音声生成AIおすすめ12選を比較 料金・無料の範囲・商用利用・声の複製の条件【2026年11月】
更新日：著者：AITECH編集局
監修：株式会社AITECH CEO
監修：株式会社AITECH
動画のナレーションや読み上げに、どの音声生成AIを使えばよいのでしょうか。音声生成AIの多くは無料で試せます。ただし、無料プランの音声を商用に使えるかどうかは、ツールごとに違います。
選ぶときに先に見るのは、料金よりも「無料のまま商用利用できるか」と「声の複製の条件」です。2026年11月には、ElevenLabsがEleven v4を、GoogleがGemini 3.8 Flash TTSを提供しています。OpenAIは、旧来の音声合成のモデル3つを2027年1月6日に終了すると告知しています。
この記事を読むと、日本語に対応する音声生成AI12選の料金・無料の範囲・商用利用の条件を比べて、自分の用途に合うツールを1つ選べます。この記事は、AI事業の立ち上げを学ぶスクール「COACH AI」を運営する株式会社AITECHが書いています。
この記事の結論
- 音声生成AIの種類：Webサービス・開発者向けのAPI・パソコンの音声合成ソフトの3つに分かれる
- 無料プランの商用利用：ElevenLabs・Fish Audio・CoeFontの無料プランは非商用のみ。無料のまま商用に使えるのは音読さん（自分の動画・クレジット表記）やVOICEVOXなど
- 選び方：月に数本のナレーションはWebサービスの月額プラン、大量の読み上げは文字数で払うAPI
- 費用：5分のナレーション1本は、この記事で比べた4つのAPIの2026年中の単価で0.1ドル未満
- 声の複製：他人の声は本人の明確な同意が必要。Gemini APIは有料枠で、同意の文の録音を求める
音声生成AIなどのAIを使った受託の始め方を、専属コーチとマンツーマンで学べます
無料カウンセリングを予約する
音声生成AIとは
音声生成AIとは、入力した文章を、人が話しているような音声に変えるAIです。音声合成AI・AI音声生成・テキスト読み上げAIとも呼ばれます。
音声生成AIは、使い方の形で3つの種類に分かれます。Webの画面に原稿を貼るWebサービス、自社のシステムから呼び出す開発者向けのAPI、パソコンに入れて使う音声合成ソフトです。APIとは、自社のアプリやシステムから、外部のサービスの機能を使うための仕組みです。
| 種類 | 向いている用途 | 料金の形 |
|---|---|---|
| Webサービス | 動画のナレーション、自分の声の複製 | 月額プラン（文字数・分数の上限つき） |
| 開発者向けのAPI | 大量の読み上げ、自社のアプリへの組み込み | 使った文字数・音声の長さに応じた従量課金 |
| 音声合成ソフト | キャラクターの声、ネットにつながない環境での作業 | 無料、または買い切り |
Gemini 3.8 Flash TTSなどの新しいモデルでは、話す速さや口調だけでなく、「ささやくように」「明るく」といった話し方を文章で指示できます。
音声生成AIの比較表
12選の違いが大きいのは、無料プランの商用利用と声の複製の条件です。ElevenLabs・Fish Audio・CoeFontの無料プランは商用に使えません。無料のまま商用に使えるのは、音読さん（自分の動画に限り、クレジット表記が必要）とVOICEVOX・AivisSpeechなどのソフトです。
対象は、日本語の音声を作れる音声生成AIのうち、2026年11月12日に公式ページで料金と利用条件を確認できたものです。
| 名前（種類） | 無料で使える量 | 主な有料の料金 |
|---|---|---|
| CoeFont（Web） | 月800文字 | 月3,300円（税込・最初の6か月） |
| ElevenLabs（Web） | 月約10分 | 月6ドル（税別） |
| Fish Audio（Web） | 月約7分 | 月2,480円（税の記載なし） |
| 音読さん（Web） | 月5,000文字（無料登録） | 月1,078円（税込） |
| Amazon Polly（API） | 新規の利用者は最大200ドルのクレジット（それ以前の利用者は最初の12か月、ニューラル音声で月100万文字） | ニューラル音声 100万文字あたり16ドル |
