ElevenLabs Dubbingの使い方と料金、v1・v2を比較テスト

👁 115閲覧数

ElevenLabs Dubbingは、動画を別の言語に翻訳し、元の話者に似た声で新しい音声を生成するサービスです。今回は、英語の会話、合成音声の話者2人、背景音を含む24秒のオリジナル動画を用意し、v1とv2で別の言語に吹き替えました。以下では両方の結果を視聴できるほか、処理時間、使用クレジット、声の類似度の測定結果、料金表だけではわからない失敗例も紹介します。

01ElevenLabsのAI音声クローン：10秒・2分の音声で精度を比較ElevenLabsで10秒、30秒、2分の音声からクローンを作成。元の声との類似度や文字起こし結果、料金、利用時の注意点を紹介します。読む →02ElevenLabs Scribeの文字起こし精度を検証：固有名詞・数字の認識難しい固有名詞や数字を含む音声でElevenLabs Scribeを検証。話者分離、背景ノイズ、Whisperとの比較結果を紹介します。読む →

ElevenLabs Dubbingの仕組み

音声を認識して話者を分離し、テキストを翻訳したうえで新しい音声を生成します。音楽や環境音などの元の背景音は残ります。2026年9月時点では、2種類のモデルが提供されています。

• Dubbing v1 - 旧モデルで、v2より低価格です。Eleven v3と同じ言語に対応しており、ポーランド語も含まれます。文字起こしを手動で編集し、個別の箇所を再生成するDubbing Studioを利用できるのはv1のみです。公式ドキュメントによると、Dubbing Studioはメンテナンスモードで、重大な修正のみが行われています。
• Dubbing v2 - エンドツーエンド型のモデルで、APIとアプリの自動吹き替えで標準的に使われます。アプリではAlphaと表示されています。料金表によると92言語に対応し、元の声との類似度を調整するスライダー（cloning strength、0～10、初期設定は7）があります。

ファイルの上限は、アプリが1 GB・180分、APIが3 GB、Dubbing Studioが1 GB・45分です。Dubbing StudioはStarterプラン以上で利用できます。

テスト内容：英語からポーランド語への24秒動画

他人の動画や実在の人物の声を使わないよう、素材は自分で用意しました。映像は、動画生成AIの比較ランキングで使った映像から選んだ4秒のショット6本（キッチンのコーヒーと雨の中の路面電車）です。セリフはEleven v4で生成し、ライブラリにあるGeorgeというナレーターとJessicaという女性の声を使いました。背景音のキッチン音、雨音、路面電車のベルはElevenLabs Sound Effectsで生成しました。素材はすべて英語で、字幕はありません。

2026年9月28日、同じMP4ファイルをAPIから両モデルに送信し、source_language=en、target_language=plを指定しました。Dubbingが返すのは音声ファイル（FLAC）のみなので、ffmpegで映像と結合しました。

v2のクレジット数は2回目の処理後にアカウントの使用履歴で確認しました。Dubbingのエンドポイントはヘッダーに料金を返さないため、v1の使用量は処理前後の数値の差から計算しています。ポーズはScribeの文字起こしにある単語のタイムスタンプを使って測定しました。

翻訳を比較：v1は正確、v2はより自然

どちらのモデルも、テストした文章の内容を正しく翻訳しました。違いは文体です。ここで示す日本語は、実際にテストしたポーランド語の会話をもとにした訳であり、日本語で再テストした結果ではありません。元の英語のセリフ「I get two, if the tram is late, and it’s always late when it rains」は、v1では「路面電車が遅れたら2つもらう。雨が降るといつも遅れるから」と直訳調に翻訳されました。v2では「路面電車が遅れたら2つはもらうよ。雨の日はいつも遅れるからね」と、より自然な表現になりました。結びの「right on time, for once」は、v1では「今回は時間どおり」、v2では「時間ぴったり、今回だけは」と訳されました。これは私の評価ですが、v2は冗談を理解したナレーターのように聞こえ、v1は正確な翻訳を読み上げているように感じました。

注意点：v2の1回目は意味不明な音声に

v2の1回目の処理はステータスが「completed」になったものの、元の音声の文字起こしは英語、ロシア語、中国語、韓国語の無関係な単語が並んだ内容でした。ポーランド語の音声も、その意味不明な文章の翻訳と元の音声の断片が混ざったものでした。同じファイルで2回目に処理したところ、問題なく生成できました。ElevenLabsのヘルプによると、最初の言語の料金はプロジェクト作成時に請求されます。今回はプロジェクトが形式上成功していたため、正常な吹き替えと同じクレジットが消費されました。

実用上の対策として、別の言語を追加する前に、元の音声の文字起こしを取得するエンドポイント/transcriptを使い、内容に問題がないか確認しましょう。数秒でできます。

