでした

ログインしたあとの管理画面（アプリのUI）が日本語で表示されるかどうかを明記した公式の一次情報は、見つけられませんでした。表示言語の切り替え設定があるかどうかも同じです。

実測後に追記実際にアカウントを作って管理画面を開き、表示言語の設定があるかどうか、どこまでが日本語で表示されるかを、画面のスクリーンショットつきで追記します。

日本語で何ができるのか

公式が日本語対応を明記している機能は、読み上げだけではありません。

テキストを日本語で読み上げる

中心の機能です。日本語のテキストを入れて、ボイスとモデルを選ぶと音声が返ってきます。

公式の日本語ページには、日本語向けとしてOtani、Ishibashi、Kuon、Hinata、Shizukaといったボイスが人気の選択肢として挙がっています（2026年8月2日確認）。

ボイスライブラリ全体では、コミュニティが共有したボイスが10,000以上あるとドキュメントに書かれています。

公式ドキュメントは「ElevenLabsのボイスはすべて複数言語に対応する」と説明しています。ボイスと言語は別の選択です。

英語圏の話者から作られたボイスで日本語を読ませることもできます。そのときに訛りがどう出るかは、後半の品質の節で扱います。

自分の声を複製する（音声クローン）

音声クローンには2種類あります。短いサンプルから即座に作るInstant Voice Cloningと、長めの学習データを使うProfessional Voice Cloningです。

料金ページでは、Instantがスターター以上、Professionalがクリエイター以上に含まれます（2026年8月2日確認）。

ドキュメント側も「Professional Voice Cloningにはクリエイタープラン以上が必要」と明記しています。

日本語のクローンだけを制限する記載は、公式では見つけられませんでした。ボイスが複数言語に対応するという説明どおりなら、作ったクローンで日本語も読ませられます。

動画を日本語に吹き替える（Dubbing）

吹き替え機能は、話者の感情やタイミングを保ったまま別の言語に置き換えるものです。公式ドキュメントは対応言語を「90以上」とし、その例示のなかに日本語（Japanese）を名指しで挙げています（2026年8月2日確認）。

注意点がひとつあります。細かく編集できるDubbing Studioは、現行のDubbing v2ではなくレガシーのV1モデル経由でのみ使えます。

ドキュメントには「メンテナンスモードにあり、重大なバグ修正のみを受ける」と書かれています。使うには吹き替え画面のAdvancedから「Use Legacy V1 Dubbing Model」を選びます。

編集前提で吹き替えの流れを組むなら、この位置づけを先に確認してください。

動画そのものを切り出す作業は、Opus Clipのような切り抜き側のツールに分けられます。

日本語の音声を文字にする（Scribe）

逆方向の機能です。公式の日本語ページによると、文字起こしモデルScribeは99の言語に対応し、話者の区別（話者分離）と単語単位のタイムスタンプに対応します。

同ページには日本語の単語誤り率の比較表が載っていて、Scribe v1が3.3%、Gemini Flash 2が5.7%、Whisper Large v3が7.6%と示されています（2026年8月2日確認）。

ページ上部には、FLEURSベンチマークで3.1%、Common Voiceで5.5%という数字も出ています。

これは公式が自社ページに掲げている数字です。ただ、日本語の誤り率を具体的に公表しているベンダーは多くないので、比較の出発点にはなります。

モデル一覧側の現行モデルはScribe v2およびScribe v2 Realtime（いずれも90以上の言語）で、この比較表に載っているのは前世代のv1です。

読みを指定する仕組み（発音辞書）

発音辞書（Pronunciation Dictionary）を使うと、特定の語をどう読ませるかを登録して指定できます。日本語で使うときに効く機能です。

発音辞書のAPIガイドには制約が書かれています。音素（phoneme）タグが効くのはeleven_flash_v2とeleven_v3の2モデルだけで、他のモデルは音素タグを無視して既定の読みを使います。

「英語以外の言語でIPAやCMUの発音表記を使いたい場合は、eleven_v3に切り替える必要がある」とも明記されています（2026年8月2日確認。2026年8月28日に同じページで再確認しました）。

他のモデルでは、音素ではなくエイリアス（alias）タグ、つまり狙った読みになる別の綴りに置き換える方法が案内されています。

一覧は公式ページごとに違います

ただし、この一覧は公式ページごとに違います。

2026年8月28日に4ページを取得して数えたところ、読み上げのベストプラクティスはeleven_flash_v2のみ、ヘルプセンターの2ページはFlash v2とTurbo v2と書いていました。

