【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。
- モデル名はScribeで、90言語以上に対応しています
- 公式が「98%の精度」と書いているのは6言語です。英語・フランス語・イタリア語・ポルトガル語・スペイン語・ドイツ語。日本語はこの列挙に入っていません
- キーターム指定（最大100語）を使うと、コストが20%増えます
- 同時実行数の上限がプランで違います。無料は8、Starterは12、Creatorは20
- 最大32話者まで話者分離に対応しています
広告｜ElevenLabs公式
文字起こしも音声合成と同じ月次クレジットから引かれます。Starterは月30,000クレジット、Creatorは121,000クレジットです。同時実行数の上限もプランで変わります。
※ 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。
「98%の精度」は6言語の話です
公式ヘルプのScribeの特徴に、次の記述があります。
Industry-leading accuracy, with 98% accuracy in major languages such as English, French, Italian, Portuguese, Spanish, and German.
（英語・フランス語・イタリア語・ポルトガル語・スペイン語・ドイツ語といった主要言語で98%の精度）
ElevenLabs公式ヘルプ「What is Speech to Text?」（2026年9月12日確認）
列挙されているのはこの6言語です。日本語は含まれていません。
当サイトは「日本語の精度が低い」とは書きません。公式が日本語の数値を出していないからです。言えるのは、98%という数字を日本語に当てはめる根拠が公式にはない、ということだけです。
対応言語そのものは90以上とされており、日本語も対応言語の一覧に含まれます。「対応しているか」と「精度の数値が公表されているか」は別の話です。
Scribeの機能
| 機能 | 内容 |
|---|---|
| 単語レベルのタイムスタンプ | 各単語がいつ話されたかが分かる |
| 話者分離 | 話者を自動で識別して分ける。最大32話者まで高精度を維持 |
| 音声タグ付け | 発話以外の音を検出する |
| 対応言語 | 90言語以上 |
32話者という上限は、会議や座談会の書き起こしでは実用上十分です。単語レベルのタイムスタンプがあるので、字幕用途にも使えます。
Scribe v2のキーターム指定はコスト20%増
ここが見落としやすい課金条件です。Scribe v2では最大100語のキーワードやフレーズを渡して、固有名詞などを正しく起こすよう誘導できます。
ただし公式は「キーターム・プロンプティングの使用はコストを20%増やす」と明記しています。
出典：ElevenLabs公式ヘルプ「What is Speech to Text?」（2026年9月12日確認）
固有名詞が多い素材では精度と費用のトレードオフになります。1本だけ試して、キーターム指定ありとなしで結果を比べてから決めるのが安全です。
同時実行数の上限
まとめて処理したい人には、クレジットより先にここが効きます。
| プラン | Speech to Text | リアルタイム |
|---|---|---|
| Free | 8 | 6 |
| Starter | 12 | 9 |
| Creator | 20 | 15 |
| Pro | 40 | 30 |
| Scale | 60 | 45 |
| Business | 60 | 45 |
| Enterprise | 引き上げ対応 | 引き上げ対応 |
ScaleとBusinessは同じ数字です。並列数だけを理由にBusinessへ上げる意味はありません。それ以上必要な場合はEnterpriseへの相談になると案内されています。
広告 同時実行数もプランで変わります。無料8、Starter 12、Creator 20。 ElevenLabs公式でプランを見る →
クレジットは共通のプールから引かれます
文字起こしも、音声合成・効果音・音楽・吹き替えと同じ月次クレジットを使います。専用の枠はありません。
| 機能 | 消費の決まり方 |
|---|---|
| 音声合成 | 1文字1クレジット（V2 Multilingual） |
| 効果音 | 長さを指定した場合1秒40クレジット |
| 吹き替え | 条件により1分10,000クレジット |
| 音楽 | トラックの長さと生成するバリエーション数で決まる |
| 文字起こし | 公式の料金ページを参照するよう案内されており、当サイトは単価を確認できていません |
文字起こしの1分あたりの単価は、公式の説明の中で数字を見つけられませんでした。料金ページを参照するよう案内されています。確認できたら追記します。
機能別の単価はElevenLabsのクレジットは何にいくら減るのか｜吹き替えは1分1万、音声合成は1文字1、効果音はElevenLabsの効果音は1秒40クレジット｜長さを指定しないと消費が読めないにまとめています。
使う前に決めておくこと
- 日本語素材なら、まず1本試す。98%という数字は日本語について公表されたものではない
- 固有名詞が多いならキーターム指定を検討する。ただしコストは20%増
- まとめて処理するなら同時実行数を見る。無料8、Starter 12、Creator 20
- クレジットは共通プール。音声合成の残量が減ることを前提に計算する
- 話者が多い素材でも32人まで対応
広告｜ElevenLabs公式
文字起こしも同時実行数がプランで変わります。無料は8、Starter（月6ドル）は12、Creatorは20です。まとめて処理する予定があるならプランの上限を確認してください。
※ 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。
まとめ
- モデルはScribe、90言語以上に対応
- 「98%」は英・仏・伊・葡・西・独の6言語について書かれた数字。日本語は列挙にない
- キーターム指定（最大100語）はコスト20%増
- 同時実行数は無料8／Starter 12／Creator 20。ScaleとBusinessは同じ60
- 最大32話者まで話者分離
- クレジットは全機能共通のプール。文字起こしの単価は当サイトでは未確認
※ 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。精度・上限・コストの条件は変更されます。利用前に公式の最新の記載をご確認ください。当サイトは日本語音声での精度検証を行っていないため、実際の精度については書いていません。
出典（すべて2026年9月12日確認）
- What is Speech to Text? Scribeの特徴、98%の対象言語、32話者、キーターム指定のコスト20%増
- How many Speech to Text requests can I make and can I increase it? プラン別の同時実行数
- Which languages does Speech to Text support? 90言語以上
- ElevenLabs Docs「Transcription」 Scribe v2の概要
2026年9月12日 追記：文字起こしの単価は330クレジット/分でした
本記事では「文字起こしの単価は当サイトでは未確認」と書きましたが、公式料金ページのFAQに記載がありました。
Speech to Text（文字起こし）は1分あたり330クレジットです。Starter（月30,000クレジット）なら約90分、Creator（121,000）なら約366分に相当します。
公式は「おおよその値」としており、実際の消費は利用経路（ウェブかAPIか）で変わります。またキーターム指定を使うとコストが20%増えるため、330×1.2＝約396クレジット/分として見積もることになります。
全機能の単価一覧と検算はElevenLabsの全機能のクレジット単価｜公式FAQの一覧と、吹き替えが4段階に分かれる話にまとめました。