ElevenLabsとは｜使い方・料金・日本語設定・APIを実例で解説

ElevenLabs は、声とモデルを選んでテキストや音声を渡すと、Web 画面か API で音声ファイルを返します。使った量はクレジットで数えます。

flowchart TD
    A[テキスト・音声・動画] --> B[声を選ぶ<br>ライブラリ・クローン]
    B --> C[モデルを選ぶ<br>v4・Flash など]
    C --> D[ElevenLabs<br>Web画面・API]
    D --> E[音声ファイル<br>MP3・WAV など]
    D --> F[クレジットを消費]

よく調べられることを先にまとめます。

確認環境：料金・プラン・クレジットは ElevenLabs の料金ページ（elevenlabs.io/pricing と /pricing/api）、機能・モデル・設定・エラーは公式ドキュメント（elevenlabs.io/docs。日本語版がある箇所は日本語版）とヘルプセンター、商用利用・データの扱いは利用規約と禁止利用ポリシー（いずれも 2026年10月9日更新の版）で確かめました。API の呼び方は、Ubuntu 24.04.4・Python 3.11.15 に公式 Python SDK の elevenlabs 2.74.1（PyPI の最新、2026年10月22日時点）を入れ、ElevenLabs の API と同じパスとエラーの形を返す擬似サーバー（127.0.0.1:31100）を Python で作って、SDK と curl 8.5.0 から送ったリクエスト（URL・ヘッダー・JSON）と SDK の戻り値・例外を記録しました。音声の聞こえ方は公式ドキュメントの記述に基づきます（確認日 2026年10月22日）。

ElevenLabsとは（読み方・運営会社）

この節では、ElevenLabs が何のサービスで、誰が運営しているかが分かります。

ElevenLabs（イレブンラボ）は、AI で音声を作るサービスと、その会社の名前です。 文章の読み上げ（Text to Speech、略して TTS）がいちばん知られていますが、声のクローン、動画の吹き替え、効果音、文字起こし、電話やチャットで話す音声エージェントまで、音声に関わる機能を1つのアカウントで使えます。

公式の製品は大きく3つに分かれています。

日本では、2025年4月14日に日本法人の ElevenLabs Japan 合同会社（イレブンラボジャパン合同会社、東京都千代田区）が設立されています（ElevenLabs の公式ブログ）。料金はドル建てで、税は別です（料金ページ「Prices exclude all taxes, levies and duties.」）。

ElevenLabsでできること（6機能の早見表）

この節では、どの機能で何が作れて、API ではどのエンドポイントを呼ぶかが分かります。

API で呼ぶときの対応です（パスは API リファレンスで確認）。

このほか、話し声を別の声に変える Voice Changer、録音から雑音を取る Voice Isolator、iOS・Android のアプリがあります（ヘルプセンター）。

ElevenLabsは日本語に対応している？（モデルの選び方）

この節では、日本語で使えるモデルと、用途ごとの選び方が分かります。

日本語は、Eleven v4・Eleven v3・Multilingual v2・Flash v2.5 などの多言語モデルで使えます。 英語専用の Flash v2 では日本語は読めません。モデルの一覧（公式「Models」、2026年10月22日時点）から、読み上げのモデルを抜き出しました。

eleven_turbo_v2_5 と eleven_turbo_v2 は非推奨で、それぞれ Flash v2.5・Flash v2 に置き換えるよう案内されています。

迷ったときの選び方です。

公式は、v4 は v3 よりほとんどの場合で良い結果になるとしつつ、言語によって流暢さに差があるので、自分の声とコンテンツで試すよう書いています。数字・日付の読みは小さいモデル（Flash v2.5 など）ほど誤りやすいとされています。読みを整える設定は、後の「日本語をきれいに読ませる設定」の節にまとめました。

ElevenLabsの料金プランと無料プラン（2026年10月22日時点）

この節では、プランごとの月額・クレジット・できることの違いが分かります。

無料（Free）は月1万クレジットで、商用利用はできません。商用利用と声のクローンは月6ドルの Starter から使えます。 料金ページの表示（月払い・税別）です。

Enterprise は個別見積もりで、DPA・SLA、SSO、同時実行数の引き上げなどが付きます。年払いの切り替えもあります。

API で使うときの料金

API の料金ページは、モデルごとの「1,000文字あたり」の値段で書かれています。

ほかの機能の API 料金（同じページ）です。

同時に処理できるリクエストの数もプランで決まっています（公式「Models」の Concurrency の表。Multilingual v2 の値）。

料金ページの比較表では、Business の同時リクエスト数は 25 と表示されています。超えると 429 エラーになります（エラーの節）。

クレジットの数え方（日本語1文字は何クレジット？）

この節では、読み上げで減るクレジットの数え方と、文字数の数え方が分かります。

Web 画面の読み上げは、入力した1文字につき1クレジットです。 ヘルプセンターは、文字・数字・句読点・スペースはすべて数に入り、SSML のタグやオーディオタグ（[whispers] など）も数えると書いています。API で生成すると割引が効き、値段は上の API の表のとおりです。

