ElevenLabs v4の使い方。日本語ナレーションとv4 Turboの通話テスト

01まず結論：v4の使い方と、Turboの通話テスト

運営者の2026年9月30日のブラウザ通話では、声を作る部分は0.08〜0.12秒でも、話し終わりから返答開始までは中央値約2.7秒でした（v4 Turboの10応答、1.3〜4.6秒）。2件・計約5分の小規模な記録で、1件は途中で別モデルに切り替わっています。製品全体の性能を保証する結果ではありません。

• 文章を声にするElevenLabsの新しいモデル。2026年9月28日に発表され、無料アカウントでも試せます。
• 日本語を含む90以上の言語に対応。1回で最大10,000文字（約10分）まで音声にできます。
• 感情や「間」は、文章の中に [whispers] のような短い指示を書いて付けます。設定のつまみは2つだけです。

公式情報公式X：Eleven v4・v4 Turboの発表（9月28日） ↗ ／ 公式ブログ：Eleven v4の紹介 ↗ ／ 公式モデル一覧（文字数の上限） ↗

02前のモデル（v3）から、何が変わった？

モデルとは、文章を声に変換する仕組みのこと。v4はその新しい世代です。公式ドキュメントでは、音質、声の再現度、感情表現、音声タグ（演技の指示）、対応言語のすべてがv3より改善されたと説明され、基本的にはv4への切り替えが推奨されています。

• v4は元の声をより忠実に再現するため、v3で使っていた声がv4では違って聞こえることがあります。気に入っている声は、両方で聞き比べてから切り替えましょう。
• 公式は、v4は公開後も改良が続き、同じ原稿でも結果が変わることがあると案内しています。大事な音声は、ときどき作り直して確認するのがおすすめです。

公式情報公式ドキュメント：Eleven v4 ↗ ／ 公式モデル一覧（文字数の上限） ↗ ／ 声・感情・読み方の調整ガイド（Prompting Eleven v4） ↗

03v4とv4 Turbo、どちらを選ぶ？

迷ったら、ナレーション作りはv4で大丈夫です。Turboは「上位版」ではなく、会話の待ち時間を短くしたいときの選択肢です。公式の約100ミリ秒という数値は推論遅延の中央値で、手元で音が出るまでの時間を保証するものではありません。

公式情報公式X：v4 TurboをElevenAgentsへ提供 ↗ ／ 公式モデル一覧（文字数の上限） ↗

04はじめる前に用意するもの

準備するものは、次の3つだけです。

• ElevenLabsのアカウント。v4は無料アカウントでも試せます。
• 30秒ほどで読める短い原稿。本番で使う文章の一段落がちょうどよい長さです。
• 音声の使い道のメモ。仕事で公開するなら、有料プランが必要かどうかが変わります（後半で説明）。

公式情報公式ブログ：Eleven v4の紹介 ↗

056ステップで、短い音声を1本作る

この原稿は当サイトが作った練習用です。v4が選択欄に見当たらない場合は、利用中の画面とモデル名を確認してから進めてください。

1. 1

   ログインしてElevenCreativeの「Text to Speech」（テキスト読み上げ）を開きます。

2. 2

   Voice（声）の選択欄で声を試聴します。Voice Libraryでは言語や用途で探せるので、日本語の案内に合う声から選びましょう。

3. 3

   Model（モデル）の選択欄で「Eleven v4」を選びます。画面構成や表示名は変わる場合があります。

4. 4

   下の例のような短い原稿を入力します。最初は感情の指示を付けず、読み方だけを確かめるのがおすすめです。

5. 5

   「Generate」（生成）を押し、できた音声を聞きます。生成時のクレジット消費表示も確認してください。

6. 6

   名前・数字・語尾に問題がなければダウンロードします。気になる部分は原稿を直して比較しましょう。

ご利用ありがとうございます。
このサービスでは、文章を入力して、案内用の音声を作れます。
まずは短い文章で、声の雰囲気を確かめてみましょう。

公式情報ElevenCreativeの始め方 ↗

この手順のとおりに、実際に1本作ってみましょう。

日本語の音声づくりを、
無料で始める。新モデル Eleven v4 は日本語を含む90以上の言語に対応。1回で最大10,000文字まで音声にできます。無料プランあり商用利用は有料プラン公式サイトで無料で始める ↗PR：当サイトはElevenLabsの独立したアフィリエイトで、紹介リンク経由の契約により報酬を受け取る場合があります。

06設定は2つだけ。StabilityとSimilarity

v4で調整できる声の設定は、Stability（安定性）とSimilarity（類似度）の2つです。以前のモデルにあったStyle（スタイル）とSpeed（速度）のつまみはv4にはありません。最初は初期値のまま生成し、気になったときだけ動かしましょう。

• 案内や教材のナレーション：Stabilityを高めにして、毎回同じ調子で読ませる。
• 感情のある語りやキャラクター：Stabilityを低めにして、表現の幅を出す。
• 話す速さ：つまみがないので、文を短く区切ったり、句読点を増やしたりして調整する。

公式情報公式ドキュメント：Eleven v4 ↗ ／ 声・感情・読み方の調整ガイド（Prompting Eleven v4） ↗

07感情や「間」は、文章に短い指示を書き込む

音声タグは、角括弧 [ ] で囲んだ演技の指示です。読ませたい文の直前か直後に書きます。公式の例は英語で書かれているので、タグは英語のまま使いましょう。最初はタグを1つだけ足し、タグなしの音声と聞き比べるのがコツです。

