ElevenLabs 料金をFish Audioと比較：音声制作・API・電話対応の選び方

ElevenLabs 料金をFish Audioと比較するなら、音声生成のコストを抑え、組み込みを自社で担える場合はFish Audioが候補です。吹き替え、本格的な音声クローン、幅広いエージェントの対応チャネルまで制作・運用に必要なら、ElevenLabsが向いています。ElevenLabsのレビューも判断材料になります。FishのS2.1-Proは83言語に対応しますが、対応言語の数やテキスト読み上げ（TTS）の安さだけでは、顧客からの電話をどちらに任せるべきかは決まりません。

Fish AudioとElevenLabsは、用途別にどう選べばよいですか？

ナレーションを制作するマーケティング担当者には、まずElevenLabsを勧めます。 Studio、吹き替え、プロフェッショナルな音声クローンを組み合わせることで、台本から再利用できるブランド音声までの工程を組み立てやすくなります。主な目的が音声生成で、前後の編集工程を自分たちで管理でき、声が制作意図に合うなら、Fishの優先度が上がります。

アプリに音声を組み込む開発者は、Fishの有料S2.1-Pro APIから検討するとよいでしょう。 通常の英語テキストでは従量料金に魅力があります。公開されている対応言語、対話用インターフェース、既存の連携との相性を音声生成費より重視するなら、ElevenLabs v4 Turboを選びます。どちらの推奨も、試聴で音質の優劣を判定したものではありません。

電話エージェントは、運用要件で選びます。 FishのLive 3プラットフォームでは、通話、ツール、テスト、引き継ぎに必要な基本機能が公開されています。予約受付やサポートなど、用途を絞った試験導入に値します。電話とメッセージングを連携させ、企業向けの導入要件も満たしたい事業者には、ElevenAgentsが有力です。

両社の公開中の料金ページとドキュメントを2026年11月13日に確認しました。評価軸は、業務フローへの適合性、公開されているモデルの機能、課金単位、商用利用の許諾、移行リスクです。LLMはエージェントの返答を生成する言語モデルで、音声モデルはその返答を音声に変換します。ログイン後の動作検証、音声生成、試聴テストは行っていません。

ナレーションと音声クローン：制作工程全体ではElevenLabsが優位です

ElevenLabsは音声・オーディオ制作のプラットフォームです。マーケティングの実務では、制作工程がつながっている点が強みになります。StarterにはInstant Voice CloningとDubbing Studioが含まれ、CreatorではProfessional Voice Cloningが加わります。製品動画を多言語展開するブランドなら、台本の音声化だけは他社のほうが安くても、一連の工程にまとめて料金を払う理由があります。

プロフェッショナルな音声クローンには専用の学習工程が必要です。短いサンプルをアップロードして音声IDを受け取るだけではありません。ElevenLabsの音声クローンドキュメントは、インスタントクローンでは1〜2分、プロフェッショナルクローンでは30〜180分の録音を推奨し、後者の学習には通常3〜6時間かかるとしています。また、インスタントクローンでは特殊な声質やアクセントをうまく再現できない場合があると明記しています。

会社で長く使うナレーターの声を創業者が録音する場合、この違いは重要です。手早いクローン作成はアイデアの検証に向いていますが、ブランドの声には、雑音のない録音、一貫した話し方、話者本人による確認が必要です。高額なクローン機能を選んでも、元の録音のノイズや話し方のばらつきは解消しません。

Fish Audioは、音声生成に加え、インスタントクローンと継続して使えるクローンを提供しています。音声クローンのガイドでは、クリップごとに最低10秒を推奨し、明瞭な音声が1〜2分あれば再現性が高まるとしています。リクエストごとに参照音声を渡す方法と、再利用できる音声IDを作る方法があります。FishにもWebアプリ上でプロフェッショナルクローンを作る工程があるため、プロ向けクローンの有無だけで両社を分けるのは正確ではありません。

音声の演出を細かく指定し、利用コストを抑えたい場合はFishが強みを発揮します。 Drama 3のドキュメントには、自然言語による演技指示、音や間の挿入、特定の単語だけの話し方変更、発音制御、複数話者の対話が記載されています。たとえばゲームのシナリオライターは、シーン全体の演技を変えずに、不安げなせりふを指定して特定の単語だけを強調できます。