| Azure AI Speech（API） | 月50万文字 | ニューラル音声 100万文字あたり15ドル |
| Gemini API（API） | 無料枠あり | Gemini 3.8 Flash TTS 音声10秒あたり約0.00225ドル |
| Google Cloud Text-to-Speech（API） | 月100万文字（Chirp 3: HD） | Chirp 3: HD 100万文字あたり30ドル |
| OpenAI（API） | なし | 従量課金（旧モデル3つは2027年1月6日に終了） |
| AivisSpeech（ソフト） | 無料 | 有料版なし |
| VOICEPEAK（ソフト） | なし | 23,800円（税込・買い切り） |
| VOICEVOX（ソフト） | 無料 | 有料版なし |
表は種類ごとに、英字の名前をアルファベット順に並べ、日本語の名前をその後に置いています。評価の順位ではありません。Amazon PollyとGoogle Cloudには、1文字あたりがより安い標準の声もあります。商用利用と声の複製の条件は、次の表のとおりです。
| 名前 | 無料プランの商用利用 | 自分の声の複製 |
|---|---|---|
| CoeFont | 不可（非商用・クレジット表記が必要） | あり（Webで録音） |
| ElevenLabs | 不可（商用はStarterから） | Starterから |
| Fish Audio | 不可（個人の非商用のみ） | あり（商用は有料プランで認証した自分の声） |
| 音読さん | 自分の動画は可（クレジット表記が必要）。受託はビジネスプランが必要 | 公式サイトに記載なし |
| Amazon Polly | 利用規約に従う | なし（会社専用の声を作る個別の契約はある） |
| Azure AI Speech | 利用規約に従う | あり（有料・申請して承認された用途のみ） |
| Gemini API | 利用規約に従う | あり（有料枠のみ・本人の同意の録音が必要） |
| Google Cloud Text-to-Speech | 利用規約に従う | あり（有料・利用の申請が必要） |
| OpenAI | 無料枠なし | あり（本人の同意の録音が必要・利用条件あり） |
| AivisSpeech | 可（声のモデルごとのライセンスによる） | なし |
| VOICEPEAK | 有料の製品のみ（商用可） | なし |
| VOICEVOX | 可（キャラクターごとの規約とクレジット表記） | なし |
「利用規約に従う」は、無料枠と有料で商用の条件が分かれていないものです。APIで作った音声の扱いは、各社の利用規約で確認してください。Gemini APIの無料枠では、入力した内容がGoogleの製品の改善に使われます。
音声生成AIの選び方
音声生成AIは、作る音声の量と、商用に使うかどうかで選びます。次の4つを順に確かめると、12選の中から使うツールを絞れます。
音声生成AIを選ぶときの確認事項
- 用途：動画のナレーションか、大量の読み上げか、キャラクターの声か
- 商用利用：無料プランの音声を動画・広告・納品物に使ってよいか
- 声：既存の声から選ぶか、自分の声を複製するか
- 量：月に作る音声の長さが、プランの上限に収まるか
動画のナレーションを月に数本作るなら、ElevenLabs・Fish Audio・音読さんなどのWebサービスの月額プランが向いています。月に数十万文字を読み上げる仕事や、自社のアプリに組み込む場合は、文字数で払うAPIが向いています。キャラクターの声で発信するなら、VOICEVOXなどの無料のソフトから試せます。
Webで使う音声生成AI4選
Webで使う音声生成AIは、画面に原稿を貼って音声ファイルを作るサービスで、動画のナレーションに向いています。4つとも無料で試せますが、無料のまま商用に使えるのは音読さん（自分の動画に限る）だけです。
CoeFont
| 料金（税込） | Free 0円／Standard 月3,300円（最初の6か月。その後は月4,400円）／Plus 月55,000円 |
|---|---|
| 使える文字数 | Free 月800文字／Standard 月80,000文字／Plus 月100万文字 |
| 商用利用 | Freeは非商用（クレジット表記が必要）。有料プランの条件は料金ページに記載なし |
