ElevenLabs（イレブンラボ）の使い方を初心者向けに解説｜日本語音声の作り方と設定方法

ElevenLabs（イレブンラボ）は、入力した文章から自然なAI音声を作成できる音声生成サービスです。

日本語にも対応しており、動画のナレーション、教材、商品紹介、オーディオブックなど、さまざまな用途に利用できます。

一方で、初めて利用する場合は「どの声を選べばよいのか」「日本語はどのモデルで生成すればよいのか」「設定をどのように調整すればよいのか」と迷うことがあります。

この記事では、ElevenLabsの無料アカウント登録から、日本語音声の生成、設定の調整、読み間違いへの対処、音声ファイルの保存まで、初心者向けに順番に解説します。

この記事でわかること

まず結論｜ElevenLabsは無料登録後すぐに日本語音声を作成できる

PR｜当サイトはElevenLabsとは独立した紹介プログラム参加者であり、記事内の一部のリンクから報酬を得る場合があります。

ElevenLabsの無料アカウントを登録する方法

ElevenLabsで日本語音声を作成するには、最初にアカウントを登録します。

無料プランが用意されているため、音声の品質や操作方法を確認してから有料プランを検討できます。

1．ElevenLabsの公式サイトを開く

ElevenLabsの公式サイトを開き、「サインアップ（Sign Up）」または無料登録用のボタンを選択します。

まずはページ右下の「日本語に切り替える」をクリックします。

公式サイトが日本語で表示されている場合でも、登録画面や管理画面の一部は英語で表示されることがあります。

次にページ右下、または右上の「サインアップ」をクリックして、登録を開始します。

2．登録方法を選択する

登録画面が表示されたら、画面に表示されている外部アカウントまたはメールアドレスを使って登録します。

メールアドレスで登録する場合は、メールアドレスとパスワードなどの必要事項を入力し、登録ボタンを選択してください。

登録の際、利用目的や職種などを確認する画面が表示された場合は、自分の用途に合う項目を選択して進めてください。（スキップすることができる項目もあります）

登録方法や表示される選択肢は、ElevenLabsの画面更新によって変わる場合があります。実際に表示された案内に従って進めれば問題ありません。

3．メールアドレスを認証する

メールアドレスで登録した場合は、ElevenLabsから確認メールが届きます。

メール内の認証リンクまたは確認ボタンを選択し、メールアドレスの認証を完了させてください。

グーグルアカウントで登録すると、認証メールは届きません。メールアドレスで登録したのに確認メールが届かない場合は、入力したメールアドレスに間違いがないか確認します。迷惑メールフォルダーやプロモーションフォルダーに振り分けられていないかも確認しましょう。

