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。

  • 音声合成の選び方
公開日 更新日

結論

5サービスは、担当者がファイルを作る制作と、アプリが自動で文章を読む開発に分かれます。音読さんは月20万文字の定額枠、CoeFontはPlusで月100万文字と5ユーザー、ElevenLabsはScaleで月180万クレジットと3席を提供します。Amazon PollyとGoogle Cloud Text-to-Speechは文字数を使って費用を見込むAPI型です。生成量の単位と使う人数が、用途ごとの選択に結び付きます。

動画担当者がブラウザで制作する

  • 音読さん

    音読さんはベーシック月額1,078円(税込)で月20万文字です。MP3・WAVを保存して研修動画に使えます。無料会員の5,000文字枠ではクレジット表記が必要です。表記できない音声教材は、音声を使う期間中の有料契約が利用条件になります。

声の選択肢とチーム利用を重視する

  • CoeFont

    CoeFontは公式サイトで1万種類超の声を案内します。個人向けStandardは月額20米ドル(税込)で月8万文字、組織向けPlusは350米ドル(税込)で月100万文字です。Plusには5ユーザー管理とTTS APIが含まれます。

  • ElevenLabs

    ElevenLabsはStarterの通常月払いが6米ドル(税抜)です。年払いの月額換算は5米ドル(税抜)となります。月3万クレジットと商用ライセンスを持ち、共同制作では3席のScaleや10席のBusinessも選べます。

自社アプリへ読み上げを実装する

  • Amazon Polly

    Amazon Pollyは標準音声100万文字4米ドルです。ニューラルは16米ドル、ジェネレーティブは30米ドルとなり、いずれも税表記はありません。生成済み音声はキャッシュして繰り返し再生でき、再生時の追加料金はないと案内されています。

  • Google Cloud Text-to-Speech

    Google Cloud Text-to-Speechは標準音声・WaveNetが月400万文字まで無料です。超過単価は100万文字4米ドルで税表記はありません。Chirp 3: HDは月100万文字まで無料で、その後は100万文字30米ドルです。使うモデルが無料枠と費用を決めます。

導入目的から選ぶ

導入目的・向くタイプ・該当サービス
導入目的向くタイプサービス
研修動画の原稿から音声ファイルを作る月20万文字を含むブラウザ型音読さん
多数の声から解説役を選ぶ1万種類超の音声を持つサービスCoeFont
3人の担当者で共同制作するScaleの3席ワークスペースElevenLabs
AWS上のアプリに音声合成を加える標準100万文字4米ドルのAPIAmazon Polly
月間無料枠を使って読み上げアプリを運用する標準音声月400万文字の無料枠Google Cloud Text-to-Speech

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。

タイプ別に見る

動画担当者がブラウザで制作する

音読さんはベーシック月額1,078円(税込)で月20万文字です。MP3・WAVを保存して研修動画に使えます。無料会員の5,000文字枠ではクレジット表記が必要です。表記できない音声教材は、音声を使う期間中の有料契約が利用条件になります。

月額1,078円〜税込公式料金確認

声の選択肢とチーム利用を重視する

CoeFontは公式サイトで1万種類超の声を案内します。個人向けStandardは月額20米ドル(税込)で月8万文字、組織向けPlusは350米ドル(税込)で月100万文字です。Plusには5ユーザー管理とTTS APIが含まれます。

月額20米ドル〜税込、組織向けPlusは350米ドル/月公式料金確認

ElevenLabsはStarterの通常月払いが6米ドル(税抜)です。年払いの月額換算は5米ドル(税抜)となります。月3万クレジットと商用ライセンスを持ち、共同制作では3席のScaleや10席のBusinessも選べます。

年払い月額換算5米ドル〜税抜、Starter通常月払い6米ドル公式料金確認

自社アプリへ読み上げを実装する

Amazon Pollyは標準音声100万文字4米ドルです。ニューラルは16米ドル、ジェネレーティブは30米ドルとなり、いずれも税表記はありません。生成済み音声はキャッシュして繰り返し再生でき、再生時の追加料金はないと案内されています。

標準音声100万文字あたり4米ドル無料枠超過分・税表記なし公式料金確認

Google Cloud Text-to-Speechは標準音声・WaveNetが月400万文字まで無料です。超過単価は100万文字4米ドルで税表記はありません。Chirp 3: HDは月100万文字まで無料で、その後は100万文字30米ドルです。使うモデルが無料枠と費用を決めます。