日本語はバイト数ではなく文字数で数えます。Python の len() で数えた文字数と、UTF-8 のバイト数を並べました。

samples = [
    "こんにちは。",
    "本日のミーティングは15時からです。",
    "Hello, world!",
    "[whispers] ここだけの話です。",
    'ここで<break time="1.0s" />間を取ります。',
    "第1章　はじめに",        # 全角スペースを含む
]
for s in samples:
    print(f"{len(s):>3}文字 {len(s.encode('utf-8')):>3}バイト | {s}")

  6文字  18バイト | こんにちは。
 18文字  50バイト | 本日のミーティングは15時からです。
 13文字  13バイト | Hello, world!
 20文字  38バイト | [whispers] ここだけの話です。
 31文字  51バイト | ここで<break time="1.0s" />間を取ります。
  8文字  22バイト | 第1章　はじめに

オーディオタグの [whispers] だけで11文字、<break time="1.0s" /> は20文字ぶん増えます。 「、」「。」や全角スペースも1文字です。

API の残りは GET /v1/user/subscription の character_count（使った量）と character_limit（上限）で見られます（API の節に実物）。ボイスライブラリの一部の共有ボイスは、独自の倍率でクレジットが増えることがあります（ヘルプ「Have characters changed?」）。

ElevenLabsの商用利用の条件

この節では、作った音声を YouTube や製品に使ってよい条件が分かります。

有料プランの契約中に作った音声は、契約が終わったあとも商用に使えます。無料プランやサインインせずに作った音声は、商用には使えません。 ヘルプセンター「Can I publish the content I generate on the platform?」の内容です。

無料プランで作った音声は、あとで有料プランに入っても商用には使えません（有料契約の外で作ったものは商用利用できない、という説明のため）。商用で使う予定があるなら、有料プランに入ってから作ります。

どのプランでも、出力に必要な権利を持っていること、利用規約と禁止利用ポリシーに従うことが条件です。利用規約（2026年10月9日更新）は、出力の権利は原則として利用者に残る一方、同じような出力がほかの利用者にも生成されうること、出力を確かめてから使う責任は利用者にあることを定めています。

ElevenLabsの使い方（登録から音声のダウンロードまで）

この節では、Web 画面で最初の音声を作ってダウンロードするまでの流れが分かります。画面の名前は公式ドキュメントの日本語版の表記です。

音声ファイルの形式を変えたり、BGM と重ねたり、複数のファイルをつないだりするのは ffmpeg でできます。関連記事「ffmpegの使い方｜MOV→MP4変換・圧縮・切り出しを実測で解説」で扱っています。

日本語をきれいに読ませる設定（安定性・類似性・正規化）

この節では、日本語の読み上げを整える設定と、API で指定するときの名前が分かります。

まず、Web 画面のスライダー（日本語版の表記）と API の名前の対応です。

Eleven v4 では「スタイルの強調」と「速度」のスライダー、SSML は使えません（公式「Eleven v4」）。v3 でも速度・類似性・話者ブーストは使えません。v4 で Professional Voice Clone を使うと、代わりに「Clone Strength」が出ます（多くの声では 0% から始めるよう案内されています）。

間・読み・数字の扱い

• 1間は句読点と三点リーダーで作るv4・v3 は break タグに非対応。Multilingual v2 などは break time で最大3秒の間を入れられる
• 2話し方はオーディオタグで指示するv4 は [whispers]・[sighs]・[laughs] などの角かっこのタグに対応。効き方は完全ではないと公式も書いている
• 3数字・日付は正規化に任せるか、先に読みに直す正規化は全モデルで既定で有効。小さいモデルほど誤読しやすいので、前処理で「十五時」のように書き換える方法も公式が挙げている
• 4日本語専用の読み補正を試すAPI の apply_language_text_normalization は、今は日本語だけが対象。遅延が大きく増えると注意書きがある
• 5固有名詞の読みは発音辞書で固定するalias（別の綴りに置き換え）と phoneme に対応。v4 は IPA をスラッシュで囲んで書ける

API では、これらを1つのリクエストにまとめて指定します。SDK から擬似サーバーに送った本文です。

import os
from elevenlabs.client import ElevenLabs

client = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
audio = client.text_to_speech.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    text="2026年10月22日、第3四半期の売上は1,250万円でした。",
    model_id="eleven_v4",
    language_code="ja",
    apply_text_normalization="on",           # 数字などを読み下す（既定は auto）
    apply_language_text_normalization=True,  # 日本語の読みの補正（遅延が増える）
    seed=12345,                              # 同じ seed なら近い結果を狙える（保証はない）
)
open("ja.mp3", "wb").write(b"".join(audio))

--> POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb
    body: {"text":"2026年10月22日、第3四半期の売上は1,250万円でした。","model_id":"eleven_v4","language_code":"ja","seed":12345,"apply_text_normalization":"on","apply_language_text_normalization":true}