4.　無料のプランを選ぶ

無料プランという選択肢はありませんが、画面下部にある「スキップ」をクリックして進めると無料登録ができます。

4．初期画面を開く

登録と認証が完了すると、ElevenLabsの初期画面または管理画面が表示されます。

画面右上のプロフィールボタンをクリックすると、次の画像のような、無料登録で得たクレジット10,000あることを確認できます。

これでアカウントの準備は完了です。無料プランでもテキスト読み上げを試せるため、次は日本語の文章から実際に音声を作成します。

ElevenLabsで日本語音声を作成する方法

アカウントの登録が完了したら、テキスト読み上げ（Text to Speech）を使って日本語音声を作成します。

基本的な操作は、原稿の入力、声の選択、モデルと設定の調整、音声生成の順番です。

1．テキスト読み上げ（Text to Speech）を開く

ElevenLabsへログインし、サイドメニューから「テキスト読み上げ」を選択します。

テキスト読み上げは、入力した文章をAI音声へ変換する機能です。短いナレーションや動画用の音声を作る場合は、この画面だけで基本的な作業を完了できます。

画面構成やメニューの位置は更新によって変わる場合がありますが、「テキスト読み上げ」と表示された音声生成画面を開けば問題ありません。

2．使用する声を選択する

音声生成画面に表示されている声の名前または音声選択欄を開き、使用したい声を選びます。

声によって、性別、年齢の印象、話し方、声の高さ、アクセントなどが異なります。サンプルを再生し、作成するコンテンツに合う声を探してください。

日本語音声を自然に仕上げたい場合は、ボイスライブラリで日本語の言語タグが付いている声を選んで試しましょう。

英語をもとに作られた声でも日本語を読み上げられますが、元の声が持つアクセントの影響で、イントネーションに外国語らしさが残ることがあります。

3．日本語に対応したモデルを選択する

モデル選択欄を開き、日本語に対応した音声生成モデルを選びます。

日本語のナレーションを作る場合は、主に次の3種類が候補です。

モデル	特徴	向いている用途
Eleven Multilingual v2	自然さと安定性を重視した多言語モデル	動画ナレーション、教材、長めの読み上げ
Eleven v3	感情表現や演技の幅が広いモデル	会話、キャラクター音声、表現力を重視する音声
Eleven Flash v2.5	生成速度と低遅延を重視したモデル	試作、リアルタイム利用、大量処理

初心者が通常の日本語ナレーションを作る場合は、まずEleven Multilingual v2を試すとよいでしょう。長めの原稿でも比較的安定しやすく、動画や解説音声に使いやすいモデルです。

感情の変化や演技を加えたい場合はEleven v3、生成速度を優先する場合はEleven Flash v2.5と使い分けます。

Eleven v3は表現力に優れる一方、生成結果の変化が大きくなる場合があります。一定の調子で長い原稿を読ませたい場合は、Eleven Multilingual v2のほうが扱いやすいことがあります。

モデルによって、同じ声でも発音や抑揚が変わります。同じ短い原稿を複数のモデルで生成し、実際の音声を比較して選びましょう。

4．読み上げたい日本語の文章を入力する

テキスト入力欄へ、読み上げたい日本語の文章を入力または貼り付けます。

ElevenLabsでは、入力した文章から言語が自動的に判定されます。日本語を指定する専用ボタンが表示されない場合でも、日本語の文章を入力すれば日本語音声を生成できます。

言語の誤判定を防ぐため、最初のテストでは日本語だけで構成した文章を使用しましょう。短い英単語や数字だけを入力すると、意図した言語として認識されない場合があります。

英語の商品名やサービス名を含める場合も、前後に十分な日本語の文章があれば、日本語の文脈として判断されやすくなります。

5．声の設定を調整する

音声サンプルを聞いてから目的にある音声を選ぶと、音声設定などの設定画面から、音声の安定性、元の声との近さ、話す速さなどを調整することができます。

最初からすべての設定を変更する必要はありません。まず初期設定のまま生成し、気になる部分がある場合だけ調整しましょう。

選択したモデルや声によって、表示される設定項目が異なる場合があります。

6．音声を生成（Generate Speech）で音声を生成する

声、モデル、原稿、設定を確認したら、「音声を生成」ボタンを選択します。

処理が完了すると、生成された音声を画面上で再生できます。

再生したら、次の項目を確認してください。

• 漢字や固有名詞を正しく読んでいるか
• 文章の区切り方が不自然ではないか
• 話す速さが用途に合っているか
• イントネーションに違和感がないか
• 声の印象がコンテンツに合っているか

気になる部分がある場合は、原稿や設定を変更して再生成します。同じ設定でも生成結果が毎回完全に一致するとは限らないため、複数回試して最も自然な音声を選ぶ方法も有効です。

日本語音声に適した声を選ぶ方法

ElevenLabsの音声品質は、細かな設定だけでなく、最初に選ぶ声から大きな影響を受けます。

声を選ぶときは、単に好みだけで決めるのではなく、作成するコンテンツの用途に合っているかを確認しましょう。

用途	選びたい声の特徴
解説動画	聞き取りやすく、抑揚が強すぎない声
商品紹介・広告	明るく、印象に残りやすい声
教材・研修	落ち着いていて、長時間聞いても疲れにくい声
オーディオブック	感情表現があり、長文でも安定する声
ニュース・企業動画	信頼感があり、発音が明瞭な声
キャラクター・会話	感情や個性を表現しやすい声

