· reAPI Team
ElevenLabs の代替サービス：音声合成 API の料金比較
音声合成向け ElevenLabs 代替サービスを紹介。OpenAI、Google Gemini、xAI、Qwen TTS の料金を 100 万文字あたりで比較し、オープンウェイトモデルも解説。
音声合成向け ElevenLabs 代替サービスのうち最も安い選択肢は、文字単価が ElevenLabs の最新モデルの 8 分の 1 から 5 分の 1 です。ElevenLabs の v4 モデルの掲載料金は 1,000 文字あたり $0.08、100 万文字あたり $80 です。[1] 同じ単位では、Alibaba の Qwen3-TTS-Flash が $10、OpenAI の tts-1 と xAI の音声合成がそれぞれ $15 です。[2][3][4] 一方、Google は Gemini TTS を音声の長さで課金し、2026 年中は 1 分あたり約 $0.0135 です。[5]
料金だけでは判断できません。レイテンシ、言語、文字数制限については、今も ElevenLabs が最も詳しい情報を公開しており、声の品質は実際に聞いて確かめる必要があります。この比較は、各社の料金ページを 2026 年 11 月 4 日に確認した内容に基づいています。
ElevenLabs 代替サービスの料金比較
| 提供元とモデル | 課金単位 | 100 万文字あたりの料金 | 備考 |
|---|---|---|---|
| ElevenLabs v4, v3, v2 Multilingual | 文字数 | $80 | v4：90 以上の言語 |
| ElevenLabs v4 Turbo, Flash / Turbo | 文字数 | $40 | Flash：レイテンシ約 75 ms |
OpenAI tts-1-hd | 文字数 | $30 | |
OpenAI tts-1 | 文字数 | $15 | |
| xAI 音声合成 | 文字数 | $15 | |
| Qwen3-TTS-Flash（Alibaba Cloud、International） | 文字数 | $10 | シンガポールで 110,000 文字無料、有効期間 90 日 |
| Google Gemini 3.8 Flash TTS | 音声トークン | 文字単位ではない | 2026 年 12 月 31 日まで音声 10 秒あたり $0.00225 |
OpenAI gpt-4o-mini-tts | トークン | 文字単位ではない | 入力テキスト 1M トークンあたり $0.60、出力音声 1M トークンあたり $12 |
| Qwen3-TTS（オープンウェイト） | セルフホスト | 自前の GPU 費用 | Apache 2.0。声のデザインとクローン作成 |
出典：各社の料金ページ。[1][2][3][4][5][6]
料金を 1 分あたりに換算する
ElevenLabs は v4 の 1,000 文字あたり $0.08 を、およそ 1 分あたり $0.08 に相当するとしており、音声 1 分を約 1,000 文字と想定していることになります。[1] 同じ比率を大まかな目安にすると、文字単位の選択肢は、1 分あたり ElevenLabs Flash が約 $0.04、OpenAI tts-1 と xAI が $0.015、Qwen3-TTS-Flash が $0.01 です。Google は独自の数値を公開しており、音声 10 秒あたり $0.00225、つまり 1 分あたり約 $0.0135 で、2027 年 1 月 1 日からは 10 秒あたり $0.0045 に上がります。[5]
10 時間のオーディオブックなら、ElevenLabs v4 でおよそ $48、OpenAI tts-1 または xAI で $9、Gemini 3.8 Flash TTS で $8.10、Qwen3-TTS-Flash で $6 となります。これは掲載料金と仮定の発話速度から算出した見積もりで、実際の請求額ではありません。実際の発話速度は言語や声によって変わります。
料金表に表れない ElevenLabs の強み
ElevenLabs は、多くの代替サービスよりも運用上の詳細を公開しています。Flash のレイテンシは約 75 ms、v4 Turbo は約 100 ms、Flash のリクエストあたり上限は 40,000 文字、v4 には話し方を制御する音声タグがあり、v4 モデルは 90 を超える言語に対応しています。[1] リアルタイムの音声エージェントを作るなら、100 万文字あたり数ドルの差よりも、こうしたレイテンシの数値が重要です。切り替える前に、代替サービスのレイテンシを測定してください。
サブスクリプションプランには、API ではなく Web アプリを使うクリエイター向けの文字数枠も含まれています。月額 $6 の Starter から $990 の Business まであり、無料枠と従量課金枠も用意されています。[1]
リクエスト制限で長文の分割方法が変わる
リクエストあたりの文字数制限によって、分割処理のコードがどれだけ必要かが決まります。ElevenLabs の掲載上限は v3 が 1 リクエスト 5,000 文字、長文生成で安定していると説明される v2 Multilingual が 10,000 文字、Flash が 40,000 文字です。[1] 40,000 文字なら短い章を 1 回の呼び出しで処理できますが、5,000 文字なら段落の区切りで分割し、音声を再結合する必要があり、つなぎ目が聞き取れることもあります。文字単価が安くても実装の手間が増える可能性があるため、作業量を見積もる前に、代替サービス側の同等の上限を確認してください。