API リファレンスでは、language_code は Multilingual v2 では使えず、対応しないモデルでは無視されます。同じ設定でも生成のたびに少しずつ違う音声になり、seed は近づける助けになるだけで、同じ結果は保証されません。

声のクローン（Instant・Professional）と同意・規約

この節では、2種類のクローンの違いと、作る前に確かめる規約が分かります。

Professional Voice Cloning は自分の声しか作れません。 公式ドキュメントは「本人の同意があっても、他人の声はクローンできない」と書いています。作るときは、画面に出る文を読み上げて、声が本人のものかを確かめる手続きがあります。声を他の人に使ってもらいたいときは、本人が自分のアカウントで作って確認を通し、共有リンクで渡します。

Instant Voice Cloning では、保存の前に「声をクローンする権利と同意があることを確認する（confirm that you have the right and consent to clone the voice）」チェックを入れます。録音のコツとして、公式は次を挙げています。

• 長さは約1〜2分。3分を超えても良くなる幅は小さく、悪くなることもある。
• 残響・雑音の無い録音で、声の調子・演技・音質をそろえる（AI は話す速さ・息・雑音までまねる）。
• 音量は RMS で -23〜-18dB、ピークは -3dB が目安。形式は MP3（128kbps 以上）が推奨。

• 1クローンする声の本人から同意を得たかInstant でも権利と同意の確認が保存の条件。Professional は本人の声だけ
• 2録音素材の権利を確かめたか番組・映画・朗読 CD などの音声は、話者のほかに制作者などの権利が関わる。権利者の許諾と利用規約を確かめる
• 3禁止利用ポリシーの分野に当たらないかなりすまし・選挙・プライバシー・他者の権利・AI の透明性など12分野。未遂も違反と明記
• 4AI で作った声だと伝える場面かポリシーには「AI の透明性」の分野がある。配信先のプラットフォームの開示ルールも確かめる

公式は、生成した音声は作った利用者までたどれること、声の持ち主からの申し立ては審査して対応することを書いています。自分の声が無断で使われたと思ったときは、禁止利用ポリシーのページにある「Unauthorized Use of Voice」の窓口から報告できます。利用規約には、利用者の許可なく声だけを単独で商用化しないこと、入力した録音から作った声のモデルはアカウントから削除を求められることも書かれています。

ElevenLabs APIの使い方（curl・Python）

この節では、API キーの扱い方と、curl と Python で読み上げ・文字起こし・効果音を呼ぶ書き方が、実際に送られた中身つきで分かります。

API キーは、HTTP ヘッダー xi-api-key で送ります。 キーには、使えるエンドポイント（スコープ）・クレジットの上限・送ってよい IP アドレスを設定できます。許可していない IP からのリクエストは 403 になります。キーはブラウザやアプリのコードに入れず、サーバー側か環境変数に置きます（公式「Authentication」）。キーの置き方は、関連記事「.envの使い方と注意点｜APIキーを安全に管理する方法」で扱っています。キーをうっかり公開したときの手順は、関連記事「APIキーをGitHubにpushしてしまった時の対処手順」で扱っています。

curl で読み上げる

export ELEVENLABS_API_KEY="（ダッシュボードで作ったキー）"

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"こんにちは。株式会社RJCの技術ブログです。","model_id":"eleven_v4","language_code":"ja"}' \
  -D headers.txt --output speech.mp3

URL の先を擬似サーバーに変えて実行し、擬似サーバーが受け取った中身を記録しました。

--> POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128
    content-type: application/json
    content-length: 115
    xi-api-key: sk_test_…
    user-agent: curl/8.5.0
    accept: */*
    body: {"text":"こんにちは。株式会社RJCの技術ブログです。","model_id":"eleven_v4","language_code":"ja"}

読み取れることは次の3つです。

• voice_id は URL のパスに、output_format はクエリに入る。text と model_id は JSON の本文に入る。
• 本文は UTF-8 で 115 バイトだが、text は22文字。課金はバイト数ではなく文字数（22）で数える。
• model_id を書かないと、既定の eleven_multilingual_v2 になる（API リファレンス）。

成功すると本文が音声のバイト列で返るので、--output でファイルに保存します。API リファレンスによると、output_format は コーデック_サンプルレート_ビットレート の形で、既定は mp3_44100_128 です。mp3_44100_192 は Creator 以上、44.1kHz の PCM・WAV は Pro 以上が必要です。電話向けには ulaw_8000・alaw_8000 があります。

応答ヘッダーには、消費したコストの character-cost と、問い合わせに使う request-id が付きます（API リファレンス「Introduction」）。上の擬似サーバーは、ヘッダー名を合わせ、値は文字数を入れて返すように作りました。

HTTP/1.1 200 OK
Content-Type: audio/mpeg
character-cost: 22
request-id: mock-req-0001
Content-Length: 1024