ボイスライブラリを利用する場合は、言語、アクセント、性別、年齢の印象、用途などを確認して候補を絞り込みます。

日本語の言語タグが付いている声は、日本語で収録または作成された声を探す際の目安になります。ただし、同じ日本語の声でも、原稿やモデルとの相性によって生成結果は変わります。

候補を1つに決める前に、同じ日本語原稿を2～3種類の声で生成して比較すると、用途に合う声を判断しやすくなります。

ElevenLabsの音声設定とおすすめの調整方法

ElevenLabsでは、話す速さ、声の安定性、元の声との近さなどを調整できます。表示される項目は、選択したモデルや声によって異なります。

設定項目	主な効果	初心者向けの考え方
Speed	話す速度を変更する	最初は1.0を基準にする
Stability	話し方の安定性と表現の幅を調整する	初期値または中間付近から試す
Similarity	元の声の特徴をどの程度維持するか調整する	初期値を基準にする
Style Exaggeration	元の声が持つ話し方の特徴を強調する	通常は0のままでよい
Speaker Boost	元の話者への近さを補強する	必要に応じてオンとオフを比較する

速度（Speed）｜話す速さを調整する

速度は、生成する音声の話す速さを変更する設定です。1.0が基準で、数値を下げると遅くなり、上げると速くなります。

設定できる範囲は0.7～1.2です。解説動画や教材では少し遅めにすると聞き取りやすくなる場合があり、短い広告やテンポを重視する動画では少し速くすると全体を引き締められます。

極端に速くしたり遅くしたりすると、発音や音質が不自然になる可能性があります。最初は1.0のまま生成し、必要があれば少しずつ変更してください。

速度は現在、Eleven v3を含むすべてのモデルと音声で利用できます。

安定性（Stability）｜安定性と感情表現を調整する

安定性を高くすると、話し方が安定しやすくなります。企業動画や教材など、落ち着いた一定の読み方を求める場合に向いています。

低くすると、抑揚や感情の変化が出やすくなる一方、生成するたびに話し方が変わったり、不自然な速度や発音になったりする可能性があります。

• 高め：安定性、落ち着き、一定の読み方を重視
• 中間：自然さと安定性のバランスを重視
• 低め：感情、抑揚、表現力を重視

通常の日本語ナレーションでは、初期値または中間付近から試し、不安定であれば上げ、単調であれば下げると調整しやすくなります。

類似性（Similarity）｜元の声との近さを調整する

類似性は、選択した声の特徴をどの程度維持するかを調整する項目です。

数値を高くすると元の声へ近づきやすくなりますが、もとになった音声にノイズや癖が含まれている場合は、それらも再現される可能性があります。

既存の声を使用する初心者は、初期設定を基準にしてください。声の印象が弱い場合に少し上げ、音声にノイズや不自然さが出る場合は下げて比較します。

スタイルの誇張（Style Exaggeration）｜話し方の特徴を強調する

スタイルの誇張は、元の声が持つ話し方や表現を強調する設定です。

数値を上げると個性が強くなる場合がありますが、音声が不安定になり、読み間違いや余分な音が発生する可能性もあります。

通常のナレーションでは0のまま使用し、表現力が必要な場面だけ少しずつ試す方法が安全です。

スピーカーブースト（Speaker Boost）｜元の話者らしさを補強する

スピーカーブーストは、選択した声の特徴を補強する設定です。オンにすると元の話者へ近づく場合がありますが、変化は声によって異なります。

音質が必ず向上する設定ではないため、短い原稿でオンとオフの両方を生成し、自然に聞こえるほうを選びましょう。

安定性、類似性、スタイルの誇張、スピーカーブーストなどは、選択したモデルによって表示される内容が異なる場合があります。設定項目が表示されなくても、不具合とは限りません。