共通して出てくるのはFlash v2だけです。ページごとの一覧と、そこから何が言えるかは固有名詞や漢字の読みを直したい記事にまとめました。

日本語なら、行き先はEleven v3です

日本語に当てはめるとこうなります。人名や固有名詞の読みを音素レベルで指定したいなら、モデルはEleven v3です。

それ以外のモデルでは、読み仮名に書き換えます。この読み替えが日本語でどこまで効くかは、自分で試してから書きます。

辞書はStudioの画面から作れます

辞書をどこから作るかは分かりました。Studioの画面に発音エディタ（Pronunciations editor）があり、単語を選んでボタンを押すとエイリアスと音素をその場で登録できます。

登録したルールは発音辞書に保存され、その辞書がプロジェクトに接続されます（2026年8月28日確認）。

実測後に追記漢字の読み間違いを読み仮名への置き換えで直せるか、Eleven v3の音素指定が日本語で機能するかを実際に試し、発音エディタを無料プランでも開けるかと合わせて追記します。

料金と無料枠【2026年8月2日時点】

料金ページの表示は月払いの月額です（年払いを選ぶと割引の案内が出ます）。日本語版の料金ページも用意されていますが、金額はドル建てで表示されました。

プラン	月額	月間クレジット	読み上げの目安	主な内容
Free（無料）	$0	10,000	約10分	読み上げ、文字起こし、効果音、ボイスデザイン、音楽、Studio 3プロジェクト
Starter（スターター）	$6	30,000	約30分	Freeの内容に加えて商用ライセンス、Instant Voice Cloning、Dubbing Studio、Studio 20プロジェクト
Creator（クリエイター）	$22（初月50%オフ）	121,000	約121分	Starterの内容に加えてProfessional Voice Cloning、追加クレジットの購入、192kbps音質（API経由。2026年8月27日確認）
Pro（プロ）	$99	600,000	約600分	API経由の44.1kHz PCM出力、192kbps音質（画面とAPIの両方。2026年8月27日確認）
Scale（スケール）	$299	1,800,000	約1,800分	ワークスペース3席、チーム共同編集、Professional Voice Clone 3件
Business（ビジネス）	$990	6,000,000	約6,000分	ワークスペース10席、Professional Voice Clone 10件、低遅延TTS（1分5セントから）
Enterprise	個別見積	カスタム	カスタム	DPA・SLA、HIPAA向けBAA、カスタムSSO、優先サポート

ElevenLabsの公式料金ページで最新のプランを確認する（プランの内容と価格は改定されることがあるため、契約前に公式で見るのが確実です）

日本からのアクセスで円建て表示になるかは、公式では確認できませんでした。

クレジットの数え方

課金の単位はクレジットです。公式は「クレジットは以前『文字数（characters）』と呼んでいたもので、名称を変えただけで価値は変わらない」と説明しています。

消費量はモデルによって変わり、料金ページには次の目安が示されています（2026年8月2日確認）。

用途	消費の目安
読み上げ（Multilingual v2）	1文字あたり1クレジット
読み上げ（Flash・Turbo系のv2.5）	1文字あたり0.5〜1クレジット
文字起こし	1分あたり330クレジット
吹き替え	1分あたり2,000クレジット
ボイスチェンジャー・ボイス分離	1分あたり1,000クレジット
効果音	1生成あたり200クレジット
音楽生成	1分あたり900クレジット

Eleven v3の1文字あたりの消費量は、この目安の並びからは確認できませんでした。

「1文字」の数え方は、公式の記載を見つけられませんでした。日本語の1文字が英語の1文字と同じ1クレジットになるかどうかが分かりません。

同じ数え方なら、日本語は同じ内容を少ない文字数で書けるぶん、クレジットの持ちは英語より良くなります。これは計算上の推測なので、実際に日本語原稿を流して残量の減り方を見るまで数字は書きません。

実測後に追記日本語のテキストを実際に生成して、何文字でどれだけクレジットが減るのかをモデル別に測り、残量画面のスクリーンショットつきで追記します。

無料プランで日本語をどこまで作れるか

無料プランは月10,000クレジットで、公式の目安では読み上げ約10分です。公式の日本語ページも「毎月10,000文字まで無料でご利用いただけます」と書いています（2026年8月2日確認）。

10分は、日本語がどう読まれるかを自分の耳で確かめるには十分です。ボイスを切り替えて同じ原稿を読ませれば、1回あたり数十秒なので、10分の枠で何十回も試せます。

まず無料で聞き、耳が納得したら有料を検討してください。

ただし無料プランには2つの縛りがあります。商用に使えないことと、公開時に帰属表示が必要なことです。

次の節で扱います。

商用利用はどこから許されるのか

商用利用ができるのは有料プランからです。

利用規約（最終更新2026年3月31日）は、無料で使う利用者（Free User）について「非商用目的でのみサービスを利用できる」と定め、有料プランの利用者（Paid User）について「商用目的でサービスを利用できる」と定めています。