ただし、明確な制約もあります。Drama 3でせりふの途中に挿入する言語タグは実験的な機能です。どの声でも、あらゆる言語の組み合わせを安定して扱えると、バイリンガルのクライアントに約束するべきではありません。マーケティング制作全体では引き続きElevenLabsが第一候補ですが、演出指示とAPI料金を重視するならFishは有力です。どちらの機能一覧も、完成した音声の聞こえ方の優劣を証明するものではありません。

現行モデルと対応言語：用途に合うモデルを選びます

現行の主力モデルで公表されている対応言語数はElevenLabsのほうが多い一方、Fishでは音声モデルとエージェントの対応範囲を分けて読む必要があります。 TTSモデルがある言語に対応していても、その言語で電話業務全体が検証済みとは限りません。

Fishのモデル一覧は、83言語に対応するS2.1-Proを本番運用の推奨モデルとしています。S2.1-Pro Freeは同じモデルと対応言語を公正利用の制限下で提供しますが、最初の音声が出るまでの時間やデータ処理契約に関する保証はありません。S2-Proは80+言語に対応する前世代モデルです。S1は非推奨で、2026年12月31日に提供を終了し、その後のリクエストはS2.1-Proに移行します。Drama 3は、それとは別にドキュメントが用意された新しいコンテンツ制作モデルです。そのページには総対応言語数が掲載されていないため、S2.1-Proと同じ数だとするのは推測になります。

ElevenLabsのモデル一覧では、Eleven v4とv4 Turboが90+言語に対応します。Eleven v3とv3 Conversationalは70+言語、Multilingual v2は29言語、Flash v2.5は32言語です。Flash v2は英語のみで、旧Turbo v2とv2.5はFlashへの移行が推奨される非推奨モデルです。表現力を求める新規制作ではv4とDrama 3を、低遅延の音声機能ではv4 TurboまたはFlashと、導入予定のFishのストリーミングモデルを比較します。

文字起こしでは、Fishはtranscribe-1-pro、transcribe-1、プレビュー版のtranscribe-stream-1を提供しています。ElevenLabsにはScribe v3とScribe v3 Liveがあり、従来のScribe v2、v2 Realtime、v2 Medicalも掲載されています。これらは音声を認識するモデルで、ナレーターの声の別候補ではありません。また、ElevenLabsは会話用モデル構成としてRealtime v1 MiniとMaxを提供し、それぞれ自然な会話と複雑なタスクを対象としています。

多言語アプリでは、実際に使う言語の台本を受け入れテストに使ってください。人名、日付、住所、複数言語が混じる表現、割り込みまで含めます。ベンダーの総対応言語数は候補を絞る目安であり、発音の保証ではありません。

リアルタイムAPI：音声機能を低コストで組み込むならFishです

アプリの他の部分がすでにできている開発者には、コストを重視した出発点としてFishが適しています。 ストリーミングのドキュメントでは、テキストが完成している場合のHTTPストリーミングと、言語モデルから少しずつテキストが届く場合のWebSocketストリーミングが用意されています。返答全体が完成する前に音声の出力を始められます。

たとえば、既存製品に音声による説明を加えたい技術系の創業者に、エージェント基盤が必要とは限りません。アプリはすでに何を伝えるかを把握しています。必要なのは声、音声プレーヤー、確実な障害処理です。Fishの有料APIはこの限定的な用途に合います。無料モデルには保証がないため、サービス上の約束を伴う顧客向け用途の標準選択にはしにくいでしょう。

遅延の公称値も、測定範囲をそろえて考える必要があります。Fishはモデル一覧で、S2-Proの最初の音声までの時間を100msとしています。ElevenLabsは、アプリケーションとネットワークの遅延を除くv4 Turboの遅延中央値を約100msとしています。いずれも特定モデルに関するベンダーの公称値で、直接比較した測定結果でも、電話をかけた人の待ち時間の保証でもありません。

ElevenLabsのページ内にも食い違いがあります。API料金ページではFlash/Turboが約75ms、v3 Conversationalが280msとされていますが、モデルのドキュメントでは測定範囲を明示したうえで、Flash v2.5が約100ms、v3 Conversationalが165msとされています。モデルのドキュメントで測定対象を把握し、自社のリクエスト経路全体を測ってからサービス目標を決めてください。

インターフェースやモデル固有の機能が要件なら、ElevenLabsが優位になります。 v4はText to Dialogue、v4 Turboは対話用WebSocketから利用できます。対話生成のリクエストは、既存の単一音声TTSリクエストをそのまま置き換えられるとは限りません。モデル変更を単なる設定変更と考える前に、エンドポイントの対応を確認してください。

