AIナレーションの作り方｜無料で試せる声と、絵1枚でしゃべる動画

01

結論：AIナレーションは4つの手順。まず無料の声で試す

まず、全体の流れです。

いちばん大事なのは、1つ目の「読む文」です。

AI の声は、渡した文をそのまま読みます。漢字の読みを間違えたり、数字や英語の名前を思わぬ読み方をしたりします。

そこで、画面に出す字幕の文と、声に渡す文を分けておきます。 字幕は漢字のまま、声に渡す文は読みにくい所をひらがなにします。くわしくは「読み間違いを防ぐ」の章で、うちの実際の文を見せます。

2つ目の「声にする」には、AI の声の道具を使います。無料で試せる物は、2026年10月30日の時点で、次の3つがあります。

3つとも、日本語を読めます（各社の公式ページの対応言語に、日本語があります）。

ただ、無料の中身は少しずつ違います。HeyGen はプログラムから使う API だけ、ElevenLabs は商用利用ができない、Gemini は送った内容が Google の製品の改善に使われる、という具合です。くわしくは、このあとの章で説明します。

02

まず実物：AI の声で作ったアワタイムのショート

使い方の前に、実物を見てください。

アワタイムの YouTube チャンネル「アワタイム【AI動画のつくりかた】」のショートです。語り手のシルビオの声は、AI で作っています。

1本目は、HeyGen の無料の声の話です。2本目は、ElevenLabs の Chimera の話です。2本目のショートの映像は、ElevenLabs の公式の発表の動画を使っています（説明欄）。

どちらのショートも、説明欄に「この動画の顔・声・台本は AI で作っています」と書いています。シルビオの声は、Gemini（Google の AI）の声で作っています。口の動きは HeyGen です（長い回「AIインフルエンサーを作ってみた」の説明欄）。

1本目のショートの声は、次のように作りました（台本の記録）。

せりふは7行です。1行ずつ声にせず、7行を続けて1回で読ませ、あとで行ごとに切り分けました。

声は全体で1.25倍の速さにし、行と行の間は0.18秒にそろえています。字幕は、声の言葉が始まる秒に合わせて出しています。

なぜ1行ずつ作らないのかは、「アワタイムの声の作り方」の章で説明します。

03

AIナレーションとは？人の録音との違い

AI ナレーションは、文を AI の声で読み上げて作るナレーションです。文から声を作る技術は「音声合成」、英語では Text to Speech（TTS）と呼ばれます。

YouTube の解説やショート、研修やマニュアルの動画、広告の動画などで使われています。

アワタイムの AI動画制作でも、広告動画のプランに「AIナレーション・BGM」が入っています（AI動画制作のページのプランの表）。

人が録るナレーションと比べると、違いは次のとおりです。

AI の声のいちばんの良さは、直しが文字で済むことです。

台本の1行を変えたいとき、人の録音なら、話す人にもう一度録ってもらいます。AI の声なら、文を直して、その行だけ作り直せます。

一方で、AI の声は、漢字の読みを間違えることがあります。道具ごとに、商用で使える範囲も違います。この2つは、あとの章で説明します。

04

無料で試せる AI の声3つ（2026年10月30日時点）

無料で試せる3つを、公式のページで並べます。

HeyGen Voice Turbo Free：2026年11月30日まで0円（API だけ）

HeyGen は、AI のアバター（話す人）の動画を作れる道具の会社です。その HeyGen が、自社の声のモデル「HeyGen Voice」の速い版「Voice Turbo」を出しました。

公式ブログによると、API のモデル「heygen-voice-1-turbo-free」は、2026年11月30日まで、100万文字あたり0ドルです。クレジットカードは要りません。

ただし、無料なのは API（プログラムから使う入口）のモデルです。使うには、HeyGen のアカウントと、API キー（プログラムから使うための鍵）が要ります。

無料のあとは、Turbo が100万文字で4ドル、ふつうの HeyGen Voice が100万文字で15ドルです（公式ブログの表）。

ElevenLabs：月0ドルのプランがある（商用は不可）

ElevenLabs は、AI の声の会社です。料金のページには、月0ドルの「Free」のプランがあります。

Free のプランは、月1万クレジットです。画面での読み上げの目安は、約10分と書かれています。新しい声のモデル「Eleven v4」も使えます。

ただ、比べる表では、Free のプランは商用利用（Commercial use）が「×」です。商用利用は、月6ドルの「Starter」からです。

Gemini API：無料の枠がある（送った内容は改善に使われる）

Google の Gemini API にも、声を作る AI があります。たとえば「Gemini 3.8 Flash TTS」は、料金のページで、無料の枠（Free Tier）の入力も出力も「無料」です。