吹き替え後も声は同じに聞こえる？

耳で聞いただけでは評価せず、話者認証モデルWavLMを使って声紋を比較しました。スコアは-1～1で、元動画と吹き替え音声の同じ時間帯を比べています。

どちらのモデルも声質をほぼ同程度に保ち、別の話者とのスコアには明確な差がありました。言語が変わると発音する音が変化するため、この指標は必ず下がります。今回のテストでは、v2の優位性は声質ではなく、話すリズムにありました。

ElevenLabs Dubbingの料金

API料金表を2026年9月28日に確認しました。以下は税抜きのUSD価格です。料金は元動画の長さ1分あたりで計算され、言語ごとにかかります。

サブスクリプションプランではクレジットを使います。Starterは月額6 USDで月30,000クレジット、Creatorは月額22 USDで月121,000クレジットです。今回のv2の使用量（24秒あたり5,402クレジット）を基準にすると、Creatorでは月に約9分の吹き替えができます。v2では無料アカウントに自動でウォーターマークが付き、有料アカウントでは付きません。プランの詳細はElevenLabsの料金の記事をご覧ください。

ElevenLabsで吹き替える手順

1. アプリでDubbingを開き、ファイルをアップロードするかリンクを貼り付けます。元の言語は手動で設定してください。自動検出には別のリスクがあるためです。
2. 翻訳先の言語を選び、話者数は、人数がわかっている場合を除いて自動設定のままにします。
3. 処理が終わったら音声全体を確認します。v1はDubbing Studioで修正できます。ドキュメントによると、v2のAPIで文字起こしを編集できるのはEnterpriseプランのみです。
4. 公開前に固有名詞と数字を確認します。APIではkeytermsに用語を指定し、モデルによる誤りを防ぐことができます。

APIでは、次の2つのコマンドを使えます。2026年9月28日、9秒のクリップとmodel_id=dubbing_v1を使ってコマンドをテストしました。以下のコード例はテスト時の設定を示すものです。

curl -X POST https://api.elevenlabs.io/v1/dubbing/project \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -F file=@film.mp4 -F source_language=en \
  -F target_language=pl -F model_id=dubbing_v2

# 数秒おきに、ステータスがcompletedになるまで確認します:
curl -H "xi-api-key: $ELEVENLABS_API_KEY" \
  https://api.elevenlabs.io/v1/dubbing/project/PROJECT_ID/language/LANGUAGE_ID

応答のoutputs.lossless_audioには、1時間有効なFLACファイルのリンクが含まれます。映像と音声は自分で結合します。たとえば、ffmpeg -i film.mp4 -i dub.flac -map 0:v -map 1:a -c:v copy -c:a aac output.mp4を使えます。

使う前に確認したいこと

• 他人の声。吹き替えでは話者の声質が再現されるため、他人の録音をアップロードすると、その声を複製することになります。本人の同意を得るか、使用権のある素材だけを使ってください。
• 生成音声の表示。視聴者には、生成された音声を聞いていることがわかるようにしましょう。AI吹き替えに関する基本的な考え方は、関連する解説記事で紹介しています。
• 品質確認。ステータスが「completed」でも、結果が正しいとは限りません。今回のv2の1回目がその例です。

ElevenLabsの各種ツールについては、ElevenLabsガイドをご覧ください。

よくある質問

ElevenLabsは日本語に吹き替えできますか？

この記事のテストで確認したのは、ポーランド語への吹き替えです。ポーランド語にはv1とv2の両方が対応しており、どちらも24秒の英語クリップを正しく翻訳しました。v2では元のポーズとのずれが最大0.2秒でした。この記事のテストはポーランド語で行ったものであり、日本語の品質は検証していません。

ElevenLabsの吹き替え料金はいくらですか？

API料金は税抜きで、v1が1分あたり0.33～0.50 USD、v2が2.20 USDです。24秒のテスト動画では、v1で約1,200クレジット、v2で5,402クレジットを使いました。

ElevenLabsの吹き替えは元の声を保ちますか？

おおむね保ちます。今回の測定では、元の声と吹き替え音声の類似度は両モデルで0.72～0.81、別の話者との類似度は0.29～0.35でした。

ElevenLabsで無料の吹き替えはできますか？

月10,000クレジットの無料プランで利用できますが、ウォーターマークが付き、商用ライセンスはありません。今回のテストでv2を使った場合、約44秒分の素材に相当します。

吹き替えにかかる時間はどのくらいですか？

今回の24秒のクリップは、v2では22～65秒、v1では43秒で完成しました。長いファイルを処理する場合、ElevenLabsはステータスを繰り返し確認する代わりにWebhookを使うことを推奨しています。

// 続きを読むElevenLabsのAI音声クローン：10秒・2分の音声で精度を比較ベンチマークEleven Musicの使い方と料金、歌詞の再現度を検証ベンチマークElevenLabsの効果音生成を検証：多言語プロンプトを比較ベンチマーク