日本語の読み間違いや不自然な発音を直す方法

ElevenLabsで日本語音声を生成すると、漢字、固有名詞、略語、英語の商品名などを意図と異なる読み方で発音する場合があります。

読み間違いが発生したときは、設定を大きく変更する前に、原稿の表記をAIが読みやすい形へ直して再生成しましょう。

漢字をひらがなやカタカナへ書き換える

最も簡単な対処方法は、読み間違えた漢字をひらがなまたはカタカナへ書き換えることです。

人名、地名、企業名、専門用語など、複数の読み方がある言葉には特に有効です。

読み間違いやすい表記	書き換え例
日本橋	にほんばし／にっぽんばし
一日	いちにち／ついたち
AI SaaS Guide	エーアイ サース ガイド
ElevenLabs	イレブンラボ
生成AI	せいせいエーアイ

記事や字幕では漢字表記を使用したい場合でも、音声生成用の原稿だけ読み方に合わせて書き換えて問題ありません。

英語や略語を読み方に合わせて変更する

英語の商品名やアルファベットの略語は、英語として読まれたり、1文字ずつ読まれたりすることがあります。

意図した発音にならない場合は、実際に読ませたい音へ合わせてカタカナに書き換えてください。

• URL：ユーアールエル
• SNS：エスエヌエス
• ChatGPT：チャットジーピーティー
• YouTube：ユーチューブ
• ElevenLabs：イレブンラボ

カタカナへ変更しても不自然な場合は、単語の途中へ空白を入れる、長音記号を調整するなど、複数の表記を短い原稿で比較します。

数字や記号を日本語へ書き換える

数字、日付、時刻、単位、記号は、文章の内容によって読み方が変わります。

正しく読まれない場合は、読み方を日本語で直接入力すると改善しやすくなります。

元の表記	書き換え例
7月31日	しちがつ さんじゅういちにち
10:30	じゅうじ さんじゅっぷん
3,500円	さんぜんごひゃくえん
20％	にじゅっぱーせんと
Ver.3	バージョン スリー

数字をすべてひらがなにすると原稿が確認しにくくなるため、実際に読み間違えた部分だけを変更する方法がおすすめです。

長い文章を短い段落へ分割する

長い原稿を一度に生成すると、途中でイントネーションが変わる、話す速度が不安定になる、固有名詞を読み間違えるといった問題が起こる場合があります。

修正を繰り返す可能性がある原稿は、意味のまとまりごとに短く分けて生成しましょう。

• 1つの段落を長くしすぎない
• 話題が変わる場所で原稿を分ける
• 読み間違えやすい固有名詞を含む部分だけ先に試す
• 完成した音声を動画編集ソフトなどでつなげる

短く分けておけば、読み間違えた部分だけを再生成できるため、クレジットの消費も抑えやすくなります。

声やモデルを変更して比較する

原稿の表記を変更しても改善しない場合は、使用する声またはモデルを変更します。

発音やアクセントは声との相性にも左右されるため、同じ日本語原稿でも、別の声へ変更するだけで自然になる場合があります。

まず日本語の言語タグが付いた声を試し、それでも不自然な場合は、Eleven Multilingual v2とEleven v3など、複数のモデルで生成結果を比較してください。

ElevenLabsで不自然な間やイントネーションを調整する方法

読み方は正しくても、文章の区切りが不自然になったり、間を空けたい場所で続けて読まれたりする場合があります。

このような場合は、句読点、改行、文章の長さ、モデルごとの入力方法を調整します。

読点と句点を調整する

短い間を入れたい場所には読点を、文章を明確に区切りたい場所には句点を入れます。

読点が少なすぎると早口に聞こえやすく、反対に多すぎると細かく途切れた不自然な音声になることがあります。

文章としての正しさだけでなく、実際に声に出して読んだときの区切りを意識して配置しましょう。

文章を改行して区切る

話題が変わる場所や、少し長めの間を入れたい場所では、文章を改行して段落を分けます。

ただし、改行による間の長さは常に一定ではありません。意図した結果にならない場合は、句読点の位置や文章の分け方も変更してください。

Eleven v3ではポーズ用のタグを試す

Eleven v3では、原稿内にポーズを示すオーディオタグを入力し、間の取り方を指示できます。

• [short pause]：短い間を入れたい場合
• [pause]：通常の間を入れたい場合
• [long pause]：長めの間を入れたい場合

たとえば、「ここから重要なポイントです。[pause]まず、料金プランを確認しましょう。」のように入力します。

タグを入力しても、毎回まったく同じ長さの間になるとは限りません。Eleven v3は文章の文脈や選択した声も考慮して音声を生成するため、実際の音声を確認しながら調整してください。