公式ドキュメントの請求の項も「有料プランで生成したコンテンツには商用利用の権利が付く」「無料プランでは帰属表示つきで非商用利用ができる」と書いています（いずれも2026年8月2日確認）。

料金表で商用ライセンスが最初に現れるのはスターター（$6/月）です。仕事の動画に音声を載せる予定があるなら、ここが入口です。

無料で公開するなら帰属表示が要ります

無料プランで作った音声を公開する場合、ElevenLabsへの帰属表示が必要です。公式ヘルプの該当ページは、タイトルに「elevenlabs.io」または「11.ai」を含める形で帰属表示するよう求めています（2026年8月2日確認）。

無料プランで作った音声を個人のYouTube動画に使うなら、動画タイトルにその表記を入れます。見落としやすい条件です。

ベータ機能は有料でも商用不可です

プランと関係のない縛りがもうひとつあります。ベータ提供中の機能（Beta Services）で生成したコンテンツは、商用利用も本番環境での利用もできないと公式ヘルプに書かれています。

有料プランの商用ライセンスも「ベータ機能を使っていないこと」を条件にしています。

仕事で使うものは、正式提供の機能に限ってください。製品ごとに個別の追加条件（Service-Specific Terms）が置かれる場合があるとも案内されています。

生成した音声の権利はどうなるか

利用規約は、生成物（Output）について「利用者が権利を保持する」と定めています。ただし、元になったテキストやクローンした声について、必要な権利を利用者側が持っていることが前提です。

他人の声を無断で複製する使い方は、権利の話とは別に、プラットフォームのポリシーにも触れます。

日本語の読み上げ品質は実際どうなのか

公式が明記しているのは「日本語に対応している」までです。イントネーションが自然か、漢字の読み分けが正しいか、長い文で息継ぎが崩れないか。

これらは公式ページには書かれておらず、聞いて判断するものです。評判も割れていて、実用に足るという声と、平板で棒読みだという声の両方があります。

私はまだこのツールを日本語で本格的に回していません。品質が高いとも低いとも書きません。

書けるのは、何をどう測るつもりかまでです。

実測後に追記同じ日本語原稿をEleven v3、Multilingual v2、Flash v2.5の3モデルで生成して聞き比べた結果を、音源つきで追記します。あわせて、人名や地名の読み分けがどれくらい当たるかを件数で記録し、長い文章での崩れ方と、英語圏のボイスで日本語を読ませたときの訛りの出方も測ります。