Python SDK で読み上げる

公式の Python SDK を入れます。

pip install elevenlabs python-dotenv

import os
from elevenlabs import VoiceSettings
from elevenlabs.client import ElevenLabs

client = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))

audio = client.text_to_speech.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    text="本日のミーティングは15時からです。資料は前日までに共有します。",
    model_id="eleven_multilingual_v2",
    output_format="mp3_44100_128",
    voice_settings=VoiceSettings(stability=0.5, similarity_boost=0.75, style=0.0, use_speaker_boost=True, speed=1.0),
)

with open("out.mp3", "wb") as f:
    for chunk in audio:          # convert はバイト列のイテレーターを返す
        f.write(chunk)
print("saved out.mp3", os.path.getsize("out.mp3"), "bytes")

# レスポンスヘッダー（消費量・request-id）も見たいとき
raw = client.text_to_speech.with_raw_response.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    text="こんにちは。",
    model_id="eleven_v4",
    language_code="ja",
)
with raw as r:
    body = b"".join(r.data)
    print("character-cost =", r.headers.get("character-cost"), "| request-id =", r.headers.get("request-id"), "|", len(body), "bytes")

擬似サーバーに向けるため、ElevenLabs(...) に base_url="http://127.0.0.1:31100" を足して実行しました（本番では base_url を書きません。既定は https://api.elevenlabs.io）。

saved out.mp3 1024 bytes
character-cost = 6 | request-id = mock-req-0001 | 1024 bytes

（1024 バイトは、擬似サーバーが返したダミーのデータの大きさです。）擬似サーバーが受け取った1件目です。

--> POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128
    content-type: application/json
    content-length: 247
    xi-api-key: sk_test_…
    user-agent: elevenlabs/2.74.1
    accept: */*
    x-fern-sdk-version: 2.74.1
    x-fern-runtime: python/3.11.15
    body: {"text":"本日のミーティングは15時からです。資料は前日までに共有します。","model_id":"eleven_multilingual_v2","voice_settings":{"stability":0.5,"use_speaker_boost":true,"similarity_boost":0.75,"style":0.0,"speed":1.0}}

SDK は xi-api-key と、SDK の版を示す user-agent: elevenlabs/2.74.1 を付けていました。voice_settings は本文の中のオブジェクトとして送られ、このリクエストの間だけ保存済みの設定を上書きします。

公式のクイックスタートは from elevenlabs.play import play で再生する例を載せていますが、ファイルに保存するなら上のように convert の戻り値を順に書き出します。

文字起こし・効果音・残りのクレジット

同じクライアントで、ほかの機能も呼べます。

# 効果音
sfx = client.text_to_sound_effects.convert(text="木のドアを2回ノックする音", duration_seconds=3, prompt_influence=0.5)
print("sound effect:", sum(len(c) for c in sfx), "bytes")

# 文字起こし
with open("tone.wav", "rb") as f:
    tr = client.speech_to_text.convert(file=f, model_id="scribe_v2", language_code="ja", diarize=True, tag_audio_events=True)
print("stt:", type(tr).__name__, tr.language_code, tr.text)

# 残りのクレジット
sub = client.user.subscription.get()
print("subscription:", sub.tier, sub.character_count, "/", sub.character_limit)

擬似サーバーが受け取った中身です（文字起こしの戻り値は擬似サーバーの固定の応答）。

--> POST /v1/sound-generation
    content-type: application/json
    body: {"text":"木のドアを2回ノックする音","duration_seconds":3,"prompt_influence":0.5}
--> POST /v1/speech-to-text
    content-type: multipart/form-data; boundary=5afa811a3e1973d271cae1d4a45b8a98
    content-length: 32905
    parts: model_id, language_code, tag_audio_events, diarize, webhook_metadata, entity_detection, entity_redaction, file(file=tone.wav)  (32905 bytes)
--> GET /v1/user/subscription
    xi-api-key: sk_test_…

sound effect: 1024 bytes
stt: SpeechToTextChunkResponseModel jpn （擬似サーバーの固定の応答）
subscription: free 1234 / 10000

文字起こしだけは JSON ではなく multipart/form-data で送られます。 音声ファイルを file のパートに入れるためです。SDK 2.74.1 は、指定していない webhook_metadata・entity_detection・entity_redaction のパートも null という文字列で送っていました。curl で送るときは -F を使います。

curl -X POST "https://api.elevenlabs.io/v1/speech-to-text" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -F model_id=scribe_v2 -F language_code=ja -F diarize=true -F file=@meeting.wav

API リファレンスでは、文字起こしの file は 5.0GB 未満、num_speakers は最大32、応答は text・words（単語ごとの start・end・speaker_id）・language_code・language_probability です。効果音の duration_seconds は 0.5〜30 秒、省くと文から長さを決めます。手元の PC で文字起こしする方法は、関連記事「Whisper文字起こし｜Pythonコードとfaster-whisperの速さ比較」で扱っています。

環境変数は import の前に読み込む

SDK 2.74.1 の ElevenLabs() は、api_key を省くと、import した時点の環境変数 ELEVENLABS_API_KEY を使います。 import の後で環境変数を設定すると、キーが送られませんでした。

import os
from elevenlabs.client import ElevenLabs
os.environ["ELEVENLABS_API_KEY"] = "sk_test_valid"   # import の後で設定（load_dotenv() を後で呼んだのと同じ）
c = ElevenLabs()                                      # api_key を省略
c.user.subscription.get()