ブラウザの画面「Google AI Studio」からも試せます。

ただし、料金のページの表では、無料の枠は「製品の改善に使われる（Used to improve our products）」が「Yes」です。有料の枠では「No」です。社外に出せない台本は、無料の枠に入れないほうが安心です（編集部の見方）。

1日に使える回数などの上限は、Google AI Studio で見られる、と公式のページにあります。

05

HeyGen Voice Turbo を無料で使う手順（API）

HeyGen の無料の声は、API から使います。プログラムを書いたことがなくても、手順は4つです。

1. アカウントを作る：HeyGen のアカウントを作ります。カードは要りません（公式ブログのよくある質問）。
2. API キーを作る：HeyGen の開発者向けの画面「API keys」で、キーを作ります。キーは人に見せない物です。
3. 声を選ぶ：HeyGen が用意した声（パブリックの声）から選びます。声の見本は、公式の「プレイグラウンド」の画面で、コードを書かずに聞けます。
4. 文を送る：モデルに「heygen-voice-1-turbo-free」を書いて、文を送ります。返ってくるのは、WAV（音のファイル）のリンクです。

公式の例をもとにした、送り方のひな形です。

curl -X POST "https://api.heygen.com/v3/models/audio/tts" \
  -H "X-Api-Key: $HEYGEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "heygen-voice-1-turbo-free",
    "voice_id": "選んだ声の ID",
    "text": "声に読ませる文",
    "language": "ja"
  }'

公式の例の声は「Nadine」です。日本語の文なら、言葉の欄に「ja」を書きます。書かないときは、HeyGen が文から言葉を読み取ります（公式の開発者向けのページ）。

「無料」の中身（公式ブログ）

公式ブログの「What "free" means（無料の意味）」には、次の3つが書かれています。

• 2026年11月30日まで無料：変えるときは前もって知らせる、とあります。
• ベストエフォート：動く時間や速さの約束はありません。無料の枠がいっぱいのときは「429」が返る（断られる）ので、あとでもう一度送ります。
• 声：パブリックの声と、自分で作った「インスタントの声」が使えます。プロ用の声のクローンは、有料の「heygen-voice-1」が要ります。

開発者向けのページには、ほかの上限も書かれています。

上のショート（HeyGen の回）で声に渡した文は、7行で210字でした（台本の文を数えた）。1回に5,000字まで送れるので、ショート1本分なら、まとめて1回で送れます。

11月30日のあとは、有料の Turbo に切り替えると100万文字で4ドルです。1,000字なら0.004ドルです（計算）。モデルの名前を「heygen-voice-1-turbo」に変えるだけで、ほかは同じ送り方です。

プログラムを使わず、HeyGen の画面で動画を作る人は、料金のページのプランを見ます。月0ドルの Free のプランは、月3本・1本1分まで・透かし入りです。月29ドルの Creator には「HeyGen Voice（最大10時間の読み上げ）」が入っています（HeyGen の料金のページ）。

HeyGen の使い方と料金の全体は、「【2025年最新版】HeyGenを徹底解説！料金、日本語対応、商用利用まで完全ガイド」にまとめています。

06

ElevenLabs で作る：Eleven v4 と、無料・有料の違い

ElevenLabs は、プログラムを書かずに、ブラウザの画面で声を作れます。文を貼り、声を選んで、作るボタンを押すだけです。

新しい声のモデルは「Eleven v4」です。公式のページでは、v3 より、声の正確さ・感情・話し方がよくなった、としています。対応する言葉には、日本語も入っています。

Free と、いちばん安い有料の Starter を比べます。

仕事の動画に使うなら、Starter 以上が前提です。Free は、声の感じを試す所と考えてください。

Eleven v4 で気をつけること

Eleven v4 の公式のページには、使う前に知っておきたいことが書かれています。

• SSML（読み方を指定するタグ）は使えません。 速さや話し方の「つまみ」もありません。
• 「[whispering]（ささやく）」のような音声タグで、話し方を指示できます。ただ、いつも指示どおりになるとは限らない、とあります。
• 特別な読みは、IPA（発音記号）を「/」で囲んで書く方法があります。声や言葉によって結果は変わるので、大事な言葉は先に試してください、とあります。