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公式料金確認

音声合成の料金比較表

公開最安月額と課金条件(料金の確認日・出典付き)
サービス公開料金と条件初期費用課金の単位
音読さん
月額1,078円〜税込生成できる文字数を含む月額制で、年間契約とビジネスプランも提供。公式料金確認
0円プランごとの生成文字数・画像枚数
Amazon Polly
標準音声100万文字あたり4米ドル無料枠超過分・税表記なし音声エンジン別の文字数従量課金で、キャッシュした生成音声の再生には追加料金なし。公式料金確認
要問い合わせ音声・Speech Marksへ変換した文字数
CoeFont
月額20米ドル〜税込、組織向けPlusは350米ドル/月Standardは個人向け、Plusは5ユーザーの組織向け、Enterpriseは個別見積もり。公式料金確認
要問い合わせ米ドル建て月額・生成文字数と組織ユーザー数
ElevenLabs
年払い月額換算5米ドル〜税抜、Starter通常月払い6米ドルプランごとの共通クレジットと席数による月額制。年払いは10か月分の料金。公式料金確認
要問い合わせ米ドル建て基本料金と共通クレジット
Google Cloud Text-to-Speech
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標準音声などはモデル別の無料枠と文字数従量課金。Gemini-TTSは別のトークン料金。公式料金確認
要問い合わせモデルごとの入力文字数またはトークン数

無料プラン・トライアルの比較

無料枠のあるサービスは、音読さん・CoeFont・ElevenLabs・Google Cloud Text-to-Speechの4件です。音読さんは月5,000文字、CoeFontは月800文字、ElevenLabsは月1万クレジットが公開されています。Google Cloud Text-to-Speechの標準音声は月400万文字まで無料で、課金有効化が必要です。Amazon PollyにはAWSの期間限定無料プランやクレジット制度があります。無料音声の商用条件も異なり、CoeFontとElevenLabsの商用利用は有料プランが対象です。

無料プランと期間付き試用(確認できた案内のみ)
サービス無料プラン無料トライアル
音読さんあり 非会員は月1,000文字、無料会員は月5,000文字。クレジット表記が必要。期間限定トライアルの記載なし。無料会員枠あり。公式の案内
Amazon Polly恒久的な無条件無料プランとしては扱わない。AWSのアカウント条件による無料枠あり。あり 2025年7月15日以降の新規顧客は最大200米ドルのAWSクレジット。無料プラン6か月、クレジットの使用期限12か月。旧制度の文字数枠も料金ページに併記。公式の案内
CoeFontあり Freeは非商用向け。月800文字、1プロジェクト。期間限定トライアルの記載なし。Freeあり。公式の案内
ElevenLabsあり 月1万クレジット、Studio 3プロジェクト。商用ライセンスはStarter以上。有料プランの期間限定無料トライアルの記載なし。公式の案内
Google Cloud Text-to-Speechあり モデルごとの月間無料枠。標準・WaveNetは400万文字、Neural2・Chirp 3: HDは100万文字。課金有効化が必要。あり 新規顧客向けに最大300米ドルのGoogle Cloud無料クレジットを案内。公式の案内

本ページ独自のまとめ

掲載5件のうち、画面で制作できる音読さん・CoeFont・ElevenLabsの3件には、いずれも無料枠があります。ただし上限は月5,000文字、月800文字、月1万クレジットと異なります。文字数だけを使う2件では、音読さんの無料会員枠はCoeFontの6.25倍です。当メディアが掲載した無料枠の数字を割った結果で、声の品質や商用権利の差を表す倍率ではありません。

Amazon PollyとGoogle Cloud Text-to-Speechの標準音声は、無料枠超過後の公開単価がともに100万文字4米ドルです。両社で掲載しているニューラル系の単価も16米ドルで、標準の4倍です。Chirp 3: HDとPollyのジェネレーティブは30米ドルで、標準の7.5倍になります。モデルの仕様は同一ではありませんが、同じサービス内でも採用する声により単価が大きく変わることが数字から分かります。

組織向けの席数を並べると、CoeFontのPlusは5ユーザー、ElevenLabsのScaleは3席、Businessは10席です。CoeFontのPlusは月350米ドル(税込)、ElevenLabsのScaleは通常月299米ドル(税抜)で税区分も異なります。生成量は100万文字と180万クレジットという別の単位です。席数と単位がそろわない2つの料金から、従業員1人あたりの最安や日本円の料金倍率を算出することはできません。

5サービスの詳細

1音読さん

月額1,078円〜税込生成できる文字数を含む月額制で、年間契約とビジネスプランも提供。公式料金確認

音読さんは、株式会社さんが運営するオンラインの音声読み上げサービスです。原稿を画面に貼り付け、声を選ぶと音声を作れます。インストールは不要です。日本語を含む81の言語・地域に対応しており、国内向けの研修動画と海外拠点向けの説明動画に同じ画面を使えます。文章の読み方を辞書に登録できるため、製品名を繰り返し使う教材の制作にも利用できます。