ElevenLabs 料金とFish Audioの公開プラン・API単価

Fishのほうが安くなることは多いものの、差額は課金単位とキャンペーン次第です。 以下は2026年11月13日に確認した比較表です。金額はUSDで、通常の継続料金と初回特典を分けています。FishのWebページは年払い表示で開いたため、そこに示された月額換算額を、いつでも解約できる月払い料金としては扱っていません。

出典：FishのWebプラン、FishのAPI料金とレート制限、ElevenCreativeの料金、ElevenAPIの料金、ElevenAgentsの料金。Fishのエージェント料金は、後述するエージェント製品ページの料金欄に基づきます。表の対象は音声とエージェントで、音楽・画像・動画の料金は比較に含めていません。

プランの詳しい背景は、ElevenLabsの料金ガイドも参照してください。表の各行にあるクレジットを、表計算上で同じ単位として置き換えるべきではありません。たとえばElevenLabsのAPIページではCreatorにv4の275,000文字が示される一方、Creativeプランでは121,000クレジットと記載されています。FishもAPI残高とWebサブスクリプションを明確に分けています。実際に使う製品の料金体系で予算を立ててください。

Fish Audioの料金は、どんなときに割高になりますか？

通常のASCII文字100万文字なら、同じ入力はUTF-8で100万バイトです。従量料金だけを比べると、Drama 3はキャンペーン中が$10、通常価格が$50で、Eleven v4は$80です。S2.1-Proは$15、v4 Turboは$40です。ただし、これらは異なるモデルで、同等の品質を保証するセットではありません。

次に、3バイトの中国語文字を100万回繰り返した入力例を考えます。Fishでは300万バイトとして課金されるため、Drama 3はキャンペーン中が$30、通常価格が$150になります。一方、v4は100万文字に対して$80のままです。これは文字コードに基づく計算例で、どの中国語原稿も必ずこの比率になるという意味ではありません。空白、句読点、他言語の混在によって比率は変わります。

Drama 3の通常価格でv4と同額になるのは、1文字あたりUTF-8で1.6バイトのときです。$50 × 1.6 = $80となり、平均がこれを超えるとv4の公開文字単価のほうが安くなります。提供開始時のキャンペーンでは、同じ境目が1文字あたり8バイトです。S2.1-Proとv4 Turboの比較では、約2.67バイトが境目になります。

多言語展開を判断するCTOは、費用を見積もる前に、代表的な台本のUTF-8バイト数を数えるべきです。再試行、演技指示、使い切れないサブスクリプション枠によっても請求額は変わります。すべてのモデルと言語に共通する、一律の削減率はありません。

電話エージェントとLive 3：対応範囲はElevenLabs、Fishは試験導入の候補です

電話対応がサポート業務全体の一部であるなら、ElevenAgentsがより有力な第一候補です。 エージェントの製品ページでは、電話、Web、モバイル、WhatsApp、SMS、メール、チャットに加え、ワークフロー、シミュレーション、分析、API・Webhook・Model Context Protocol（MCP）経由の接続が紹介されています。MCPはツールを接続するための標準です。公開されている企業向けオプションには、地域を指定したデータ保管、ゼロリテンション、アクセス制御があります。いずれも導入時に契約条件を確認する項目であり、全プランに含まれると考えるべきではありません。

FishのVoice AgentsページとLive 3ページも、現在は単なる音声エンドポイントではなく、エージェント製品全体を説明しています。Live 3は全二重モデルとして提供され、会話システムが聞く処理と話す処理を同時に行える構成です。また、認識・推論・発話を順につなぐカスケード方式にも対応しています。

Fishは、ナレッジベース、APIツール、割り込み対応、シミュレーションテスト、バージョン履歴、録音、文字起こし、要約、構造化抽出、担当者へのウォーム転送・コールド転送を公開しています。エージェントのページで示される対応言語は30+言語です。エージェントの導入時に確認すべきなのはこちらの数であり、TTS一覧の83言語を流用するべきではありません。