CoeFontは、多くの声から選んで読み上げる音声生成AIで、AIの通訳のサービスも提供しています。有料プランで商用に使う場合は、契約の前に利用規約で条件を確かめます。
ElevenLabs
| 運営 | ElevenLabs（米国） |
|---|---|
| 料金（税別） | Free 0ドル／Starter 月6ドル／Creator 月22ドル／Pro 月99ドル |
| 使える量の目安 | Free 月約10分／Starter 月約30分／Creator 月約121分 |
| 商用利用 | Starterから（商用ライセンス） |
| 声の複製 | 短い録音からの複製はStarterから、高品質な複製はCreatorから |
ElevenLabsは、最高品質のモデルとしてEleven v4を提供しています。Eleven v4は日本語を含む90以上の言語に対応し、感情の表現と声の複製の精度が高いモデルです（ElevenLabsのモデル一覧）。料金は税別で、年払いにすると約2か月分安くなります。
ElevenLabsは、無料プランでは商用に使えません。動画や広告に使う音声は、月6ドルのStarter以上で作ります。
Fish Audio
| 料金 | Free 0円／Plus 月2,480円／Pro 月16,800円（月払い・税の記載なし） |
|---|---|
| 使える量の目安 | Free 月約7分（1回500文字まで）／Plus 月約200分 |
| 商用利用 | 有料プランで、認証を受けた自分の声に限り可（無料は個人の非商用のみ） |
| 日本語 | 対応（S2.1-Proは83言語） |
Fish Audioは、声を複製する機能と、文章で声を作る機能（Voice Design）を持つ音声生成AIです。2026年11月12日時点の料金ページでは、初月50%引きなどのキャンペーンが表示されています。
Fish Audioの無料プランは、個人の非商用に限られます。有料プランでも、商用に使えるのは認証を受けた自分の声です。
音読さん
| 料金（税込） | 無料／ベーシック 月1,078円／バリュー 月2,178円／プレミアム 月3,278円 |
|---|---|
| 使える文字数 | 無料登録 月5,000文字／ベーシック 月20万文字／バリュー 月45万文字／プレミアム 月100万文字 |
| 商用利用 | 自分の動画は可（無料プランはクレジット表記が必要）。受託・請負での利用はビジネスプランが必要 |
音読さんは、登録なしでも試せる読み上げサービスです。音声はMP3で保存でき、画像に写った文字の読み上げにも対応します。
音読さんの無料プランで商用に使えるのは、自分の動画です。他の人の動画を作る受託では、ビジネスプランが必要です。
AIのツールを使った仕事の受け方を、専属コーチとマンツーマンで学べます
無料カウンセリングを予約する
開発者向けの音声生成AI5選
開発者向けの音声生成AI（API）は、使った文字数や音声の長さだけ払うため、月額プランの上限を超える量の読み上げに向いています。仕事で使うには、APIキーの発行と、プログラムかノーコードのツールからの呼び出しが必要です。
Amazon Polly
| 運営 | Amazon Web Services（AWS） |
|---|---|
| 料金 | 標準音声 100万文字あたり4ドル／ニューラル音声 16ドル |
| 無料枠 | 最初の12か月、ニューラル音声は月100万文字まで（2025年7月15日以降のAWSの新規の利用者は、最大200ドルの無料のクレジットの形） |
| 日本語の声 | 標準音声2つ、ニューラル音声3つ |
Amazon Pollyは、AWSで使う音声合成のサービスです。より自然な「ジェネレーティブ音声」もありますが、2026年11月12日時点で日本語の声はありません（Amazon Pollyの声の一覧）。
Azure AI Speech
| 運営 | Microsoft |
|---|---|
| 料金 | ニューラル音声 100万文字あたり15ドル |
| 無料枠 | Free（F0）でニューラル音声 月50万文字まで |
Azure AI Speechは、Microsoftのクラウド「Azure」で使う音声のサービスです。読み上げのほか、文字起こしと翻訳も同じサービスに含まれます。