Eleven v3以外ではbreakタグを利用できる

Eleven Multilingual v2など、Eleven v3以外の対応モデルでは、次のようなbreakタグを原稿へ入力して間を指定できます。

<break time="1.5s" />

たとえば、「最初の設定が完了しました。<break time=”1.5s” />次に、音声を生成します。」のように入力します。

指定できる間は最長3秒です。Eleven v3ではbreakタグに対応していないため、ポーズ用のオーディオタグや句読点を使用してください。

生成した音声をダウンロードする方法

生成した音声を確認し、問題がなければパソコンへダウンロードします。

生成直後の音声を保存する

音声を生成すると、画面下部などに再生プレーヤーとダウンロードボタンが表示されます。

ダウンロードボタンを選択し、保存するファイル形式を指定してください。

過去に生成した音声を履歴から保存する

以前に生成した音声は、テキスト読み上げ画面の「履歴（History）」から確認できます。

保存したい音声を選び、ダウンロードアイコンを選択してください。画面幅が狭い場合は、音声を生成ボタン付近の履歴アイコンから開けることがあります。

用途に合わせてファイル形式を選ぶ

履歴からダウンロードする場合は、主にMP3またはWAV、さらに拡張機能として、FLACやM4Aなどの追加形式が表示される場合があります。

ファイル形式	特徴	向いている用途
MP3	ファイル容量が比較的小さく、幅広い機器やソフトで使用しやすい	動画投稿、確認用音声、一般的なWebコンテンツ
WAV	容量は大きくなりやすいが、編集素材として扱いやすい	動画編集、音声編集、品質を重視する制作
FLAC	音質を保ちながら容量を抑えられる可逆圧縮形式	高音質での保存、音声素材の保管
M4A	比較的小さい容量で音質を保ちやすい	スマートフォンでの利用、音声配信

動画編集ソフトへ読み込んで加工する場合はWAV、完成した音声をそのまま使用する場合やファイル容量を抑えたい場合はMP3が選びやすい形式です。

音声ファイルを分かりやすい名前で管理する

複数の声や設定を試すと、どのファイルが完成版なのか分からなくなることがあります。

ダウンロード後は、案件名、使用した声、原稿の番号、生成日などが分かる名前へ変更しておきましょう。

商品紹介動画_女性音声_本文01_20260731.wav

採用した完成版と比較用の音声をフォルダーで分けておくと、動画編集や修正の際に確認しやすくなります。

ElevenLabsでよくあるトラブルと対処方法

ElevenLabsを使用していると、生成音声が不自然になる、同じ設定でも結果が変わる、クレジットの減りが早いといった問題が起こることがあります。

困ったこと	主な対処方法
日本語の発音が不自然	日本語向けの声を選び、原稿の表記やモデルを変更する
漢字や固有名詞を読み間違える	ひらがなやカタカナへ書き換える
文章の途中で声の調子が変わる	原稿を短い段落に分けて生成する
音声が単調に聞こえる	安定性を少し下げるか、表現力のある声やモデルを試す
生成するたびに結果が変わる	複数回生成し、用途に合う音声を選ぶ
クレジットの消費が早い	短いテスト原稿で声と設定を決めてから本番を生成する