ApiError headers: {...}, status_code: 401, body: {'detail': {'type': 'authentication_error', 'code': 'missing_api_key', ...}}

api_key=os.getenv("ELEVENLABS_API_KEY") と明示して渡すと成功しました。公式のクイックスタートも、load_dotenv() の後で api_key=os.getenv(...) を渡す形です。

長い原稿を分けて読み上げる（文字数の上限）

この節では、1回の上限（v4 は 10,000 字）を超える原稿を、抑揚をつなげたまま分けて読み上げる方法が分かります。

原稿を文の切れ目で分け、前後の文を previous_text・next_text に渡します。 公式は、長文は分割して previous_text・next_text で流れを保つよう書いています。

import re
from elevenlabs.client import ElevenLabs

client = ElevenLabs(api_key="（キー）")

def split_text(text, max_chars):
    """句点（。！？）の後ろで区切り、max_chars 以下のかたまりにする"""
    sentences = re.findall(r".+?(?:[。！？]|$)", text, flags=re.S)
    chunks, buf = [], ""
    for s in sentences:
        if len(buf) + len(s) > max_chars and buf:
            chunks.append(buf)
            buf = ""
        buf += s
    if buf:
        chunks.append(buf)
    return chunks

text = "これは長い原稿の一文です。" * 2000          # 13文字 × 2000 = 26,000文字
chunks = split_text(text, max_chars=9000)
print("全体", len(text), "文字 →", [len(c) for c in chunks])

for i, c in enumerate(chunks):
    audio = b"".join(client.text_to_speech.convert(
        voice_id="JBFqnCBsd6RMkjVDRZzb",
        text=c,
        model_id="eleven_v4",
        previous_text=chunks[i - 1][-300:] if i > 0 else None,    # 前後の文脈で抑揚をつなぐ
        next_text=chunks[i + 1][:300] if i + 1 < len(chunks) else None,
    ))
    with open(f"part_{i + 1:02d}.mp3", "wb") as f:
        f.write(audio)
    print(f"part_{i + 1:02d}.mp3", len(audio), "bytes")

擬似サーバーに向けて実行した結果と、届いた3件の中身の長さです。

全体 26000 文字 → [8996, 8996, 8008]
part_01.mp3 1024 bytes
part_02.mp3 1024 bytes
part_03.mp3 1024 bytes

POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb | text 8996 | previous_text 0 | next_text 300
POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb | text 8996 | previous_text 300 | next_text 300
POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb | text 8008 | previous_text 300 | next_text 0

上限ちょうどではなく少し余らせ（9,000字）、文の途中で切らないようにしています。 前に作った音声の request-id を previous_request_ids（最大3件）に渡す方法もあり、同じモデルで使うと結果が最もよいとされています。分けたファイルは ffmpeg の concat でつなげます。previous_text・next_text が課金の文字数に入るかは、API リファレンスに記載がありません。生成のあとに character-cost ヘッダーで確かめられます。

ElevenLabs APIのエラーと直し方（401・402・429・quota_exceeded）

この節では、エラーの JSON の読み方と、ステータスごとの直し方、SDK の再試行の動きが分かります。

公式のエラー一覧（API「Errors」）によると、エラーの本文は detail の中に type・code・message・request_id が入る形です。status は今は使われていない項目（legacy field）で、code を見るよう案内されています。

{
  "detail": {
    "type": "validation_error",
    "code": "invalid_parameters",
    "message": "The 'keyterms' parameter is only supported with the 'scribe_v2' model. You specified 'scribe_v1'.",
    "status": "invalid_parameters",
    "request_id": "3c807fc4c3a1705f9638ecc764a91c01",
    "param": "keyterms"
  }
}

まず、何番が返ったかで直す場所を分けます。

flowchart LR
    A[ApiError の<br>status_code] --> C[401 キーを直す]
    A --> D[402 クレジットを足す]
    A --> E[429・5xx 待って送り直す]
    A --> F[400・404 中身を直す]

擬似サーバーを公式のエラー一覧と同じ形（detail.type・code）で返すように作り、SDK から5つの失敗を起こしました。

import time
from elevenlabs.client import ElevenLabs
from elevenlabs.core.api_error import ApiError

def tts(key, voice="JBFqnCBsd6RMkjVDRZzb", text="こんにちは。", model="eleven_v4"):
    c = ElevenLabs(api_key=key, base_url="http://127.0.0.1:31100")
    return b"".join(c.text_to_speech.convert(voice_id=voice, text=text, model_id=model))

def run(label, fn):
    try:
        out = fn()
        print(f"■ {label}: 成功 {len(out)} bytes")
    except ApiError as e:
        d = e.body.get("detail", {}) if isinstance(e.body, dict) else e.body
        print(f"■ {label}: {type(e).__name__} status_code={e.status_code}")
        print(f"  code={d.get('code')} message={d.get('message')}")

run("APIキーの間違い", lambda: tts("sk_wrong_key_123"))
run("クレジット不足", lambda: tts("sk_test_empty"))
run("voice_id の間違い", lambda: tts("sk_test_valid", voice="no_such_voice"))
run("文字数の上限超え", lambda: tts("sk_test_valid", text="あ" * 10001))
run("同時実行数の超過", lambda: tts("sk_test_valid", voice="busy"))