切り替え前に音声 AI をテストする
短いテスト原稿で、ほとんどの問題を確認できます。製品名と略語、数字と日付、長い段落、感情を指定した台詞を含めてください。名前の発音間違い、「2026」や「$4.99」といった数字の読み方、長い文章での声の調子の変化を聞き取り、対話型の機能を作る場合は音声が出始めるまでの時間も確認します。品質の説明は各社独自で相互に比較できないため、候補に挙げたすべての選択肢で同じ原稿を処理してください。
音声アプリの多くは文字起こしも行うので、両方向の料金を計算してください。ElevenLabs の Scribe v2 音声認識の掲載料金は 1 時間あたり $0.22、xAI の音声認識は REST で 1 時間あたり $0.10、ストリーミングで $0.20 です。[1][4]
代替サービスの選び方
- 文字単価の掲載料金が最安： Alibaba Cloud International の Qwen3-TTS-Flash は 100 万文字あたり $10 です。[2]
- OpenAI の API をすでに利用している： 100 万文字あたり $15 の
tts-1、または品質をより重視する場合は $30 のtts-1-hd。[3] - Grok をすでに利用している： 同じキーで利用できる xAI の音声合成は 100 万文字あたり $15 です。[4]
- 長い音声を長さで課金したい： Gemini 3.8 Flash TTS は 2026 年末まで 1 分あたり約 $0.0135 です。[5]
- 文字単位の請求をなくしたい： Alibaba Cloud の Qwen チームによるオープンソースシリーズ Qwen3-TTS は、「自由な声のデザインと生き生きした音声クローン作成」に対応し、自前のハードウェアで動かせます。[6]
音声クローン作成には、多くの地域で同意取得や法的な義務が伴います。実在する人の声を複製する前に、各社の規約を確認してください。
FAQ
最も安い ElevenLabs の代替サービスは？
文字単価の掲載料金では、Alibaba Cloud の International リージョンの Qwen3-TTS-Flash が 100 万文字あたり $10 で、OpenAI tts-1 と xAI が $15 で続きます。[2][3][4] オープンウェイトの Qwen3-TTS をセルフホストすれば、文字単位の料金は一切かかりません。
無料の ElevenLabs 代替サービスはありますか？
Qwen3-TTS は Apache 2.0 のオープンソースです。[6] ホスト型では、Google が Gemini 3.8 Flash TTS の無料枠を掲載しており、Alibaba はシンガポールリージョンで Qwen3-TTS-Flash の 110,000 文字を 90 日間無料で提供しています。[5][2]
音声クローン作成に対応する Eleven Labs の代替はありますか？
あります。Alibaba Cloud の Qwen チームによるオープンソースシリーズ Qwen3-TTS は、音声クローン作成と自由な声のデザインを機能に挙げており、自前のハードウェアで動かせます。[6] 誰かの声を複製する前に、同意を得てください。
ElevenLabs は高い料金に見合いますか？
公開されているレイテンシ、対応言語、声の制御機能が必要かどうかによります。契約する前に、2、3 の選択肢で同じ原稿を生成して比較してください。
reAPI の位置づけ
reAPI は現在、音声合成を提供していません。ボイスチェンジャー や ボーカル除去 など、生成した音声の前後の処理に使える音声ツールは、画像・動画・テキストモデルと同じキーで利用できます。音声そのものを生成するには、上記の ElevenLabs 代替サービスを直接利用します。
参考文献
- ElevenLabs. API pricing. 2026年11月4日取得：elevenlabs.io/pricing/api
- Alibaba Cloud. Model Studio: model pricing (Qwen3-TTS-Flash). 2026年11月4日取得：alibabacloud.com/help/en/model-studio/model-pricing
- OpenAI. API pricing (audio models). 2026年11月4日取得：developers.openai.com/api/docs/pricing
- xAI (SpaceXSI). Models and pricing: voice. 2026年11月4日取得：docs.x.ai/developers/models
- Google. Gemini Developer API pricing: Gemini 3.8 Flash TTS. 2026年11月4日取得：ai.google.dev/gemini-api/docs/pricing
- Qwen. QwenLM/Qwen3-TTS repository. 2026年11月4日取得：github.com/QwenLM/Qwen3-TTS