Gemini API（Gemini 3.8 Flash TTS）
| 運営 | |
|---|---|
| 料金（有料枠） | 出力の音声100万トークンあたり9ドル（10秒あたり約0.00225ドル）。2027年1月1日から18ドル。入力の文字は100万トークンあたり0.5ドル（2027年から1ドル） |
| 無料枠 | あり（入力した内容は製品の改善に使われる） |
| 主な機能 | 130以上の言語、2人の会話、文章で声を作る、本人の同意を得た声の複製（有料枠） |
Gemini 3.8 Flash TTSは、GoogleがGemini APIで提供する音声生成のモデルです。応答が速く単価が安いGemini 3.8 Flash-Lite TTS（10秒あたり約0.0015ドル）もあります。Google AI Studioの画面でも試せます（Gemini APIの音声生成のページ）。
Gemini APIの無料枠は、入力した原稿がGoogleの製品の改善に使われます。顧客の原稿を扱う仕事では、有料枠で使います。
Google Cloud Text-to-Speech
| 料金 | Chirp 3: HD 100万文字あたり30ドル／声の複製（Instant custom voice）100万文字あたり60ドル |
|---|---|
| 無料枠 | Chirp 3: HD は月100万文字まで |
Google Cloud Text-to-Speechは、Google Cloudで使う音声合成のサービスです。Geminiの音声生成のモデルも、Google Cloudから使えます（Google Cloudではプレビュー版）。
OpenAI
OpenAIのAPIの音声合成モデル3つ（tts-1・tts-1-hd・gpt-4o-mini-tts）は非推奨です。2027年1月6日に提供を終了します。後継はRealtime APIのgpt-realtime-2.1-miniで、呼び出し方が変わります。OpenAIの利用ポリシーは、聞き手に「AIの声であり、人の声ではない」ことを明確に伝えるよう求めています。
これからAPIで読み上げを組み込むなら、終了が告知されたOpenAIの旧モデルは避け、提供が続くモデルを選びます。
パソコンで使う音声合成ソフト3選
パソコンで使う音声合成ソフトは、月額の料金がかからず、作る本数に応じた料金もかかりません。3つのソフトには、録音から自分の声を複製する機能はありません。
AivisSpeech
| 料金 | 無料（オープンソース） |
|---|---|
| 商用利用 | ソフトは個人・法人・商用を問わず基本的にクレジット不要。声のモデルごとにライセンスが違う |
| 対応OS | Windows・Mac |
AivisSpeechは、感情を込めた読み上げを特徴とする無料の音声合成ソフトです。声のモデルには商用不可のライセンスのものもあるため、使うモデルごとに条件を確かめます。
VOICEPEAK
| 運営 | 株式会社AHS |
|---|---|
| 料金（税込） | 商用可能 6ナレーターセット ダウンロード版 23,800円（買い切り） |
| 商用利用 | 可（基本的に連絡なしで業務に使える。使用許諾の条件を守る） |
| 対応OS | Windows・Mac・Ubuntu（1ライセンス1台） |
VOICEPEAKは、文章を入力して読み上げる買い切りのソフトです。ナレーター6人と「女の子」の声が入った製品は、商用・業務に使えます。
月額の料金を払わずに商用のナレーションを作るなら、VOICEPEAKのような買い切りの製品が候補になります。無料のソフトでは、VOICEVOXはクレジットの表記、AivisSpeechは声のモデルごとのライセンスを確かめます。
VOICEVOX
| 料金 | 無料 |
|---|---|
| 商用利用 | 可（キャラクターごとの利用規約に従う） |
| 条件 | VOICEVOXを使ったことが分かるクレジットの表記が必要 |
| 対応OS | Windows・Mac・Linux |
VOICEVOXは、無料で使える読み上げと歌声の合成ソフトです。ずんだもん・四国めたんなどのキャラクターの声を選び、イントネーションを細かく直せます。作った音声を商用や動画に使えるかどうかは、キャラクターごとの利用規約で決まります（VOICEVOXの利用規約）。
