近年、自分の声そっくりのAI音声を作成し、テキスト読み上げに利用できるサービスが続々と登場しています。英語はもちろん日本語にも対応したサービスが増え、コンテンツ制作やアクセシビリティの向上に大きく寄与しています。本稿では、自分の声をクローンしてテキストを読み上げるAI音声生成サービスについて、無料・有料を問わず幅広く調査し、それぞれの特徴を比較します。サービスごとに以下の情報を整理し、表形式でまとめています。

  • サービス名と提供元
  • 対応言語（英語・日本語対応状況など）
  • 自分の声を再現する方法（音声サンプルのアップロード、録音手順 等）
  • 利用可能なプラットフォーム（Web、Windows、Mac、iOS、Android 等）
  • 無料プランの有無と価格体系（最新の料金プラン）
  • 商用利用可否（生成音声の商用利用が可能か）
  • 特徴（自然な読み上げ精度、カスタマイズ性、音質、編集機能 等）
  • 注意点（登録や審査の必要性、利用条件や制約 等）
目次 [ close ]
  1. 日本語対応の音声クローンAIサービス
    1. CoeFont Cloud（提供：CoeFont株式会社）
    2. ElevenLabs（提供：ElevenLabs社）
    3. Resemble AI（提供：Resemble AI）
    4. Murf AI（提供：Murf Inc.）
    5. Genny (旧称 LOVO)（提供：Govo Tech / LOVO）
    6. Rask AI（提供：Rask AI）
    7. iMyFone VoxBox（提供：Shenzhen iMyFone Technology）
    8. AITalk® あなたの声（提供：株式会社エーアイ）
    9. VoxDo（提供：WooTechy）
    10. Filmora AIボイスクローン（提供：Wondershare）
  2. 日本語未対応だが注目すべき音声クローンAIサービス
    1. Descript Overdub（提供：Descript, Inc.）
    2. Respeecher（提供：Respeecher LLC）

日本語対応の音声クローンAIサービス

まず、日本語の音声合成・読み上げに対応している主要サービスを紹介します。日本語に対応していれば英語など多言語にも対応していることが多いため、国際的な利用も視野に入れられます。

CoeFont Cloud（提供：CoeFont株式会社）

CoeFont（コエフォント）は東京工業大学発のスタートアップが提供する、日本語に特化した高品質音声合成プラットフォームです 。わずか5分程度（約50文）の録音で自分の声のAIモデルを作成でき、自然な抑揚や間の取り方まで再現した音声合成が可能です 。既存の有名声優やナレーターなど1万種以上のAI音声も利用可能で、多言語の音声ライブラリも豊富です 。

項目内容
サービス名CoeFont Cloud（コエフォント・クラウド）
提供元CoeFont株式会社（日本） 
対応言語日本語（特に自然な発話に最適化）、英語・中国語・フランス語・スペイン語等 （多言語対応）
自分の声の再現方法Web上でユーザー自身が**約5分間の音声（50文程度）**を録音してアップロードし、AI音声を生成 。録音した声の特徴を学習したカスタム音声を作成できる。
利用可能プラットフォーム**クラウド（Webブラウザ）**で利用可能。生成音声はWeb上でテキスト入力して合成。専用の「CoeFont Interpreter」機能やボイスチェンジャー機能もブラウザから利用可能 。
無料プランあり（Freeプラン）。個人の非商用利用限定で、初回800文字分まで全ての音声を試用可能（以降は無料音声のみ使用可） 。自分の声のAIモデル作成も無料で可能 。
価格体系Standardプラン ¥3,300/月（約80,000文字/月まで） 。Plusプラン ¥55,000/月（100万文字/月まで、API利用可）など複数 。※文字数超過分は従量課金（例：0.05円/文字） 
商用利用有料プランで商用利用可（クレジット表記不要） 。Freeプランの生成音声は非商用利用のみで、音声に「voiced by coefont.cloud」のクレジットが自動付与 。
特徴日本語音声の抑揚や間合いが極めて自然 。有名声優の声など豊富な既成AI音声が使える 。自分の声で作成したAI音声を公開・収益化する機能（マーケットプレイス）も提供 。他者の声へのボイスチェンジ機能や、会議でリアルタイム翻訳する機能（Cross-Language Meeting）も搭載 。
注意点ユーザー登録が必要。Freeプランは商用利用不可かつクレジット表記が必要 。自声クローン作成時は5分程度の音声収録が必要になる。セキュリティ面ではSOC2 Type2認証取得済みで企業利用にも安心 。

ElevenLabs（提供：ElevenLabs社）

ElevenLabsは高度な音声合成とクローン技術で知られる海外サービスです。英語話者向けに始まりましたが日本語を含む70言語以上に対応するマルチリンガル音声合成モデルを提供しています 。特に、文章の内容から感情表現を合成音声に付与できる点が特徴で、喜怒哀楽を込めた読み上げが可能です 。

