30秒から60秒のサンプルを録音し、自然に聞こえる台本を書き、読み間違いを直し、同意に関する法律を守る方法を解説します。主なツールを、実際の制限とあわせて比較します。
毎回スタジオを予約せずに、自分の声で録音を作りたい経営者、マーケティング担当者、講座の制作者の方。
- きれいで使えるクローンができる録音サンプルを1本作れます
- ロボットではなく、電話で話すあなたのように聞こえる台本を書けます
- 声をクローンしたり公開したりする前に、同意とプライバシーのルールがわかります
AI音声クローンとは、短い録音からあなたの声の合成コピーを作り、入力したどんなテキストもその声で読み上げる技術です。多くのツールでは、1人の話者のクリアな音声が10秒から3分必要で、音楽なしの30秒から60秒が最も効果的です。クローンするのは自分の声だけにするか、本人の明確な許可を得た声だけにしてください。
AI音声クローンとは、短い録音から特定の人の声の特徴を学習し、新しいテキストをその声で読み上げる技術です。ビジネスにとっては、スタジオでの収録の代わりになります。録音は1回だけで、その後の録音はすべて入力したテキストから作れます。
多くのツールは短いサンプルから手早くクローンを作ります。時間はかかるものの、本人により近いクローンを提供するツールもあります。たとえばElevenLabsは、インスタントボイスクローンには質の良い音声を1分から2分用意するよう推奨しています。プロフェッショナルクローンには30分から3時間の音声、本人確認のステップ、数時間の学習が必要です。電話の案内や動画のナレーションなら、クリアな音声から作るインスタントクローンで通常は十分です。
用途 | クローンした声が役立つ理由 | 注意点
電話の案内メッセージと営業時間の案内 | 営業時間が変わったら、オーナー本人の声で1分で更新できる | 短くまとめる。電話をかけた人が知りたいのは選択肢で、スピーチではない
短い動画やリールのナレーション | 1行が変わっても録り直しが不要 | 公開する前に、すべての台本を一度聞く
講座や研修の音声 | 長い台本を毎回同じように読み上げられる | 長いテキストは章に分け、すべての名前を確認する
既存のお客様へのボイスメッセージ | リマインダーやお知らせに個人的な温かみが出る | 連絡を受け取ることに同意した人にだけ送る
広告とプロモーション | 声優を手配せずに複数の台本を試せる | ツールのライセンスが商用利用を認めているか確認する
向いていない場面:リアルタイムで誰かが答える必要がある会話(それは音声エージェントで、別の種類の製品です)、本人から直接伝えるべきお悔やみやお詫びのメッセージ、そして本人の許可なく他人の声で作る録音です。
電話の案内、ナレーション、広告には十分なほど近いものの、たいていは完璧ではありません。良いクローンは、声の高さ、アクセント、話す速さを正しく再現します。笑い声、急な感情の変化、とても長い数字の羅列は苦手で、あなたをよく知る人には違いがわかるかもしれません。頼りにする前に、身近な人に本物とクローンの2つの録音を聞かせ、どちらがどちらかを尋ねてみてください。相手が迷うなら、ビジネスで使うには十分です。
静かな部屋で、あなた1人だけが自然に話す30秒から60秒を、音楽もほかの声もない状態で録音してください。多くのツールは10秒から3分までの音声を受け付けますが、クリアな1分は雑音の多い3分に勝ります。
1時間分ではなく、最も良い1分を使う: ポッドキャストのエピソードやウェビナーの録画がある場合も、全部をアップロードしないでください。あなただけがはっきり話していて、後ろに音楽が流れていない30秒から60秒の部分を1つ選びます。Fine Structure Voice Studio(ボイススタジオ)では、長い録音のどの部分を使うかを選べます。
目ではなく耳のために書きましょう。短い文にし、数字は読むとおりに書き、息つぎをする位置に句読点を打ちます。AIの読み上げがうまくいかない原因の多くは、声ではなく台本です。
例:クリニックの電話メッセージ、修正前と修正後: 修正前:レヴィ理学療法、日-木 8-17、金 8-13、予約は1を押すか050-1234567へ。修正後:お電話ありがとうございます。レヴィ先生の理学療法クリニックです。診療時間は日曜日から木曜日の朝八時から夕方五時まで、金曜日は午後一時までです。ご予約は一番を押してください。またはゼロゴーゼロ、イチニーサン、ヨンゴーロクナナまでお電話ください。事実は同じで、300文字未満、受付係が話すように読み上げられます。金曜日の診療時間が変わったら、クリニックは1行を直して、もう一度生成するだけです。
