音声合成の料金早見表
| サービス | 最安料金 | 無料プラン | 無料トライアル |
|---|---|---|---|
1 音読さん株式会社さん | 月額1,078円〜税込 | あり | — |
2 Amazon Pollyアマゾン ウェブ サービス ジャパン合同会社 | 標準音声100万文字あたり4米ドル無料枠超過分・税表記なし | — | あり |
3 CoeFont株式会社CoeFont | 月額20米ドル〜税込、組織向けPlusは350米ドル/月 | あり | — |
4 ElevenLabsEleven Labs Inc. | 年払い月額換算5米ドル〜税抜、Starter通常月払い6米ドル | あり | — |
5 Google Cloud Text-to-Speechグーグル・クラウド・ジャパン合同会社 | 標準音声・WaveNetは月400万文字まで無料/超過100万文字4米ドル税区分の表記なし | あり | あり |
音声合成とは
音声合成は、文字で用意した原稿を機械の声で読み上げる技術です。音読さんではブラウザに文章を貼り付けて音声ファイルを保存できます。月額1,078円(税込)のベーシックには20万文字が含まれます。社内研修の説明を差し替えるたびに録音する工程を、原稿の編集と音声生成に置き換えられます。作成したMP3を動画編集ソフトに取り込む形なので、音声生成サービスの導入後も動画の構成や映像の編集は制作担当者が行います。
声の選択肢や共同利用を重視する企業には、CoeFontとElevenLabsがあります。CoeFontは公式サイトで1万種類超の声を案内し、Plusには5ユーザーの管理が含まれます。ElevenLabsのScaleは3席と月180万クレジットを持ちます。どちらも原稿を音声にしますが、契約に含まれる量は文字数とクレジットで異なります。複数の制作者が同じサービスを使う場合は、1人向けの価格に加えて組織プランの席数が導入条件になります。
アプリに読み上げを組み込みたい場合は、Amazon PollyとGoogle Cloud Text-to-Speechが候補です。両方とも標準音声の単価は100万文字4米ドルで、料金ページの税区分は表記なしです。APIへ文章を送って生成する構成のため、自社の開発担当者が呼び出し処理を実装します。動画の原稿を人が操作するツールと比べる際は、サービス料金だけでなくアプリの開発工程も対象に入ります。音声を保存・配信するクラウド資源には別の費用が生じます。
無料枠と商用利用の条件はサービスで変わります。音読さんは無料会員に月5,000文字を提供し、クレジット表記を求めます。CoeFontのFreeは月800文字で非商用向けです。Google Cloud Text-to-Speechの標準音声には月400万文字の無料枠がありますが、課金の有効化が必要です。無料で生成できる量だけで比較すると、公開する動画の利用条件や課金設定の差が見えにくくなります。企業の用途に合う契約で生成した音声を制作物に使用する形になります。
音声合成の選び方の要点
1動画制作の画面か、アプリのAPIかを選ぶ
音読さんは月額1,078円(税込)のベーシックで20万文字を生成し、音声ファイルを保存できます。研修動画を作る担当者がブラウザを使う運用に合います。Amazon Pollyは標準音声100万文字4米ドルのAPI型です。自社アプリへ読み上げ処理を組み込む開発に向きます。CoeFontのPlusは画面とAPIの両方を提供します。日常の制作を担当するのが動画制作者か開発担当者かによって、導入後に使う機能と必要な作業が変わります。
2月間の生成量を、文字数とクレジットで見る
音読さんのベーシックには月20万文字、CoeFontのStandardには月8万文字が含まれます。ElevenLabsのStarterは月3万クレジットで、モデルごとに消費する量が変わります。原稿を何度も修正して再生成する制作では、完成した音声に相当する文字数だけが使用量になるとは限りません。Google Cloud Text-to-Speechはスペースや改行も課金文字数に含みます。サービスごとの計数方法が、同じ原稿を扱う場合でも月の利用量に影響します。
3商用ライセンスと音声の利用期間を比較する
CoeFontはStandard以上で商用利用ができ、公式FAQは有料契約中に取得した音声の解約後の商用利用も認めています。音読さんは月5,000文字の無料枠でも商用利用ができますが、クレジット表記が必要です。表記できない教材などは音声を使う期間中に有料契約が求められます。ElevenLabsはStarterから商用ライセンスが付きます。社内教材を長く使う場合と、販売物に音声を付ける場合では、契約と公開期間の関係が実際の費用を変えます。