地域密着型サービスで予約を受け付ける事業者なら、この公開機能はFishを試験導入する理由になります。要望を聞き、ツールでカレンダーを確認し、予約を確定し、例外を人に引き継ぐ流れです。Fishのエージェント基本料金には、音声認識、標準LLM、音声が含まれますが、プレミアムモデルと電話料金は追加です。ElevenLabsでは、LLM利用料と外部通信事業者の費用がエージェントの分単価から分離されています。どちらの基本単価も電話運用の総額であるかのように比較すると、判断を誤ります。

ここで確認した根拠だけでは、会話全体の遅延でどちらが優れるかは決められません。 確認したFish Live 3のページには、比較可能な応答遅延の数値保証がありません。ElevenLabsのRealtime APIは最初の音声までの時間をMiniで620ms、Maxで570msとしていますが、TTSモデルの合成遅延とは測定対象が異なります。予約エージェントでは、カレンダー、ネットワーク、発話ターンの検出にも待ち時間が生じます。

実際の電話を流す前に、発話への割り込み、希望枠が空いていない予約、ツール呼び出しの失敗、人への対応依頼をテストしてください。あいさつの自然さだけでなく、処理の完了と失敗からの復旧を評価します。代替システムがこれらに対応できるまでは、既存の電話フローを維持してください。

Fish Audioは無料ですか？商用利用の権利と制限を確認します

両社とも無料での評価には役立ちますが、無料ナレーションを無条件で商用利用できると考えてはいけません。 FishのWeb版Free Tierには、毎月8,000クレジット、最大7分、生成上限500文字、公開音声スロットが掲載されています。料金FAQは、無料出力を個人の非商用プロジェクト向けと明記し、プレミアム会員は自ら所有する認証済み音声を商用利用できるとしています。

Fishの無料APIモデルは、これとは別の提供形態です。公正利用の制限下でS2.1-Proの品質を提供しますが、応答時間やデータ処理の保証はありません。Webプラン、API規約、個別音声の権利が別々であることに変わりはありません。他の製品ページの許諾を当てはめず、予定しているAPIの商用利用が認められるか確認してください。

ElevenLabsのCreative Freeプランには、テキスト読み上げ、Voice Design、制限付きのStudioプロジェクトが含まれます。Instant Voice Cloningと商用ライセンスはStarterに掲載されています。現行のEEA域外向け利用規約も、無料での非商用利用と有料サブスクリプションによる商用利用を区別し、利用ポリシーの遵守と必要な権利の保有を条件としています。

エージェントについては、ドキュメントに実際の矛盾があります。ElevenLabsのエージェント紹介ページは無料登録とともに商用ライセンスに言及しますが、料金ページではその権利をStarterに置き、一般規約では無料ユーザーを制限しています。無料のエージェント枠を商用利用する前に、書面で確認を取ってください。 宣伝の見出しだけを顧客業務の契約判断の根拠にするのは適切ではありません。

非公開のブランド音声をFish Audioに預けても大丈夫ですか？

録音をアップロードする前に、公開範囲とデータの取り扱い条件を決めてください。FishのAPIドキュメントでは保存型のクローンは初期設定で非公開ですが、無料Webプランは公開スロットを掲げています。両者は別の利用フローです。機密性のあるブランド録音を、意図せず公開ライブラリ向けの工程に入れてはいけません。どちらのベンダーでも、顧客素材を渡す前に、保存期間、認められる利用方法、アカウントの管理者を確認してください。

ElevenLabsからFish Audioへ移行するには

コードが動いたとしても、移行は声と挙動の変更として扱います。 FishのElevenLabs互換ガイドは代替のベースURLを説明していますが、ElevenLabsの音声IDがそのままFishの音声になるわけではありません。権利を確保した声を作り直すか、Fishの声を選び、話し方を改めて承認する必要があります。

より大きな問題は、設定が黙って無視されることです。Fishの互換レイヤーはsimilarity_boost、style、use_speaker_boost、seedなどを受け付けますが、適用しません。受け付けたElevenLabsのモデル名に対して、Fish S2.1-Proで処理する場合もあります。レスポンスが正常に返ったことは、指定モデルや制作上の制御が移行後も維持された証拠にはなりません。

また、互換レイヤーは電話で使われるμ-lawとA-lawの出力形式を拒否します。話者ダイアライゼーション（誰が話したかの識別）、墨消し、Webhookなど、ElevenLabsの文字起こし機能のすべてを提供するわけでもありません。これらはその互換経路の制約であり、Fishのネイティブな基盤に対応する機能が一切ないという意味ではありません。

