> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# ElevenLabs ドキュメント

## ElevenLabs の仕組み

ElevenLabs は、テキスト読み上げ、スピーチtoテキスト、ボイスクローン、会話型エージェント、生成オーディオを提供する AI音声インフラです。対象者に応じて、4つの方法で利用できます。

**[ElevenCreative](/docs/ja/eleven-creative)** は、クリエイター、プロデューサー、編集者がブラウザ上でボイスオーバー、音楽、吹き替え、スタジオプロジェクトを直接生成できるノーコードのウェブアプリケーションです。

**[ElevenAgents](/docs/ja/eleven-agents)** は、会話型音声エージェントを設計・運用するためのプラットフォームです。非技術者向けのビジュアルビルダーと、デベロッパー向けの完全なプログラム制御を備えています。

**[ElevenAPI](/docs/ja/eleven-api)** は、すべての機能を REST インターフェースとして提供します。公式の Python および TypeScript SDK により、デベロッパーは自社のアプリケーションやワークフローに音声を組み込めます。

**[Reception AI](/docs/ja/reception-ai)** は、中小企業向けにすぐ導入できる AI電話受付です。電話対応、予約受付、日常業務の管理を1つのダッシュボードで行えます。

### 基本概念

**音声**は、オーディオ生成で使用する話者の個性です。各音声には固有の ID があり、たとえば `JBFqnCBsd6RMkjVDRZzb` のような ID をダッシュボードで選択するか、API リクエストで指定します。ElevenLabs は [10,000種類以上の音声ライブラリ](https://elevenlabs.io/app/voice-library) を提供しています。オーディオ録音から音声をクローンしたり、テキストによる説明から生成したりすることもできます。

**モデル**は、生成されるオーディオの品質、レイテンシー、対応言語を制御します。[`eleven_v4`](/docs/ja/overview/models) は90以上の言語で最も表現力豊かな出力を生成します。[`eleven_v4_turbo`](/docs/ja/overview/models) は、推論レイテンシーの中央値が約100msで、リアルタイム用途に適しています。スピーチtoテキスト、音楽、サウンドエフェクトなど、各機能には専用モデルがあります。

**クレジット**は、すべてのプロダクトで共通して使用する消費単位です。テキスト読み上げは、入力テキスト1文字につき1クレジットです。その他の処理は、処理したオーディオの秒数に応じて課金されます。クレジットは毎月リセットされ、未使用分は最大2か月繰り越されます。詳細は[料金](https://elevenlabs.io/pricing/api)をご覧ください。

## 用途を選択

[![](/docs/_fern-img/12097a437e55f60c199946cf59c9528eb8349d110142394833d67fe93b50e68d.webp)](/docs/ja/eleven-creative/overview)

### ElevenCreative

ステップごとのガイドで ElevenCreative プラットフォームの使い方を学ぶ

[![](/docs/_fern-img/7375358c43ac5dd1a170937123f0874e01b3d8b6cf178c282805588a11d39593.webp)](/docs/ja/eleven-agents/overview)

### ElevenAgents

ElevenLabs でエージェントを構築、公開、スケールする方法を学ぶ

[![](/docs/_fern-img/002b2432fa6ab18befc9f1a6e7fadf348f46506a5a5a72a2358ba1e7f92d8ded.webp)](/docs/ja/eleven-api/quickstart)

### ElevenAPI

例とチュートリアルで ElevenLabs API の統合方法を学ぶ

## モデルを見る

#### [Eleven v4](/docs/ja/overview/models#eleven-v4)

最も感情豊かで高品質な音声合成モデル

優れたボイスクローン機能

90以上の言語に対応

文字数上限：10,000文字

自然な複数話者の対話に対応

#### [Eleven v4 Turbo](/docs/ja/overview/models#eleven-v4-turbo)

最も感情豊かでリアルタイムな音声合成モデル

超低レイテンシー（推論レイテンシーの中央値：約100ms†）

優れたボイスクローン機能

90以上の言語に対応

きめ細かな制御を可能にするオーディオタグ

#### [Eleven v3](/docs/ja/overview/models#eleven-v3)

感情豊かで表現力に優れた音声合成モデル

ドラマチックな話し方とパフォーマンス

70以上の言語に対応

文字数上限：5,000文字

自然な複数話者の対話に対応

#### [Eleven v3 Conversational](/docs/ja/overview/models#eleven-v3-conversational)

表現力に優れたリアルタイム音声合成モデル

低レイテンシー（約280ms）

ドラマチックな話し方とパフォーマンス

70以上の言語に対応

きめ細かな制御を可能にするオーディオタグ

#### [Eleven Multilingual v2](/docs/ja/overview/models#multilingual-v2)

自然で一貫した高品質の音声合成モデル

自然な音声出力

29言語に対応

文字数上限：10,000文字

長文生成で最も安定

#### [Eleven Flash v2.5](/docs/ja/overview/models#flash-v25)

高速で手頃な価格の音声合成モデル

超低レイテンシー（約75ms†）

32言語に対応

文字数上限：40,000文字

高速モデルで、API生成の1文字あたりの価格が50%低減

#### [Scribe v2](/docs/ja/overview/models#scribe-v2)

最先端の音声認識モデル

90以上の言語で高精度な文字起こし

最大1,000語のキータームプロンプティング

65種類のエンティティを検出

自然言語の指示による文字起こしの編集

高精度な単語レベルのタイムスタンプ

最大32人の話者ダイアライゼーション

動的なオーディオタグ付け

スマートな言語検出

#### [Scribe v2 Realtime](/docs/ja/overview/models#scribe-v2-realtime)

リアルタイム音声認識モデル

90以上の言語で高精度な文字起こし

リアルタイム文字起こし

低レイテンシー（約150ms†）

高精度な単語レベルのタイムスタンプ

65種類のエンティティを検出

自然言語の指示による文字起こしの編集

#### [Scribe v2 Medical](/docs/ja/overview/models#scribe-v2-medical)

臨床オーディオ向けに微調整された音声認識

Scribe v2と比べて臨床オーディオの文字起こしエラーが35%少ない

日常会話ではScribe v2と同等の精度

Scribe v2と同じ機能、対応言語、料金、API

[すべて見る](/docs/ja/overview/models)

† アプリケーションとネットワークのレイテンシーを除く

## 機能から探す

テキスト読み上げ

テキストを自然な音声に変換

スピーチtoテキスト

話し声のオーディオをテキストに文字起こし

音楽

テキストから音楽を生成

テキストtoダイアログ

テキストから自然な会話を作成

画像＆ビデオ

テキストから画像とビデオを生成

ボイスチェンジャー

音声を編集・変換

ボイスアイソレーター

バックグラウンドノイズから音声を分離

吹き替え

オーディオとビデオをシームレスに吹き替え

サウンドエフェクト

映画のようなサウンドエフェクトを作成

音声

カスタム音声をクローン・デザイン

音声リミックス

既存の音声を変換・強化

強制アラインメント

テキストをオーディオにアラインメント

スピーチエンジン

あらゆるものに音声を追加

ElevenAgents

インテリジェントな音声エージェントを導入

プライベートデプロイメント

自社クラウドで ElevenLabs を実行