【広告】この記事にはアフィリエイトリンクが含まれます。リンク経由で申し込みがあった場合、当サイトに報酬が入ります。報酬の有無で結論を変えていません。仕様はすべて公式ドキュメントで確認し、確認日を明記しています。
先に結論です。
- 音声クローンは2種類あります。Instant Voice Cloning（IVC）とProfessional Voice Cloning（PVC）
- IVCはAIモデルを訓練しません。学習済みの知識から「推測」する仕組みだと公式が明記しています
- だからIVCは、個性的な声やAIが学習していないアクセントの声では限界があります
- PVCはCreatorプラン以上。推奨は最低1時間、できれば3時間に近い訓練音声で、訓練に通常3〜6時間かかります
- PVCは歌に対応していません。録音は話し声のみです
広告｜ElevenLabs公式
IVCはStarter（月6ドル）から、PVCはCreator（月22ドル・初月$11）から使えます。自分の声を本格的に再現したいならCreator以上が必要です。
※ 広告リンクです。料金・条件は変更されるため、申し込み前に必ず公式の表示をご確認ください。
2種類の違い
| 項目 | Instant Voice Cloning | Professional Voice Cloning |
|---|---|---|
| 必要なプラン | Starter（月6ドル）から | Creator（月22ドル）以上 |
| 仕組み | 専用モデルを訓練しない。学習済みの知識から推測する | 専用モデルを訓練する |
| 必要な音声 | 短いサンプル | 推奨は最低1時間、理想は3時間に近い量 |
| 待ち時間 | ほぼ即時 | 通常3〜6時間（キューの状況でさらに延びる） |
| 再現度 | 多くの声でうまく機能する | 元の声とほぼ区別できないと公式が説明 |
| 歌 | — | 現在は非対応。話し声のみ |
「訓練しない」が効いてくる場面
ここが一番実務に効く違いです。公式の説明では、IVCは専用のAIモデルを訓練・作成せず、訓練データから得た事前知識をもとに「根拠のある推測」をする仕組みです。
公式は多くの声ではこれで十分に機能するとしたうえで、限界も明記しています。
- 非常に個性的な声
- AIが訓練中にあまり触れていないアクセントの声
この場合はPVCで明示的に訓練したほうがよいと公式が案内しています。日本語話者の声を再現したい場合、ここは試してから判断する部分です。
IVCの手順
- ダッシュボードの左側で Voices を選び、＋アイコンをクリックする
- モーダルから Instant Voice Clone を選ぶ
- 画面の指示に従って音声をアップロード、または録音する
- 名前とラベルを付け、その声をクローンする権利と同意があることを確認して Save voice を押す
- Voices → My Voices から Use voice で使い始める
※ 権利と同意の確認は手順に組み込まれています。他人の声を無断でクローンする用途には使えません。法的な可否について公式は利用規約とAI安全性の情報を参照するよう案内しています。
PVCの手順
- ダッシュボードの Voices から Create Voice をクリックする
- ポップアップで Professional Voice Clone を選ぶ
- Upload samples で音声をアップロードする。手元に録音がなければ Record yourself でその場で録音できる（ナレーション用・会話用・広告用のサンプル台本が用意されています。自分の台本も使える）
- アップロード後、サンプルの長さについてのフィードバックが表示される
公式の推奨量は「最低1時間、理想は3時間に近い量」です。ここが実質的な参入障壁になります。3時間ぶんの話し声を録るのは、台本を用意しても半日仕事です。
広告｜ElevenLabs公式
PVCはCreator（月22ドル・初月$11）以上で使えます。訓練に3〜6時間かかるので、納品の締め切りから逆算してください。
※ 広告リンクです。料金・条件は変更されるため、申し込み前に必ず公式の表示をご確認ください。
プランとスロットの制約
| プラン | IVC | PVC |
|---|---|---|
| Free | なし | なし |
| Starter | あり（音声スロット10個） | なし |
| Creator | あり | あり |
| Scale | あり | PVC 3個 |
| Business | あり | PVC 10個 |
ダウングレードしてもクローン音声は削除されません。ただし新しいプランのスロット数までしか使えず、PVCはStarterと無料プランでは使用できません（消えはせず、Creator以上に戻すまで使えない状態になります）。この扱いはElevenLabsのプランはどれを選べばいいのか｜StarterとCreatorの差は、クレジット数だけではないにまとめました。
当サイトの運用記録
当サイトは毎朝ショート動画を公開しており、ナレーションは本人の声をクローンしたものを使っています。
採用しているのはv2系のモデルで、安定性の設定は35。声色はv2、抑揚はV3のほうが良いという試聴評価を踏まえて、この組み合わせにしている。
当サイトの制作記録（2026年9月）
これは当サイトの設定値で、推奨値ではありません。声質によって適正は変わります。また当サイトは聴感による品質の比較評価を行っていないため、「どちらが自然か」は書きません。
日本語で使うときのモデル選択と文字数上限はElevenLabsで日本語を使うときに知っておくこと｜モデルで文字数上限が倍違うで扱っています。
決める順番
- まずIVCで試す。Starter（月6ドル）から使えて、ほぼ即時に結果が出る
- IVCの結果に納得できるかを聞く。公式も「多くの声ではうまく機能する」と書いている
- 足りない場合だけPVCへ。Creator以上に上げ、1時間以上の音声を用意する
- PVCは訓練に3〜6時間。締め切りから逆算する
- 歌わせる予定があるならPVCは使えない。話し声のみ対応
まとめ
- IVCは専用モデルを訓練せず、事前知識から推測する
- 個性的な声やAIが学習していないアクセントではIVCに限界がある
- PVCはCreator以上。推奨は1時間以上、理想は3時間に近い音声
- PVCの訓練は通常3〜6時間
- PVCは歌に非対応
- ダウングレードしても消えないが、スロット数とプランの制約で使えなくなる
※ この記事は2026年9月12日に確認したElevenLabs公式ドキュメントおよびヘルプセンターの記載に基づく整理です。仕様と推奨値は変更されます。利用前に公式の最新の記載をご確認ください。他人の声をクローンする場合の法的な可否については、公式の利用規約とAI安全性の情報をご確認ください。
出典（すべて2026年9月12日確認）
- ElevenLabs Docs「Voice Cloning」 IVCとPVCの違い、IVCがモデルを訓練しないこと、PVCの訓練時間3〜6時間
- 同「Instant Voice Cloning」 作成手順と同意の確認
- 同「Professional Voice Cloning」 作成手順、推奨する音声の長さ、歌への非対応
- ElevenLabs Pricing IVCとPVCのプラン要件、PVCの個数