Fine Structure Voice Studioでは、Subtle expression in your voice(声のさりげない表現)のボタンで、カーソルの位置に読み方の指示(温かく、興奮気味に、ゆっくり、ささやき声など)を追加できます。Add natural delivery with AI(AIで自然な話し方を追加)は、テキスト全体の読み方を提案します。内容を確認してApply to script(台本に適用)をクリックし、いつでも元の文章に戻せます。Advanced voice settings(詳細な音声設定)では、読み方の変化の幅や、読み上げがサンプルにどれだけ近いかを変えられます。
自分の声をクローンするのは合法です。他人の声をクローンするには本人の明確な許可が必要で、クローンした声で人を欺くことは多くの地域で違法です。ルールは国や用途によって異なるので、法的助言ではなく、確認すべきことの地図としてお読みください。
信頼できるサービスは、同意を手順に組み込んでいます。Descriptは、声をクローンされる本人が録音した同意文を求めており、声が別の言語で話す場合でも同意文は英語です。ElevenLabsは、プロフェッショナルクローンを学習させる前に本人確認のステップを行います。Fine Structure Voice Studioは、声を作成する前に、その声があなた自身のものであるか、持ち主から明確な許可を得ていることにチェックを入れるよう求めます。
声を使う場所で選びましょう。ElevenLabsは、最も幅広い音声ツールを持つ専門サービスです。Descriptは、テキストを編集して動画やポッドキャストを編集する人に向いています。HeyGenは、アバター動画で使う声に向いています。Murfはチーム向けで、Enterpriseプランで音声クローンを提供しています。Fine Structure Voice Studioは、すでに運用しているアプリ、ページ、エージェントの横に自社の声を置きたい企業に向いています。
プランと価格は、2026年11月時点の各ベンダー自身のページによるものです。よく変わるので、購入前に確認してください。
ツール | 得意なこと | クローンが使えるプラン | 慎重に考えたほうがよい場合
ElevenLabs | 音声の品質、多言語対応、吹き替え、API | インスタントクローンはStarterプラン(月額$6)から。プロフェッショナルクローンはCreator(月額$22)から。無料プランではどちらも使えない | すでに料金を払っているツールの中で、月に数本の短い録音があれば足りる
Descript | 文字起こしを編集して音声と動画を編集する | 英語で録音した同意文の後に、ボイスクローンを作成 | メディアを編集しない。まず編集ツールとして作られている
HeyGen | アバター動画のための声 | 無料プランでもボイスクローン1つが記載されている | 動画ではなく、単体の音声ファイルが必要
Murf | チーム向けのスタジオ品質のナレーション | ボイスクローンはEnterpriseプランのみ | 声が1つあればよい小規模なビジネス
Fine Structure Voice Studio | アプリとエージェントを動かすプラットフォームの中で、あなたの声をMP3ファイルに | テキストの長さに応じてクレジットで支払い。声は5つまで | 他言語への吹き替えや、開発者向けのAPIが必要
Fine Structure Voice StudioはElevenLabsの上に作られています。声を作るためにElevenLabsに送られるのは、あなたが選んだ録音の部分だけです。得られるのは、1つのアカウント、1つのクレジット残高、そしてFine Structureですでに作っているアプリ、ページ、キャンペーンの横に置ける録音です。手放すのはElevenLabsのすべての機能なので、音声の仕事が本業なら、専門サービスを選んでください。
アカウントメニューまたは/voice-studioからVoice Studioを開き、10秒から3分のサンプルから声を作成し、自分の声であることを確認してから、最大10,000文字を入力してMP3をダウンロードします。生成する前に、クレジットでの概算費用が表示されます。
上限 | 値
ライブラリの声 | 5つまで。追加するには1つ削除します
声の作成に使うサンプル | 10秒から3分。ファイルは50 MBまで
1回の録音のテキスト | 10,000文字まで
ページに保存される録音 | 最新のものだけ。コピーを残すにはダウンロードしてください
費用 | テキストの長さに応じたクレジットで、生成前に表示されます。失敗した録音のために確保されたクレジットは解放されます
注意すること: 残したい録音はすべてダウンロードしてください。ページには最新のものしか残りません。Voice verification required(音声の確認が必要です)と表示された場合は、ElevenLabsがその声の追加確認を求めています。サポートに連絡して完了させてください。それまでその声は使えません。声が作成されたかどうか確認できなかったというメッセージが出た場合は、もう一度作成しないでください。重複を避けるため、チケットを作成してください。Voice Studioはダウンロードする録音を作るものです。話すビデオアバターには独自の声の設定があり、これらの声は使いません。