4複数人で使う席数と契約通貨を見る
CoeFontのPlusは5ユーザーまでで月額350米ドル(税込)です。ElevenLabsのScaleは3席で通常月額299米ドル(税抜)、Businessは10席です。日本円で支払う音読さんと、米ドル建てで案内される2サービスでは予算管理の単位も変わります。年払いの割引があるElevenLabsは、Starterの月額換算が5米ドル(税抜)になります。月払いの通常価格は6米ドル(税抜)です。契約期間と人数を含む価格が、組織としての継続費になります。
5モデル別の単価と無料枠を合わせて見る
Google Cloud Text-to-Speechは標準音声・WaveNetが月400万文字まで無料で、超過100万文字4米ドルです。Chirp 3: HDは無料枠が月100万文字、超過単価は30米ドルです。Amazon Pollyも標準4米ドルとニューラル16米ドルで単価が異なります。同じサービス内でも声やモデルによって費用が変わるため、使う声を選ぶ工程が見積もりの前提になります。SSMLなどの制御機能もモデルによる対応範囲があり、単価と機能の組み合わせで採用する構成が決まります。
音声合成の比較一覧(全5サービス)
音読さん
株式会社さんAmazon Polly
アマゾン ウェブ サービス ジャパン合同会社CoeFont
株式会社CoeFontElevenLabs
Eleven Labs Inc.Google Cloud Text-to-Speech
グーグル・クラウド・ジャパン合同会社関連の比較記事
音声合成・読み上げツール比較5選|研修動画の制作とAPIの文字数料金で選ぶ
研修動画の声をブラウザで作るなら、月額1,078円(税込)で20万文字を生成する音読さんが候補です。声の種類を重視するCoeFontは月額20米ドル(税込)のStandardを公開し、組織向けPlusには5ユーザーが含まれます。ElevenLabsはクレジット制で、Starterの通常月払いは6米ドル(税抜)です。アプリへの組み込みにはAmazon PollyとGoogle Cloud Text-to-Speechがあり、標準音声の超過単価はいずれも100万文字4米ドルです。
音声合成のよくある質問
社内研修のナレーションを文章から作れますか?
音読さんはブラウザで原稿を読み上げ、MP3などの音声ファイルを保存できます。ベーシックは月額1,078円(税込)で20万文字を含みます。CoeFontやElevenLabsも候補です。生成した音声を動画編集ソフトへ取り込む工程は、制作担当者の作業になります。
月額の安さだけで比較できますか?
月額と従量単価は異なります。音読さんは月20万文字を含む月額1,078円(税込)です。Amazon Pollyは標準音声100万文字4米ドルで課金します。Google Cloud Text-to-Speechにはモデル別の無料枠もあるため、利用文字数と採用する声を決めた料金が比較対象になります。
無料で作った音声を業務に使えますか?
音読さんは無料会員で月5,000文字を生成でき、業務利用にはクレジット表記が必要です。CoeFontのFreeは月800文字で非商用向けです。ElevenLabsの商用ライセンスはStarter以上に含まれます。無料枠があることと、作った音声を商用利用できることは別の条件です。
制作チームで共有するプランはありますか?
CoeFontのPlusは月額350米ドル(税込)で5ユーザーを管理できます。ElevenLabsのScaleは3席で通常月額299米ドル(税抜)です。個人向けプランにも公開料金はありますが、社内で共同利用する場合は組織用の管理機能と席数が対象になります。
日本語の文字数はバイト数で課金されますか?
Google Cloud Text-to-Speechの料金表は、日本語が複数バイトでも1文字として課金すると説明しています。標準音声の超過単価は100万文字4米ドルです。入力のスペースや改行、一部を除くSSMLタグも課金文字数に含まれるため、原稿本文以外の文字列も使用量に関係します。
同じ音声を繰り返し再生すると毎回料金がかかりますか?
Amazon Pollyは生成済み音声のキャッシュを認め、再生時の追加料金がないと説明しています。標準音声の生成は100万文字4米ドルです。保存した音声を外部の保管・配信サービスで再生する場合、そのサービスの利用料は別に生じます。生成と配信を持つアプリで利用できる仕組みです。