現在の価値が、慎重に承認したクローン、吹き替えの工程、タイミング調整、安定稼働する電話連携にあるなら、API単価だけを理由に乗り換えるべきではありません。元の録音と台本を保存し、アプリが使う設定を洗い出し、代表的なワークフローを1つ再構築して、承認済みの出力と比較してから残りを移します。候補を広げる場合は、ElevenLabsの代替サービスとおすすめAI音声生成ツールのガイドを参照してください。ElevenLabsのレビューでは、制作業務との相性を詳しく扱っています。

よくある質問

Fish Audio AIは無料で使えますか？

はい。Web版のFree TierとS2.1-Pro Free APIは、別々の無料サービスです。Web版には月間の利用枠と個人利用の制限があり、APIモデルには公正利用の制限があり、応答時間やデータ処理の保証がありません。有料での商用利用にも適切な許諾が必要です。

音声クローンは違法ですか？

サービスにクローン機能や商用プランがあることは、他人の人格的な同一性を利用してよいという許可ではありません。本比較はベンダーの機能とプラン条件を整理したもので、個々の録音の法的な利用可否を確定するものではありません。自分が利用権を持つ素材を使い、公開前に話者の権利関係を解決してください。

音声で会話するAIは、どれがよいですか？

電話業務をメッセージングの各チャネルと連携させるなら、まずElevenAgentsを候補にします。用途を絞った電話・Webエージェントを、費用を抑えて試験導入するなら、Fish Live 3も検討に値します。TTS APIだけでは、会話業務全体をまかなえません。

ナレーションに最適なAIはどれですか？

本比較では試聴による優勝サービスは決めていません。Studio、吹き替え、プロフェッショナルな音声クローンが必要なマーケティング担当者には、制作工程の観点からElevenLabsを勧めます。演出指示付きの音声生成が主な仕事なら、Fishがコスト重視の候補です。実際の台本で声を確認し、承認してください。

ChatGPTでナレーションを作れますか？

ChatGPTは会話の中で音声の返答を生成できます。ただし、書き出し可能なナレーションや音声クローンの制作環境を選ぶ話とは別です。OpenAIのVoiceドキュメントは会話での利用を説明しており、ここで比較している制作・書き出しの工程を示すものではありません。

ChatGPTの音声には時間制限がありますか？

はい。利用制限はプランやVoiceの利用形態によって異なり、会話がセッションやコンテキストの上限に達する場合もあります。これらの利用枠は、FishやElevenLabsの生成クレジットとは別です。

ChatGPT Voiceの制限を回避するにはどうすればよいですか？

アカウントで使える枠を利用し、リセットを待つか、適切なプランを選んでください。今回確認したVoiceの案内には、サポートされる回避方法は記載されていません。

ChatGPTを無料で無制限に使うにはどうすればよいですか？

現行のVoiceの案内にあるのは制限付きの無料アクセスで、無料・無制限のVoiceプランではありません。そのような約束を前提に、業務用ナレーション制作の予算を立てるべきではありません。

まったく制限のないChatGPTはありますか？

ドキュメントでは、無制限・無条件のVoiceサービスは確認できません。「無制限」と説明されるプランにも不正利用防止の制約があり、セッションや機能の制限も考慮する必要があります。

Fish Audioが向く場合、ElevenLabsが向く場合

**Fish Audioが向くのは、**音声生成を低コストで行いたく、前後のアプリや編集工程を管理でき、利用する言語のバイト単位の費用も確認済みの場合です。軽量な組み込みには、有料S2.1-Pro APIが実用的な出発点になります。演技を指定する音声制作ではDrama 3も評価する価値があります。公開されている通話機能が業務をカバーするなら、Live 3は範囲を限定した試験導入の候補です。

**ElevenLabsが向くのは、**統合された制作工程、現行の主力モデルの対応言語、より幅広いエージェントのチャネルや企業向けオプションが業務に役立つ場合です。節約額を算出しないまま移行すると、承認済みの声の挙動や稼働中の制作工程を失うなら、継続利用が妥当です。

来週は、承認済みの台本か、最初から最後までを含む通話シナリオを1つ選んでください。課金単位を数え、必要な商用利用の許諾を確認し、失敗時のケースを書き出します。その仕事を許容できる総費用でこなせるプラットフォームを選びましょう。

候補選びを実際の導入計画につなげたい方は、ニュースレターで事業者向けのAIツールマップをご覧ください。