同じ設定でも生成結果が変わる

ElevenLabsでは、同じ声、モデル、原稿、設定を使用しても、生成するたびに抑揚や間の取り方が変わる場合があります。

これは生成AIの仕組みによるもので、必ずしも不具合ではありません。完全に同じ音声を再現することを前提にせず、採用する音声はダウンロードして保存しておきましょう。

長い原稿を制作する場合は、文章を短い区間へ分け、完成した部分から保存していくと修正しやすくなります。

Generateを押すたびにクレジットを消費する

ElevenLabsでは、音声をダウンロードした時点ではなく、音声を生成した時点でクレジットを消費します。

自分で入力した原稿を、クレジットを消費せずに事前確認する機能はありません。原稿や設定を変更して再生成した場合も、基本的にクレジットが消費されます。

過去の生成音声が見つからない

過去に生成した音声は、テキスト読み上げ画面の履歴から確認します。画面幅が狭い場合は、音声を生成ボタン付近の履歴アイコンを選択してください。

履歴内の音声が将来にわたって必ず保存され続けるとは限りません。完成した音声や再利用する予定の音声は、パソコンやクラウドストレージにも保存しておきましょう。

ElevenLabsを効率よく使うための流れ

ElevenLabsで最初から長い原稿を生成すると、声や設定が用途に合わなかった場合に多くのクレジットを消費します。

次の順番で作業すると、修正回数とクレジットの消費を抑えやすくなります。

1. 用途に合いそうな声を2～3種類選ぶ
2. 100～200文字程度の共通原稿を用意する
3. 初期設定のまま同じ原稿を生成する
4. 最も自然な声を1つ選ぶ
5. 必要な設定だけ1項目ずつ調整する
6. 固有名詞や英語の読み方を確認する
7. 本番原稿を短い段落に分ける
8. 完成した音声を順番にダウンロードする

ElevenLabsの使い方に関するよくある質問

ElevenLabsは日本語に対応していますか？

はい。ElevenLabsの多言語対応モデルでは、日本語のテキストから音声を生成できます。

日本語の自然さは、使用する声、モデル、原稿との相性によって変わります。日本語の言語タグが付いた声を中心に、複数の声を比較してください。

日本語を選択するボタンがなくても使用できますか？

日本語の文章を入力すると、文章の内容から使用言語が判定されます。日本語を指定するボタンが表示されていなくても、日本語音声を生成できます。

短い英単語や数字だけでは言語を正しく判定できない可能性があるため、最初のテストでは日本語の文章を入力しましょう。

ElevenLabsは無料で使えますか？

無料プランでも、テキスト読み上げを利用して日本語音声を生成できます。ただし、毎月利用できるクレジットや一部の機能に制限があります。

無料プランと有料プランの違いは、ElevenLabsの料金プランを比較した記事で詳しく解説しています。

無料プランで生成した音声を商用利用できますか？

無料プランで生成した音声には商用ライセンスが含まれないため、広告、収益化動画、販売コンテンツ、業務案件などの商用目的には使用できません。

詳しくは、ElevenLabsの商用利用条件を解説した記事を確認してください。

有料プランを解約した後も生成音声を使用できますか？

有料プランの契約中に生成し、商用利用の条件を満たしている音声は、プランを解約した後も使用できます。

ただし、無料プランへ移行した後に新しく生成した音声へ、過去の有料プランの商用ライセンスが適用されるわけではありません。

生成した音声はどの形式で保存できますか？

テキスト読み上げの履歴から、MP3またはWAV形式でダウンロードできます。もしくはM4AやFLACなどを選択できる場合があります。

一般的な利用や容量を抑えたい場合はMP3、動画編集や音声加工へ使用する場合はWAVが選びやすい形式です。

同じ声と設定なら毎回同じ音声になりますか？

いいえ。同じ声、原稿、モデル、設定でも、抑揚や間の取り方などが変化する場合があります。

採用する音声が完成したら、履歴だけに残さず、パソコンへダウンロードして保存してください。

まとめ｜ElevenLabsは短い日本語原稿から試そう

ElevenLabsは、基本的な使い方を覚えれば、日本語のナレーションや動画音声を比較的簡単に作成できます。

最初から長い原稿を生成せず、短い日本語原稿で声と設定を比較するところから始めてみましょう。

※無料プランは商用利用不可。料金は発生しません。

関連記事

• ElevenLabsとは？できること・料金・商用利用まで解説
• ElevenLabsの料金プランを徹底比較
• ElevenLabsの音声は商用利用できる？利用条件と注意点