「間」を入れたいときは、三点リーダー「…」やダッシュ「—」を使うか、[short pause] や [long pause] のタグを試します。効き方は声や原稿によって変わります。

[excited] 新しい機能が使えるようになりました！
[short pause] まずは、短い文章から試してみましょう。
ご案内は以上です…… ご不明な点は、お気軽にお問い合わせください。

• 案内や教材：まずタグなしで、内容が聞き取れるかを優先。
• 明るいお知らせ：[excited] を冒頭に足して違いを確認。
• 物語や演出：[whispers] などを一か所ずつ試す。
• タグを考えるのが大変なら、画面の「Enhance」ボタンで原稿に合うタグを自動で追加できます。追加されたタグは必ず聞いて確認しましょう。

公式情報声・感情・読み方の調整ガイド（Prompting Eleven v4） ↗

08思ったとおりに読まないときは、ここを直す

表の書き換え例は、当サイトからの試し方の提案です。効果は声や原稿によって変わります。v4では従来のSSMLの <break> タグは使えないため、古い解説をそのまま貼り付けないようにしましょう。

どうしても読みが直らない語は、v4で使えるIPA（国際音声記号）をスラッシュで囲んで指定する方法もあります。ただし上級者向けなので、まずは読み仮名への書き換えから試すのがおすすめです。

公式情報声・感情・読み方の調整ガイド（Prompting Eleven v4） ↗

09【運営者が試した】v4 Turboのブラウザ通話テスト結果

2026年9月30日、運営者がElevenAgentsで作っている電話対応AIを、ブラウザからテスト通話しました。相手役は運営者自身です。声はEleven v4 Turbo、聞き取りはScribe v2 Realtime、返答文の生成はGemini 3.5 Flash-Lite、プランはCreatorです。記録は2件・計約5分です。実電話回線（PSTN）や実顧客への対応ではなく、ブラウザ内でのテストです。

下の数値は、通話ごとに管理画面へ記録されるログから読み取りました。

• 声を作る速さは十分でした。待ち時間の大半は、話し終わりの判定や返答文の生成など、音声合成以外の部分です。
• 返答までに2〜4秒かかる場面では、電話の相手としては一拍遅れて聞こえます。運営者の感想は「リアルタイムの会話はまだ難しい」でした。
• 相手が話し始めると、AIは話している途中でも止まりました。ただし、その直後の返答には約3.9秒かかりました。
• 相手の名前を使った確認で、主語を取り違えた不自然な日本語が1回出ました。声ではなく、返答文を作るAI側の問題です。
• ログを見ると、1件の通話で途中から音声モデルがv3に切り替わっていました。その間は、声の出始めが0.5〜0.9秒に遅くなっていました。

10リアルタイムの会話で使う前に、確かめたいこと

今回の構成・テストでは、声の生成は速いものの、会話全体の返答には待ち時間が残りました。電話対応や受付に使う場合は、次の点を参考にしてください。

• 返答は1文で短くする。長い返事ほど相手を待たせ、途中で話をさえぎられやすくなります。
• 返答文を作るAIの速さも確認する。今回の記録では、音声合成より文章生成と話し終わりの判定に時間がかかっていました。
• 本番の前に、自分が相手役になってテスト通話し、管理画面のログで待ち時間を確かめる。
• 作り置きできる案内音声はv4、その場で答える会話はv4 Turbo。会話では「多少の間は出る」前提で台本を作る。

11無料で試すことと、仕事で公開することは別

Freeプランは個人の非商用の試用向けです。仕事用の動画、広告、収益化コンテンツなどに使う音声は、商用利用が認められる有料プランで生成し、適用条件を確認してください。無料時に作った音声を、後から課金すれば自動で商用利用できるとは考えないでください。

素材の権利や機能ごとの条件も確認が必要です。v4では短い音声から声を複製する機能（ボイスクローン）も強化されていますが、他人の声を無断で複製してはいけません。最初は利用条件を確認できるライブラリの声で試すと進めやすくなります。

2026年10月2日に確認した公式料金ページでは、10月12日までCreator以上を対象に、Web・モバイルアプリのv4生成で月間TTSクレジットの最大2倍分まで残高から差し引かれないと案内されています。「3倍」は通常枠とこの追加利用枠を合わせた告知で、全用途のクレジットが一律3倍になる意味ではありません。電話AI・AgentsやAPIにも同じ特典が適用されると考えず、それぞれの料金と最新条件を確認してください。

公式情報公式ブログ：Eleven v4の紹介 ↗ ／ 公式料金表 ↗ ／ 生成音声の公開・商用利用について ↗

12最初の目標は「使える短い音声を1本」

いきなり長い教材を作るより、サービス紹介の冒頭や、操作説明の一段落を作ってみましょう。次の3点に納得できれば、用途に合うプランを検討する材料になります。

• 聞き取り：名前、数字、固有名詞を間違えていないか。
• 雰囲気：自分のサービスや説明内容に声の調子が合うか。
• 手間：録音と比べて、原稿修正や作り直しを進めやすいか。