品質の評判を参考にするときは、それがどのモデルで試した結果なのかを確かめてください。ElevenLabsのモデルは、対応言語も設計も別物です。

モデル名の分からない評価は、判断の材料になりません。

日本語で使うなら、どのプランから始めるか

同じ長さの原稿を上下に2本。上は2つに区切られ送信の矢印が2本、下は4つに区切られ矢印が4本。 — 長い原稿ほど、上限の差がそのまま作業の回数になります

耳で確かめたいだけなら、無料プランで足ります。月10,000クレジットあれば、ボイスとモデルを切り替えながら日本語を何度も試せます。

ここで自分の用途に合わないと分かれば、費用はかかりません。

仕事で使うことが決まっているなら、スターター（$6/月）が入口です。商用ライセンスがここから付き、音声クローンとDubbing Studioも使えます。

月30,000クレジット（読み上げ約30分）は、動画のナレーションを毎週作るなら足りないかもしれません。まず1ヶ月分の実消費を測ってください。

自分の声のクローンを本気で作るなら、クリエイター（$22/月）です。Professional Voice Cloningがここから使えます。

クローンを使わずナレーションだけ作るなら、クリエイターを選ぶ理由はクレジット量だけです。

APIで自社サービスに組み込むなら、音質の要件を先に確認してください。API経由の44.1kHz PCM出力はプロ（$99/月）からです。

ElevenLabsの公式サイトでプランを見る

ElevenLabsの始め方

アカウントを作ると、無料プランの10,000クレジットがその月から使えます。日本語で試すなら、次の順で触ってください。

まず読み上げ画面で、日本語の文章を短く入れます。このときモデルを確認してください。

前半の表のとおり、Flash v2は日本語に対応していません。Eleven v3かMultilingual v2から始めます。

次に、同じ文章のままボイスだけを変えて数本作ります。日本語向けに公式が挙げているボイスと、英語圏のボイスの両方を試すと、訛りがどう出るかの感触がつかめます。

最後に、自分の実際の原稿から一段落を持ってきて読ませます。テスト用の短文はどのツールでもそれなりに読めるので、判断は実務の文章でしてください。

人名や固有名詞が入った段落なら、読み分けの弱点も同時に見えます。

公開まで進めるなら、その音声が無料プランで作られたものかを確認してください。無料プランの音声を公開するときは、タイトルへの帰属表示が条件です。

画面の構成、間の作り方、読みが違うときの直し方といった操作側はElevenLabsの使い方の記事にまとめています。

ElevenLabsの無料プランを試してみる

よくある質問

ElevenLabsは日本語に対応していますか？

対応しています。ただしモデルによります。

Eleven v3（70以上の言語）、Multilingual v2（29言語）、Flash v2.5（32言語）にはいずれも日本語が含まれますが、Flash v2とEnglish STS v2は英語専用です（2026年8月2日確認）。

管理画面は日本語で表示されますか？

公式サイトと料金ページには日本語版がありますが（elevenlabs.io/ja）、ログイン後の管理画面が日本語で表示されるかどうかを明記した公式情報は確認できませんでした。開発者向けドキュメントは英語です。

管理画面については実際に確認してから追記します。

無料プランで日本語の音声はどれくらい作れますか？

月10,000クレジットで、公式の目安では読み上げ約10分です。日本語の1文字が何クレジットとして数えられるかは公式では確認できませんでした。

作った日本語音声を仕事で使えますか？

有料プランなら使えます。利用規約上、無料利用は非商用目的に限られ、商用ライセンスは有料プラン（最安はスターター$6/月）から付きます。

無料プランで作った音声を公開する場合は、タイトルに「elevenlabs.io」または「11.ai」を含める帰属表示が必要です。ベータ提供中の機能で生成したものは、有料プランでも商用利用できません。

日本語ならどのモデルを選べばいいですか？

公式の使い分けでは、感情表現や会話劇にEleven v3、長尺の高品質なナレーションにMultilingual v2、リアルタイム用途にFlash v2.5です。

1リクエストの文字上限はEleven v3が5,000、Multilingual v2が10,000です。長い原稿ほど、この差がそのまま送信の回数になります。

まとめ

ElevenLabsが日本語に対応しているかという問いへの答えは、「モデルによる」です。Eleven v3、Multilingual v2、Flash v2.5には日本語が含まれ、Flash v2とEnglish STS v2は英語専用。

読み上げのほかに、吹き替えは90以上の言語の例示に日本語が入り、文字起こしは公式が日本語の誤り率を数字で公開しています。公式サイトそのものも日本語で読めます。

無料枠は月10,000クレジット（読み上げ約10分）で、耳で確かめるには足ります。ただし無料利用は非商用に限られ、公開するならタイトルへの帰属表示が要ります。

商用で使うなら月$6のスターターから。この記事の料金と対応言語は、すべて2026年8月2日に公式サイトを開いて確認した内容です。

「日本語対応」と「イントネーションが不自然」は、どちらも成り立ちます。前者は仕様の話で、後者は耳の話だからです。

仕様は確認日つきでここに固めました。耳のほうは、私が実際に日本語を読ませて、モデル別の音源つきで追記します。

更新履歴

日付	変更
2026年8月2日	初版公開。料金・機能は同日時点で公式サイト（料金ページ・日本語ページ・開発者向けドキュメント・利用規約・ヘルプセンター）を確認。
2026年8月27日	結論の3つ目を書き直しました。「公開するときは帰属表示が条件」とだけ書いていましたが、帰属表示は非商用で公開するときの条件で、商用の条件ではありません。規約の第1条(c)は無料利用を非商用の目的に限っています（同日に原文で確認）。
2026年8月27日	料金表の音質の記載を直しました。192kbpsをクリエイターの欄に入れていませんでしたが、同日の公式料金ページはクリエイターの機能に「192kbps quality audio」を挙げ、音質欄を「128 & 192 kbps (via API), 44.1kHz」と書いています。プロは「(via Studio & API)」で、画面からも使えると読めます。API経由の44.1kHz PCM出力がプロからである点は変わりません。
2026年8月28日	発音辞書の節に2つ追記しました。1つは、音素タグが効くモデルの一覧が公式の4ページで3通りに分かれていることです（同日に4ページを取得して確認）。もう1つは、辞書をStudioの発音エディタから作れることで、実測待ちに置いていた「辞書の作成はUIからできるかAPI経由のみか」はこれで解消しました。

この記事を書いた人

アオマツ。Web制作とSEOを本業とするフリーランスです。

クリニックなどのクライアントサイトの制作・検索流入の改善を直接請けながら、海外のAI・自動化ツールを検証して日本語で解説しています。このサイトの記事は、公式情報の確認日を明記し、実測していないことは実測待ちと書く方針で運営しています。