■ APIキーの間違い: ApiError status_code=401
  code=invalid_api_key message=Invalid API key
■ クレジット不足: ApiError status_code=402
  code=insufficient_credits message=This request requires 6 credits, but you only have 0 remaining.
■ voice_id の間違い: ApiError status_code=404
  code=voice_not_found message=A voice with voice_id 'no_such_voice' was not found.
■ 文字数の上限超え: ApiError status_code=400
  code=text_too_long message=Text is too long: 10001 characters (max 10000 for eleven_v4).
■ 同時実行数の超過: ApiError status_code=429
  code=concurrent_limit_exceeded message=Too many concurrent requests. Wait for in-flight requests to finish.

SDK はどの失敗も ApiError という1つの例外にし、status_code と、本文を辞書にした body を持たせます。 message の文面は擬似サーバーで書いたもので、本物とは違います。直すときは status_code と code で見分けます。

ヘルプセンターの「API - Error Code 429」は、同時実行数の超過を too_many_concurrent_requests という名前で説明しています。エラー一覧の concurrent_limit_exceeded と同じ状況です。直らないときは request_id とエラー文を添えて support@elevenlabs.io に連絡するよう、エラー一覧に書かれています。

Default voices（既定で用意された声）は 2026年12月31日に期限が切れ、新しい声に置き換わる予定です（公式「Voices」）。コードに voice_id を固定しているなら、使っている声が Default voices か確かめます。また、無料プランでは、ボイスライブラリの声を API から使えません。

429 は SDK が自動で送り直す？

SDK 2.74.1 のソースでは、JSON を返すメソッド（user.subscription.get() など）は、429・408・409・5xx のときに Retry-After ヘッダーの秒数だけ待って、最大2回まで自動で送り直します。一方、音声を返す text_to_speech.convert は送り直しませんでした。 擬似サーバーを「最初の2回は 429（Retry-After: 1）、3回目で成功」にして確かめました。

# 1回目の実行：client.user.subscription.get()
subscription.get: 成功 tier=free (2.0s)
--> GET /v1/user/subscription
--> GET /v1/user/subscription
--> GET /v1/user/subscription

# 2回目の実行（擬似サーバーを起動し直して）：client.text_to_speech.convert(...)
convert: ApiError status_code=429
--> POST /v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb

subscription.get() は 1秒ずつ2回待って3回目で成功し、convert は1回目の 429 でそのまま例外になりました。

読み上げで送り直すときは、自分で書きます。

import time
from elevenlabs.client import ElevenLabs
from elevenlabs.core.api_error import ApiError

client = ElevenLabs(api_key="（キー）")

def tts_with_retry(max_tries=4, **kwargs):
    """429（同時実行数の超過・混雑）と 5xx のときだけ、待って送り直す"""
    for n in range(1, max_tries + 1):
        try:
            return b"".join(client.text_to_speech.convert(**kwargs))
        except ApiError as e:
            if e.status_code not in (429, 500, 503) or n == max_tries:
                raise
            wait = float((e.headers or {}).get("retry-after") or 2 ** n)
            code = (e.body or {}).get("detail", {}).get("code")
            print(f"  {n}回目: {e.status_code} {code} → {wait:.0f}秒待って再送")
            time.sleep(wait)

t0 = time.time()
audio = tts_with_retry(voice_id="JBFqnCBsd6RMkjVDRZzb", text="テスト", model_id="eleven_v4")
print(f"成功 {len(audio)} bytes（{time.time() - t0:.1f}秒）")

  1回目: 429 concurrent_limit_exceeded → 1秒待って再送
  2回目: 429 concurrent_limit_exceeded → 1秒待って再送
成功 1024 bytes（2.0秒）

402（クレジット不足）・401・400 は、送り直しても結果が変わらないので再試行しません。 待ち時間の決め方は、関連記事「指数バックオフとは？リトライ間隔の決め方とジッターの実装」で扱っています。LLM の API で同じ考え方を使う例は、関連記事「LLM APIの429・529エラー対処｜リトライ実装とエラー一覧」で扱っています。

データの扱い（学習への利用・オプトアウト・ゼロ保持）

この節では、入力した文章や声が ElevenLabs でどう使われるかと、止め方が分かります。

利用規約（EEA 以外向け、2026年10月9日更新）の内容です。

API の enable_logging=false は「ゼロ保持モード」で、入力・出力のログを残さず、処理中のメモリにだけ置きます。使えるのは Enterprise の契約だけで、Instant・Professional Voice Cloning、Dubbing、Web 画面の操作は対象外です（公式「Zero Retention Mode」）。社外秘の原稿や個人情報を扱うときは、契約の種類と上の設定を先に確かめます。