プライバシーについて:ファイルはプラットフォームのサーバーで一時的に処理され、声を作るためにElevenLabsに送られるのは、選んだ部分だけです。Voice Studioで声を削除すると、ElevenLabsでも削除されます。すでにダウンロードした録音は手元に残ります。
シンプルな習慣で、使い勝手が保てます。台本は1つの文書にまとめ、用途ごとに1つずつ置いてください:電話の案内、祝日の営業時間、動画の導入部分。各MP3には日付と用途の名前を付けます。何かが変わったら、台本を直し、もう一度生成して古いファイルと差し替えます。そうすれば、営業時間の2つのバージョンが出回ることはありません。
多くのツールは、約10秒から数分までを受け付けます。Fine Structure Voice Studioは10秒から3分で、音楽や雑音のない話者1人の30秒から60秒が最も効果的です。ElevenLabsは、インスタントクローンには1分から2分、プロフェッショナルクローンには30分以上を推奨しています。長さよりも、音声のクリアさのほうが重要です。
はい。自分の声をクローンしてビジネスで使うことは、一般的に合法です。法的なリスクが生じるのは、他人の声を使う場合と、結果の使い方です。聞き手を欺くこと、同意のない自動電話、実在の人物が言っていないことを言ったかのように見せる広告などです。ツールの商用ライセンスと、公開する国のルールを確認してください。
本人の明確な許可がある場合だけです。できれば書面で取ってください。イスラエルでは、同意なく営利目的で人の声を使うことは、Privacy Protection Law section 2(6)に基づくプライバシーの侵害にあたり、米国ではテネシー州のELVIS Actが声を無断の商用利用から保護しています。Descriptは録音した同意文を求め、Fine Structureは最初に許可の確認を求めます。
はい、ヘブライ語の出力に対応したツールなら可能です。Fine Structure Voice Studioでは聞きたい言語でテキストを書き、ヘブライ語にも対応しています。ヘブライ語を最もよく使うなら、サンプルもヘブライ語で録音してください。単語が間違って読まれる場合は、その単語にニクードを付けるか発音どおりにつづり、句読点で間の位置を決めます。
無料プランから企業向けの契約まで幅があります。ElevenLabsは$6のStarterプランからインスタントクローンを、$22のCreatorプランからプロフェッショナルクローンを提供しています。MurfはEnterpriseプランでのみクローンを提供しています。Fine Structure Voice Studioはテキストの長さに応じてクレジットを使い、生成前に概算を表示し、録音が失敗した場合はクレジットを解放します。
クローンを含む無料プランもあります。HeyGenの無料プランにはボイスクローンが1つ記載されており、主にアバター動画の中で使われます。ElevenLabsの無料プランには、ボイスクローンは含まれていません。無料プランは通常、長さを制限したり、ウォーターマークを入れたり、商用利用を除外したりするので、無料のクローンを広告やクライアントの仕事に使う前に、ライセンスを読んでください。
広告や動画なら、ツールのライセンスが商用利用を認めていれば使えます。自動電話はもっと厳しくなります。米国ではFCCが2024年に、AIで生成した声はTCPA上の人工音声にあたると判断したため、自動音声電話には事前の同意が必要です。イスラエルのスパム法も、事前の明確な同意のない自動発信による広告を禁じています。自社の電話回線の案内メッセージは、また別のケースです。
ツールによって異なるので、プライバシーのページを読んでください。Fine Structure Voice Studioでは、ファイルはプラットフォームのサーバーで一時的に処理され、声を作るためにElevenLabsに送られるのは選んだ部分だけです。Voice Studioで声を削除すると、ElevenLabsでも削除されます。ダウンロードした録音は手元に残ります。
たいていは声ではなく台本が原因です。よくある原因は、名前、ブランド名、略語、数字で書かれた数です。数は読むとおりに書き、難しい名前は発音どおりにつづり、息つぎの位置に読点を入れ、ヘブライ語なら読み間違えた単語にニクードを付けてください。そのうえでもう一度生成し、スマートフォンのスピーカーで聞いてください。
Fine Structureではできません。Voice Studioは、MP3ファイルとしてダウンロードする録音を作ります。話すビデオアバターには独自の声の設定があり、アバター用の本人の声は、アバターの分数パッケージを選んだ後に作成されます。MP3ファイルは、電話システム、動画編集ソフト、メッセージなど、音声を再生できる場所ならどこでも使えます。