ナレーション5分の費用の比較
5分のナレーション1本を作る費用は、この記事で比べた4つのAPIの2026年中の単価なら、1本あたり0.1ドル未満です。月額プランでは、プランに含まれる量で月に作れる本数が決まります。
次の表は、5分（約1,500字）の音声1本の費用を、各社の公式の単価から計算したものです。日本語のナレーションを1分あたり約300字で読む想定です。無料枠を使い切った後の有料の単価で計算しています。Gemini 3.8 Flash TTSは、入力の文字の料金（ごく少額）を含めていません。
| APIの名前 | 単価 | 5分（約1,500字）1本 |
|---|---|---|
| Azure AI Speech | 100万文字あたり15ドル | 約0.023ドル |
| Amazon Polly（ニューラル） | 100万文字あたり16ドル | 約0.024ドル |
| Google Cloud（Chirp 3: HD） | 100万文字あたり30ドル | 約0.045ドル |
| Gemini 3.8 Flash TTS | 音声10秒あたり約0.00225ドル | 約0.068ドル（2027年からは約0.135ドル） |
月額プランでは、プランに含まれる量で本数が決まります。5分のナレーションで数えると、ElevenLabsのStarter（月6ドル・月約30分）は約6本です。Fish AudioのPlus（月2,480円・月約200分）は約40本、音読さんのベーシック（月1,078円・月20万文字）は約130本です。
月に数本のナレーションなら、APIキーの発行や呼び出しの設定が要らない月額プランが向いています。毎日何本も作る仕組みにするなら、APIの単価で費用を見積もります。
声の複製と商用利用のルール
他人の声を複製するときは、本人の明確な同意が必要です。ElevenLabsの利用ポリシーは、生きている人の声を、本人の明確な同意なく複製・合成・なりすますことを禁じています。
GoogleのGemini APIで声を複製するには、本人の声の録音に加えて、同意の文を本人が読み上げた録音が必要です（Gemini APIの声の複製のページ）。各社の規約は、有名人や知人の声を本人の同意なく複製することを認めていません。
| 確認すること | 内容 |
|---|---|
| 声の複製 | 複製する声の本人から、明確な同意を得る |
| 無料プランの商用利用 | ElevenLabs・Fish Audio・CoeFontの無料プランは非商用のみ |
| クレジットの表記 | VOICEVOXと、音読さん・CoeFontの無料プランは、クレジットの表記が必要 |
| AIの表示 | YouTubeでは、本物と見分けにくい合成の音声は「AIの使用」の開示が必要 |
YouTubeは、実在の人物が言っていないことを言っているように見せる音声など、本物と見分けにくいコンテンツに開示を求めています。自分の声を複製したナレーションは、開示が不要な例に挙げられています（YouTubeヘルプ）。TikTok・Instagramの表示のルールは、ショート動画をAIで作成する方法の記事にあります。
音声生成AIを仕事に使う方法
音声生成AIは、動画制作の受託でナレーションの工程を担う道具として、仕事に使えます。ナレーターを手配する代わりに原稿から音声を作り、原稿を直したときはその部分の音声を作り直せます。
- 原稿を書く依頼主の資料から、読み上げ用の原稿をAIで下書きし、人が事実を確かめる
- 声を選ぶ依頼主の用途に合う声を選び、受託に使えるプランで作る
- 読みを直す固有名詞や数字の読み間違いを聞いて確かめ、原稿や辞書で直す
- 映像と合わせる動画の編集ツールで、音声と映像・字幕を合わせる
この記事を書いている株式会社AITECHでは、ショート動画を自動で作る仕組みを運用しています。そのナレーションには、GoogleのGeminiとElevenLabsの音声生成のモデルを使っています。映像は、Webページと同じ技術で描画して音声と組み合わせています。この作り方は、Remotionの使い方の記事にあります。
受託で使うときは、ツールの規約で受託・請負の扱いを確かめます。音読さんのように、自分の動画には無料で使えても、受託にはビジネスプランが必要なツールがあります。
