AI音声3サービス検証の生記録（2026年8月19日）

読者が「どれを選ぶか」を決めるための記事は AI音声3社を同じ日本語原稿で比較 にあります。このページはその裏側です。

検証の目的

英語圏のレビューを読んでも、日本語で使えるかどうかは分かりません。そこで、同じ日本語原稿を3サービスに読ませて、自分の耳で比べることにしました。目的は次の3つです。

• 日本語の読み上げが、実務で使える水準かを自分で確かめる
• 数字・英語・固有名詞・感情表現という「崩れやすい4つ」で差が出るかを見る
• 無料枠でどこまでできるか、クレジットがどう減るかを実際に測る

共通原稿

JIBUNMUKI標準日本語音声テスト原稿（約774文字）を使いました。基本的に同じ原稿を各サービスへ入力しています。

原稿には、次の要素を意図的に入れてあります。

• 普通の日本語会話
• 日時
• 金額
• パーセント
• 数字
• 英語のサービス名
• 固有名詞
• 感情表現
• 長文
• YouTubeナレーションを想定した文章

各サービスの条件

今回選んだボイス・モデル・設定です。記録していない項目は「記録なし」と書いています。あとから思い出して書き足すことはしません。

ElevenLabs 無料枠のクレジット増減（実画面）

画面に表示された数字をそのまま記録しています。

今回の条件では、入力した文字数と同じだけクレジットが減りました。774文字の入力で774クレジット、450文字の入力で450クレジットです。

⚠️ これを「ElevenLabsは1文字＝1クレジット」と一般化しないでください。2026年8月19日に、このモデル・このWeb画面・この原稿で測った結果です。モデル・機能・入力方法が変われば消費は変わる可能性があります。

また、Text to Speech 専用画面には 「774 / 5,000文字」 と表示されていました。これも一般仕様として確認したものではなく、その画面にそう表示されていたという記録です。

公式は「1文字＝1クレジット」と書いている（2026.08.22 再確認）

公式ヘルプには、Webで生成した場合 入力テキスト1文字につき1クレジットを消費すると書かれています。今回の実測（774文字→774クレジット、450文字→450クレジット）は、この記載と一致しました。

ただし同じヘルプに、見落としやすい但し書きがあります。Voice Library で共有されているボイスの一部には倍率（custom rate）が設定されていて、消費クレジットが増えるというものです。今回使った Koichi・Kyo では倍率はかかりませんでしたが、選ぶ声によって無料枠の減り方は変わります。

未検証改行や空白を1文字として数えるのか、半角と全角をどう扱うのかは確かめていません。 倍率のかかるボイスも試していません。原稿の全文を掲載できたら、文字数を機械的に数え直して突き合わせます。

「5,000文字」の表示と、公式の記載が食い違っている

もう1つ、確かめきれていないズレがあります。

• 事実：2026年8月19日、Freeプランで使っていた Text to Speech 画面には 「774 / 5,000文字」 と表示されていました
• 公式確認（2026.08.20）：ヘルプには、Webでの1回の生成は有料プランで5,000文字まで、無料プランでは2,500文字までと書かれています
• 公式確認（2026.08.20）：一方でモデル別の上限は、Eleven v3 が 5,000文字、Multilingual v2 が 10,000文字、Flash v2.5 が 40,000文字と記載されています

未検証画面に出ていた「5,000」がプランの上限なのか、モデル（v3）の上限なのかを、そのとき確認していません。 表示の条件がどちらで決まるのかも分かっていません。

公式の記載が間違っている、とは書きません。分かっているのは、2026年8月19日の筆者の画面ではFreeで5,000と表示されたことと、2026年8月20日に確認した公式ヘルプにはFreeは2,500と書かれていることの2つだけです。両方そのまま残します。

操作の記録

ElevenLabs

• Eleven v3 での生成時、テイク1・テイク2 の複数案が表示された
• 774文字の生成にかかった時間は体感で数秒（ストップウォッチでの計測ではない）

Murf

• 段落をブロックに分けて編集できた
• Pitch・Speed・Pause・Variability・Emphasis を調整する画面があった
• 生成にかかった時間は体感で約1分（計測ではない）
• ⚠️ 公式料金ページ（2026.08.20 確認）によると、Variability と Emphasis は Business プラン（$66/月）の機能。無料プランは「Everything in Business Plan (No Downloads)」と書かれているため、無料トライアル中は上位機能に触れていたと考えられる

Speechify

• 最初に通常のSpeechify（読み上げアプリ側）へ入ったところ、「Premium 7日間無料」「その後 年額19,999円」の表示とカウントダウンが出た
• その後、Speechify Studio に別途 Free プランがあることを確認し、Studio Free へ入れた
• ボイスは多言語型で、画面には 「Japanese +22」「United States」 のような表示があった
• Enhance を押すと、原稿に [curious] [laughing] [uhm] [shouting] といった感情・話し方のタグが自動で挿入された

⚠️ 年額19,999円は運営者の画面に表示された日本円の金額です。公式の英語版料金ページ（2026.08.20 確認）では Premium は $29/月・年払いで割引と表示されており、表示が一致していません。地域や通貨による違いの可能性がありますが、確かめていません。両方をそのまま記録しておきます。

読み間違い・違和感として気づいた点

• ElevenLabs Multilingual v2：数字の読み、198円などの金額の読みに違和感。固有名詞「Notta」をうまく読めなかった
• ElevenLabs v3：原稿中の「でも……うーん」の「……」を意図しない形で発音する挙動があった
• Murf：固有名詞「Notta」の発音が不自然だった
• Speechify Studio：この観点では個別に記録していない

試聴したときの主観評価

ここからは測った数字ではなく、聞いた感想です。運営者ひとりが1回ずつ聞いた印象で、条件が変われば結果も変わります。

追加検証：Speechify Enhance

Enhance を押すと、原稿に感情・話し方のタグが自動で挿入されました。Enhance後の感情表現は、ElevenLabs v3 より少し上かもしれないと感じた箇所もありました。ただし大差ではありません。

⚠️ これは3社の同条件比較ではありません。Enhanceを使ったSpeechifyと、通常状態のElevenLabsを並べて比べることはできません。ElevenLabs側にも同等の調整をしたうえで比べ直す必要があり、今回はやっていません。

今回わかっていないこと

• 各サービスの最高性能モデル・最適設定は追い込んでいない
• Murfで試したのは日本語ボイス1つ（Denki）だけ
• Speechifyで使った日本語ボイスの正確な名称を記録していない
• Speechify の設定・モデル名も記録していない
• 生成速度は体感であり、計測ではない
• 「……」の発音は、原稿調整で改善するか未検証
• すべて無料枠での検証。有料プランでの品質は未確認
• Enhance前後の同条件比較ができていない
• 日本円での実際の請求額は未確認

次にやる検証

1. 改行だけを変えたA/B（改行57個 / 改行を減らしたもの）で、消費クレジットの差を測る
2. 「774 / 5,000文字」の5,000が、プランの上限なのかモデルの上限なのかを確かめる
3. 生成速度をストップウォッチで計測し直す（体感をやめる）
4. ElevenLabs v3 の「……」を、原稿をTTS向けに書き換えて再テストする
5. Murf を他のボイス・追い込んだ設定で試し直す
6. Speechify のEnhance前後を、ElevenLabs側にも同等の調整をしたうえで比べ直す
7. 商用利用が認められる有料プランで生成し直し、音声ファイルを公開できる状態にする