日本語の読みを直すなら、いちばん確実なのは、声に渡す文をひらがなにすることです。これは「読み間違いを防ぐ」の章で説明します。

07

声から動画まで：絵1枚とせりふでしゃべる動画（ElevenLabs Chimera）

声ができたら、次は動画です。ElevenLabs は、声からしゃべる動画まで作る「Chimera（キメラ）」を出しました。

ElevenLabs の公式アカウント「ElevenCreative」が、2026年10月21日に X で発表しています。使い方は、次の4つです。

声は、用意された声から選ぶか、キャラに合わせて作ります。話し方は、[whispers]（ささやく）・[laughs]（笑う）・[yells]（叫ぶ）のような音声タグで指示できる、とあります（公式の発表）。

中身は、2つのモデルの組み合わせです。声は ElevenLabs の「Eleven v4」、動画は「Seedance 2.5」です（公式の発表）。

声の会社が、動画まで作るようになった、ということです。

Chimera は、ElevenCreative の「テンプレート」の1つとして使います（公式の発表のリンク先）。テンプレートは、画像・動画・声・音楽などのモデルを、1つの流れにつないだ物です。

ここで大事な注意が、公式のドキュメントにあります。

• テンプレートは、無料を含む全部のプランで使えます。でも、動画を作るのは有料のプランだけです。
• この機能は、まだベータ（試しの段階）です。

作るボタンには、材料を入れると、見込みのコスト（estimated cost）が出ます（公式のドキュメント）。押す前に見てください。テンプレートは、Web とスマホのアプリから使えます。API から動かすには、Pro のプラン以上が要ります。

アワタイムでは、このショートを作った時点（2026年10月27日）で、Chimera で動画を作っていません。有料の生成なので、試していません。ショートの映像は、ElevenLabs の公式の発表の動画です。

話す人（アバター）の動画を作る道具は、ほかにもあります。HeyGen と Synthesia の使い方は、「HeyGen の記事」と「Synthesia（シンセシア）とは？」にまとめています。

08

読み間違いを防ぐ：声に渡す文はひらがなで

AI の声で、いちばん多い失敗は読み間違いです。漢字には読みが2つ以上ある物があり、AI がどちらで読むかは、作ってみるまで分かりません。

アワタイムでは、声に渡す文と、画面の字幕を分けて書きます。 字幕は漢字のまま、声に渡す文は、読みにくい所をひらがな・カタカナにします。

上のショート（HeyGen の回）の、実際の文です。

ポイントは3つです。

1. 数字は、読み方で書く：「11月30日」は「じゅういちがつさんじゅうにち」。日付・金額・型番は、読み方が1つに決まるように書きます。
2. 英語の名前は、カタカナで書く：「HeyGen」は「ヘイジェン」。名前の読みを、声の道具に任せません。
3. 読点（、）で、区切りを入れる：息つぎをしてほしい所に「、」を入れます。

数字の読みも、決めておきます。アワタイムでは、たとえば「2.1」は「にーてんいち」と読ませる、と決まりに書いています。

道具の機能で、読みを指定する方法

道具によっては、文の中で読み方を指定する機能もあります。

• Google Cloud の Text-to-Speech は、SSML という書き方で、読みを指定できます。「sub」のタグに読み（alias）を書くと、その読みで読みます。日本語にも使えます。日本語の発音を「phoneme」のタグで書くときは、「yomigana」を指定します。
• ElevenLabs は、発音の辞書（Pronunciation dictionaries）に、言葉と読みの組を登録できます（Studio などで使えます）。
• Eleven v4 と HeyGen Voice は、SSML が使えません（HeyGen Voice は、プロ用の声の「間」のタグだけ）。

道具ごとに書き方が違い、使えない道具もあります。ひらがなで渡す方法なら、どの道具でも同じように使えます。 アワタイムがひらがなで渡しているのは、このためです。

09

アワタイムの声の作り方：まとめて作って、同じ声に固定する

アワタイムの YouTube では、語り手の声を AI で作っています。チャンネルごとに、決めている作り方があります。

1. 読む文を作る：字幕の文と、声に渡す文を分けます（前の章）。
2. 声を固定する：チャンネルと役に合う声を決め、声の ID（番号）で固定します。回ごとに声を変えません。途中で別の人の声に聞こえるのを防ぐためです。
3. まとめて作る：1行ずつ作らず、場面ごと、または残り全部を1回で作ります。
4. 行に切る：できた声を、行ごとに切り分けます。
5. 聞いて直す：台本と並べて、頭から終わりまで聞きます。読み間違い・別の人に聞こえる行・前のせりふが混ざった行だけを、作り直します。