動画の映像を作るAIは動画生成AIおすすめの記事、企画から投稿までの手順はショート動画をAIで作成する方法の記事にあります。
COACH AIとは
COACH AIは、未経験・非エンジニアの方が、副業からAI受託・AIコンサル・AI顧問などのAI事業を立ち上げ、独立・事業化からM&Aまで目指せるよう、専属コーチがマンツーマンで伴走するスクールです。
プログラミング経験は不要で、ノーコードのツールから始められます。
音声生成AIの使い方を覚えるだけで十分な方は、この記事と各社の公式ページで足ります。音声と動画のAIを使った制作を仕事として受けたい方は、公式LINEで質問を受け付けています。詳しくはCOACH AIのページをご覧ください。
まとめ
音声生成AIは、作る音声の量と、商用に使うかどうかで選びます。
- 日本語に対応する音声生成AIは、Webサービス・開発者向けのAPI・パソコンのソフトの3種類に分かれます。
- ElevenLabs・Fish Audio・CoeFontの無料プランは、商用に使えません。
- 無料のまま商用に使えるのは、音読さん（自分の動画に限り、クレジット表記が必要）や、VOICEVOXなどのソフトです。
- 5分のナレーション1本は、この記事で比べた4つのAPIの2026年中の単価なら、0.02〜0.07ドル程度で作れます。
- 他人の声の複製には、本人の明確な同意が必要です。
最初にやることは、作りたい音声の用途と月の本数を決め、商用に使えるプランを1つ選ぶことです。
よくある質問
無料の音声生成AIで作った音声を、YouTubeの収益化した動画に使えますか？
ツールによります。ElevenLabs・Fish Audio・CoeFontの無料プランは非商用のみです。音読さんの無料プランは、クレジットを表記すれば自分のチャンネルの動画に使えます。VOICEVOXも、クレジットを表記すれば商用に使えます。VOICEVOXは、キャラクターごとの利用規約も確かめます。
自分の声をAIで再現できますか？
できます。声を複製する機能は、ElevenLabs（Starterから）・Fish Audio・CoeFontにあります。APIでは、Gemini API（有料枠）・Google Cloud・Azure AI Speech・OpenAIにあり、申請や本人の同意の録音が必要なものがあります。
日本語の読み間違いは直せますか？
直せます。原稿をひらがなに書き換える、読みの辞書に登録する、句読点で間を調整する、などの方法があります。固有名詞と数字は、納品の前に必ず聞いて確かめます。
ElevenLabsとGeminiは、どちらを使えばよいですか？
Webの画面で数本のナレーションを作るならElevenLabs、自社の仕組みから大量に読み上げるならGemini APIが向いています。ElevenLabsのWebの画面は月額プラン、Gemini APIは音声の長さに応じた従量課金です。
出典
- ElevenLabs「Pricing」・「Models」・「Prohibited Use Policy」
- Fish Audio「Plan」
- CoeFont「料金プラン」
- 音読さん「料金プラン」
- Google「Gemini API Text-to-speech」・「Gemini API Pricing」
- Google Cloud「Text-to-Speech pricing」
- Microsoft「Azure AI Speech の価格」
- AWS「Amazon Polly の料金」
- AWS「Amazon Polly features」（ブランドボイス）
- Google Cloud「Chirp 3: Instant custom voice」
- OpenAI「Text to speech」
- VOICEVOX「ソフトウェア利用規約」
- Aivis Project「AivisSpeech」
- AHS「VOICEPEAK 商用可能 6ナレーターセット」
- YouTubeヘルプ「生成 AI コンテンツの使用に関する開示」
この記事の料金・利用条件は、2026年11月12日に各社の公式ページで確認しました。ドルの料金は、特に記載のない限り税別です。料金とプランは変わることがあるため、契約の前に公式サイトで確認してください（更新日：2026年11月12日・監修：株式会社AITECH CEO 小森谷 祐太）。