ElevenLabsとほかの音声合成サービスの違い

この節では、クラウドの主な音声合成サービスと、料金の形・日本語・声のクローンを事実で比べられます。各社の公式ページで確かめた値です（2026年10月22日時点）。

Amazon Polly の日本語の声は Standard（Mizuki・Takumi）と Neural（Takumi・Kazuha・Tomoko）で、Long-form と Generative には日本語の声がありません。Polly の Neural の無料枠は最初の12か月、月100万文字です。Google Cloud の Instant Custom Voice は日本語に対応し、決められた日本語の同意文（「私はこの音声の所有者であり、Googleがこの音声を使用して音声合成モデルを作成することを承認します。」）の録音を条件にしています。Google Cloud は、日本語などのマルチバイト文字はバイト数ではなく1文字として数えると書いています。

ElevenLabsの解約・ダウングレード

この節では、解約したときにクレジットと作った音声がどうなるかが分かります。

解約・ダウングレードは、今の請求期間の終わりに効きます。使っていないクレジットは、その時点で失われます（ヘルプセンター「How do I downgrade or cancel my subscription?」）。有料プランの間に作った音声は、解約後も商用利用できます（商用利用の節）。iOS・Android のアプリから契約したときの解約・返金は、ヘルプセンターにアプリ用の別の記事があります。

よくある質問

Q. ElevenLabsの読み方は？ A. 「イレブンラボ」です。日本法人の名前も「イレブンラボジャパン合同会社」です。

Q. ElevenLabsは無料で使えますか？ A. Free プランで月1万クレジット（Web の読み上げで1万文字ぶん）まで使えます。商用利用と声のクローンはできず、公開するときはタイトルに「elevenlabs.io」などの表記が要ります。

Q. ElevenLabsは商用利用できますか？ A. Starter（月6ドル）以上の有料プランで、契約中に作った音声は商用利用できます。無料プランで作った音声は、あとで有料にしても商用には使えません。

Q. ElevenLabsは日本語に対応していますか？ A. Eleven v4・v3・Multilingual v2・Flash v2.5 が日本語に対応しています。API には日本語だけが対象の読み補正 apply_language_text_normalization もあります。

Q. ElevenLabsのクレジットは1文字いくつですか？ A. Web 画面の読み上げは1文字1クレジットで、句読点・スペース・オーディオタグも数えます。API は 1,000文字あたり 0.04〜0.08ドルの割引価格です。

Q. 他人の声をクローンしてもいいですか？ A. Professional Voice Cloning は本人の声しか作れず、同意があっても他人の声は作れません。Instant でも、声をクローンする権利と同意があることの確認が条件です。

Q. ElevenLabs APIは無料で使えますか？ A. Free プランのキーでも API は呼べ、月のクレジットの範囲で使えます。ただし無料プランではボイスライブラリの声を API から使えず、商用利用もできません。

Q. quota_exceeded と出たらどうすればいいですか？ A. クレジット不足です。Pay As You Go のクレジットを買うか、レガシープランなら従量課金を有効にするか、翌月にクレジットが戻るのを待ちます。今のエラー一覧では 402 insufficient_credits として載っています。

Q. 429 too_many_concurrent_requests の意味は？ A. 同時に送ったリクエストの数がプランの上限（Free は2、Starter は3）を超えた状態です。進行中のものが終わってから送り直すか、並列数を減らします。

Q. 入力した文章は学習に使われますか？ A. 規約上、サービスの改善に使われることがあります。アカウントの「Terms and Privacy」→「Data use」で学習への利用を止められます。ログを残さないゼロ保持モードは Enterprise の契約だけです。

Q. ElevenLabsで文字起こしはできますか？ A. できます。Scribe v2 で90以上の言語に対応し、話者の区別と単語ごとの時刻が付きます。API は 1時間 0.22ドルです。

Q. 解約したらクレジットはどうなりますか？ A. 解約は請求期間の終わりに効き、使っていないクレジットは失われます。

まとめ

• ElevenLabs（イレブンラボ）は、読み上げ・声のクローン・吹き替え・効果音・文字起こし・音声エージェントをまとめた AI 音声サービス。日本法人は 2025年4月に設立。
• 料金は Free（月1万クレジット）から Business（月990ドル）まで。商用利用と Instant Voice Cloning は Starter（月6ドル）から（2026年10月22日時点）。
• Web の読み上げは1文字1クレジット。句読点・スペース・タグも数える。余りは2か月分まで繰り越せ、解約時は失われる。
• 日本語は v4・Multilingual v2・Flash v2.5 などで使える。v4 は速度・スタイルのスライダーと SSML が使えない。数字は正規化か前処理で整える。
• 声のクローンは権利と同意が条件。Professional は本人の声だけ。
• API は xi-api-key ヘッダーで認証。SDK の text_to_speech.convert は 429 を自動で送り直さないので、再試行は自分で書く。