まとめて作る理由は、2つあります。

1つは、声の API には、1日に作れる回数の上限があることです。アワタイムが使っている声の API でも、1行ずつ作ると、すぐに上限に届きます。

もう1つは、短く分けて作ると、頭の行だけ声が明るく高くなることがあるからです（うちで作って分かったこと）。ただし、1回が長すぎても、途中で声が変わったり、前のせりふが混ざったりします。1回の長さは、道具ごとに試して決めています。

声を ID で固定するのは、いつ作っても同じ人の声にするためです。たとえば Gemini API では、言葉で説明して作った声を、ID 付きで保存できます。1つのプロジェクトに200まで、最後に使ってから1年で消える、と公式のページにあります。

仕上げでは、動画の音の大きさをそろえます。アワタイムの YouTube では、書き出したあとの音量を −14 LUFS にそろえ、測って確かめています。

10

仕事で使う前に：商用利用・声の権利・AI の表示

AI の声を、会社の動画や広告に使うときは、先に確かめることがあります。

1. 商用利用：ElevenLabs の Free のプランは、商用利用が「×」です。HeyGen の無料の API と Gemini API の無料の枠も、使う前に、それぞれの規約で商用の範囲を確かめてください。
2. 声のクローン：自分の声から AI の声を作る機能があります。HeyGen の「インスタントの声」は1つの録音から作れて、いまは無料です（公式の開発者向けのページ）。Gemini API で人の声をまねるときは、元の声と、同意の録音が要ります。
3. 実在の人の声：有名人など、ほかの人の声に似せた声を、本人の許可なく使わないでください。アワタイムでは、実在の人の声をまねる登録は使っていません。
4. 無料の枠：Gemini API の無料の枠では、送った内容が製品の改善に使われます（料金のページ）。
5. AI の表示：アワタイムの動画は、説明欄に「この動画の顔・声・台本は AI で作っています」と書き、YouTube の設定でも AI で作ったことを示しています。

料金や決まりは、よく変わります。仕事で使う前に、その日の公式のページで確かめてください。

11

自分で作るか、アワタイムに頼むか

ここまで読んで、「自分でも作れそう」と思った人は、ぜひ試してください。手順と注意は、この記事のとおりです。

一方で、仕事の動画では、声は全体の一部です。

動画を1本仕上げるには、声のほかに、構成を考え、映像を作り、字幕と BGM を入れて、直しをくり返します。読み間違いの確認や、声の高さ・音量をそろえる作業もあります。

アワタイムの広告動画のプランには、AI ナレーションと BGM、テロップ・ロゴ入れが入っています。AI で構成と映像の素材を作り、編集とテロップはアワタイムが受け持ちます。ナレーションや音も含めて、伝わる動画に仕上げます（AI動画制作のページ）。

アワタイムの AI 動画は、1本3万円〜・最短3日で初稿です（日数は素材の確認のあとから。内容で変わります）。

AI 動画で、できること・できないことの全体は「【AI動画制作】できること・できないことは？」にまとめています。

12

よくある質問

13

まとめ

AI ナレーションのポイントは、次の3つです。

AI ナレーションは、読む文を作り、声にして、動画に合わせ、字幕を付ける、の4つの手順で作れます。

無料で試すなら、HeyGen の Voice Turbo Free（2026年11月30日まで）、ElevenLabs の Free のプラン、Gemini API の無料の枠があります。仕事で使うなら、商用利用ができるプランと、声の権利を確かめてください。

声だけでなく、絵1枚とせりふでしゃべる動画を作る ElevenLabs の Chimera も出ています。いまは有料のプランだけで、ベータです。

関連記事：

• 【AI動画制作】できること・できないことは？メリットと外注の決め方
• 【2025年最新版】HeyGenを徹底解説！料金、日本語対応、商用利用まで完全ガイド
• Synthesia（シンセシア）とは？（AI アバターの動画の道具）
• 【Claudeで動画編集】まだポチポチ編集してる？爆速で終わらせる方法