音読さんのベーシックプランは月額1,078円(税込)で、月20万文字と画像300枚の読み上げを含みます。バリューは月45万文字、プレミアムは月100万文字が対象です。音声の生成量でプランが変わるため、従業員数に料金を掛けて予算を決める方式には当たりません。原稿の修正後に再生成する分も含めて、制作する音声の文字数を見込むサービスです。

2Amazon Polly

標準音声100万文字あたり4米ドル無料枠超過分・税表記なし音声エンジン別の文字数従量課金で、キャッシュした生成音声の再生には追加料金なし。公式料金確認

Amazon Pollyは、AWSが提供するテキスト音声合成サービスです。アプリケーションから送った文章を音声に変換し、読み上げ機能の開発に利用できます。標準音声は100万文字あたり4米ドルで、無料利用枠を超えた生成文字数に対して課金されます。原稿を人が画面で編集する制作に加え、記事や通知の文章をシステムから継続的に音声へ変える用途を想定できます。

Amazon Pollyには複数の音声エンジンがあります。100万文字あたりの料金は標準が4米ドル、ニューラルが16米ドル、ジェネレーティブが30米ドル、Long-Formが100米ドルです。いずれも料金ページで税込・税抜の表記はありません。各エンジンの対応音声は異なるため、利用する言語と声に合わせた単価が実際の費用を決めます。

3CoeFont

月額20米ドル〜税込、組織向けPlusは350米ドル/月Standardは個人向け、Plusは5ユーザーの組織向け、Enterpriseは個別見積もり。公式料金確認

CoeFontは、株式会社CoeFontが提供するAI音声の作成・利用サービスです。公式サイトによると1万種類を超える音声があり、用途や登場人物に合わせて声を選べます。日本語と英語など複数の言語に対応しています。動画の解説役を変えたり、複数の役が話す教材を作ったりする場面で、音声の選択肢を重視する企業の候補になります。

CoeFontの公開料金は、Standardが月額20米ドル(税込)、Plusが月額350米ドル(税込)です。Standardは個人向けで月8万文字、Plusは小規模組織向けで月100万文字が料金ページに示されています。Plusは5ユーザーまでの組織管理に対応し、TTS APIも利用できます。Enterpriseは大きな組織向けの個別見積もりです。

4ElevenLabs

年払い月額換算5米ドル〜税抜、Starter通常月払い6米ドルプランごとの共通クレジットと席数による月額制。年払いは10か月分の料金。公式料金確認

ElevenLabsは、Eleven Labs Inc.が提供する音声生成サービスです。文章を入力して声を選び、音声ファイルの生成やアプリへの音声配信に利用できます。制作画面に加えてAPIとSDKが案内されています。月間の生成枠はクレジットで管理され、Starterには月3万クレジットが付いています。研修動画を少量から制作する担当者も、システムから大量に音声化する開発チームも対象です。

ElevenLabsのStarterは通常の月払いが月額6米ドル(税抜)で、年払いの月額換算は5米ドル(税抜)です。商用ライセンスとStudioの20プロジェクトが含まれます。Creatorは通常月額22米ドル(税抜)です。初月の割引表示もありますが、継続する費用は通常料金が基準になります。公式料金表にはFreeからEnterpriseまでの区分が設けられています。

5Google Cloud Text-to-Speech

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標準音声などはモデル別の無料枠と文字数従量課金。Gemini-TTSは別のトークン料金。公式料金確認

Google Cloud Text-to-Speechは、文章を音声に変えるAPIサービスです。公式サイトでは75以上の言語と言語変種、380種類以上の音声を案内しています。アプリの音声インターフェースやコンテンツの読み上げに利用できます。モデルごとの音声品質と料金が示されており、担当者が音声を編集する用途に加え、開発チームが自社サービスへ読み上げを組み込む場面に合います。

Google Cloud Text-to-Speechの標準音声とWaveNetには、月400万文字までの無料使用量が公開されています。無料枠を超える料金は100万文字あたり4米ドルです。Neural2は100万文字16米ドル、Chirp 3: HDは30米ドルで、両モデルの無料枠はそれぞれ月100万文字です。単価の税区分は料金表に記載されていません。利用する音声モデルが費用と無料枠を決めます。

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。

まとめ

音声合成の導入では、作りたい音声と日常の作業が結び付くサービスを選べます。研修動画の内製は月20万文字の音読さん、声の選択や組織管理はCoeFont、クレジット制の共同制作はElevenLabsが候補になります。Amazon PollyとGoogle Cloud Text-to-Speechは、標準音声100万文字4米ドルの公開単価を持つAPI型です。動画制作の担当者と開発担当者のどちらが使うかで、利用する機能と契約の条件が変わります。

音声合成の一覧を見る