参考・出典

確認日はいずれも 2026年10月22日です。

• ElevenLabs「Pricing」：https://elevenlabs.io/pricing
• ElevenLabs「API Pricing」：https://elevenlabs.io/pricing/api
• ElevenLabs Docs「Models」：https://elevenlabs.io/docs/overview/models
• ElevenLabs Docs「Eleven v4」：https://elevenlabs.io/docs/overview/capabilities/text-to-speech/eleven-v4
• ElevenLabs Docs「Text to Speech」：https://elevenlabs.io/docs/overview/capabilities/text-to-speech
• ElevenLabs Docs「Best practices」（日本語版あり）：https://elevenlabs.io/docs/ja/overview/capabilities/text-to-speech/best-practices
• ElevenLabs Docs「テキスト読み上げ」（ElevenCreative、日本語版）：https://elevenlabs.io/docs/ja/eleven-creative/playground/text-to-speech
• ElevenLabs Docs「Voices」：https://elevenlabs.io/docs/overview/capabilities/voices
• ElevenLabs Docs「Voice cloning」：https://elevenlabs.io/docs/eleven-creative/voices/voice-cloning
• ElevenLabs Docs「Instant Voice Cloning」：https://elevenlabs.io/docs/eleven-creative/voices/voice-cloning/instant-voice-cloning
• ElevenLabs Help「Can I create a Professional Voice Clone of someone else's voice?」：https://elevenlabs.io/docs/help-center/product/voices/voice-cloning/can-i-create-a-professional-voice-clone-of-someone-elses-voice
• ElevenLabs Docs「Quickstart」：https://elevenlabs.io/docs/eleven-api/quickstart
• ElevenLabs API Reference「Authentication」：https://elevenlabs.io/docs/api-reference/authentication
• ElevenLabs API Reference「Introduction」：https://elevenlabs.io/docs/api-reference/introduction
• ElevenLabs API Reference「Create speech」：https://elevenlabs.io/docs/api-reference/text-to-speech/convert
• ElevenLabs API Reference「Create transcript」：https://elevenlabs.io/docs/api-reference/speech-to-text/convert
• ElevenLabs API Reference「Create sound effect」：https://elevenlabs.io/docs/api-reference/text-to-sound-effects/convert
• ElevenLabs API Reference「Dub a video or an audio file」：https://elevenlabs.io/docs/api-reference/dubbing/create
• ElevenLabs Docs「Errors」：https://elevenlabs.io/docs/eleven-api/resources/errors
• ElevenLabs Help「API - Error Code 400 or 401」：https://elevenlabs.io/docs/help-center/technical/api-error-code-400-or-401
• ElevenLabs Help「API - Error Code 429」：https://elevenlabs.io/docs/help-center/technical/api-error-code-429
• ElevenLabs Help「What are credits?」：https://elevenlabs.io/docs/help-center/account/general/what-are-credits
• ElevenLabs Help「How is character length calculated?」：https://elevenlabs.io/docs/help-center/account/general/how-is-character-length-calculated
• ElevenLabs Help「Have characters changed?」：https://elevenlabs.io/docs/help-center/account/general/have-characters-changed
• ElevenLabs Help「What happens when I run out of credits?」：https://elevenlabs.io/docs/help-center/account/general/what-happens-when-i-run-out-of-credits
• ElevenLabs Help「Can I publish the content I generate on the platform?」：https://elevenlabs.io/docs/help-center/legal/can-i-publish-the-content-i-generate-on-the-platform
• ElevenLabs Help「How do I downgrade or cancel my subscription?」：https://help.elevenlabs.io/hc/en-us/articles/24489536934673-How-do-I-downgrade-or-cancel-my-subscription
• ElevenLabs Docs「Zero Retention Mode」：https://elevenlabs.io/docs/eleven-api/resources/zero-retention-mode
• ElevenLabs Docs「ElevenAgents overview」：https://elevenlabs.io/docs/eleven-agents/overview
• ElevenLabs「Terms of Service」：https://elevenlabs.io/terms-of-use
• ElevenLabs「Prohibited Use Policy」：https://elevenlabs.io/use-policy
• ElevenLabs Blog「ElevenLabs、日本法人 ElevenLabs Japan 合同会社を設立」：https://elevenlabs.io/ja/blog/elevenlabs-establishes-japanese-subsidiary-elevenlabs-gk
• PyPI「elevenlabs」：https://pypi.org/project/elevenlabs/
• Amazon Polly「料金」：https://aws.amazon.com/polly/pricing/
• Amazon Polly Developer Guide「Available voices」：https://docs.aws.amazon.com/polly/latest/dg/available-voices.html
• Google Cloud「Text-to-Speech の料金」：https://cloud.google.com/text-to-speech/pricing
• Google Cloud「Chirp 3: Instant Custom Voice」：https://docs.cloud.google.com/text-to-speech/docs/chirp3-instant-custom-voice

株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。