項目内容
サービス名ElevenLabs (ElevenLabs Prime Voice AI)
提供元ElevenLabs社（米国）
対応言語英語（米・英・豪ほか）を中心に、日本語を含む30言語以上 （最新モデルでは70言語以上に拡張）
自分の声の再現方法ユーザー専用の**「VoiceLab」機能で音声クローンを作成。数十秒～数分の自分の肉声サンプルをアップロードし、AIモデルが声質を学習する。Instant Cloning（短時間のサンプルで即時クローン）と、より高精度なProfessional Cloning**（30分以上の音声で学習）の2種類を提供 。
利用可能プラットフォームWebブラウザ上のアプリ、および音声合成API。専用アプリはなく、Web経由でWindows/Mac問わず利用可能。
無料プランあり（Free）。月1万文字相当までの音声合成が可能 。ただし無料プランでは生成音声の商用利用不可・出力に要クレジット表記 。音声クローン機能は無料プランでは利用不可（Starter以上が必要） 。
価格体系Starterプラン $5/月（約3万文字/月） – 商用利用可・Instantクローン利用可 。Creatorプラン $22/月（約10万文字/月） – Professionalクローン等が利用可能 。他にPro ($99/月)、大規模向けScaleやEnterpriseプランあり。
商用利用Starterプラン以上で商用利用可能（音声の利用ライセンス込み） 。無料プランの出力音声は非商用のみで、アップグレードしても無料期間中生成分は商用利用できない 。
特徴合成音声の自然さと表現力で評価が高い。文脈から声色を調整し、感情を込めた読み上げが可能 。音声合成の処理速度が速く、インタラクティブな文章読み上げにも適する。多数のプリセットAIボイスも用意され、多言語間で同一のクローン音声を使ったナレーション生成も容易。
注意点ユーザー登録とクレジットカード登録が必要（無料枠利用でも））。声クローン機能の利用には契約プランへの加入が必要（無料では不可） 。クローン作成時には本人確認のための音声キャプチャ手順がある（他人の声の不正利用防止策）。無料プランは出力音質やボリュームに一部制限あり（例：128kbps MP3出力のみ） 。

Resemble AI（提供：Resemble AI）

Resemble AIはカナダ発の音声クローンプラットフォームで、わずか3分程度の音声データから高品質なクローンボイスを生成できることを謳っています 。150以上の言語に対応した多言語音声合成が可能で 、1つのクローン音声から他言語の読み上げも行えるクロスランゲージ機能が特徴です。また開発者向けAPIやモバイルSDKも充実しており、アプリやゲームへの組み込み用途にも利用されています。

項目内容
サービス名Resemble AI
提供元Resemble AI（カナダ）
対応言語英語・日本語を含む150言語以上 （単一のクローン音声で多言語読み上げ可能）。
自分の声の再現方法Web上または専用アプリからクローン作成。クリアな音声サンプルをアップロードするか、用意された25の文章を読み上げて録音することでモデルを生成 。10秒程度の音声から迅速にクローン作成する「Rapid Voice Cloning」機能と、より長時間の音声（数十分以上）で精密に学習する「Professional Voice Cloning」の2段階を提供 。
利用可能プラットフォームWebブラウザ（管理コンソール）、API/SDK（各種言語対応）、**モバイルアプリ(iOS/Android)**で録音・プレビュー可能 。またUnity向けSDKやリアルタイム音声変換（Speech-to-Speech）機能もあり 。
無料プランあり（Pay-as-you-goの無料枠）。初回150秒分の音声合成クレジットが付与され、以降は従量課金（1分あたり約$0.03〜$0.006、モデルによる） 。無料で25文の録音によるクイック音声クローン体験が可能 。
価格体系従量課金制が基本（クレジットを購入して使用、未使用分は繰越可） 。ほか月額プランとして、月$19のCreatorプラン（15,000秒分含む、3つのRapidクローン+1つのProクローン作成可） や、$99のProfessionalプラン等を用意 。エンタープライズ向けに大容量・オンプレミス対応プランもあり 。
商用利用商用利用可（生成音声の知的財産権は利用者に帰属）。無料枠利用分も商用利用可能だが、規約に沿った声の使用（権利を有する声のみクローン）に限られる。企業利用の場合は契約によりユーザーデータをAI学習に使わない設定も可能 。
特徴きわめて高精細な音声再現が可能で、抑揚・間・癖など細部まで忠実 。生成したクローン音声で149+言語のテキストをシームレスに読み上げ可能 。自分の声を入力すると同じ声質で別の文章を喋らせる**Speech-to-Speech（音声変換）機能もユニーク 。また、録音音声中の一部単語をAI音声で差し替える「Resemble Fill」**のような編集機能も提供。
注意点サービス利用には登録と音声のアップロードが必要。不特定多数の声クローン作成は禁止されており、声の所有者の許諾が求められる 。生成音声の検出ウォーターマークやAIクローン検知技術も提供されており、不正利用対策に力を入れている 。

Murf AI（提供：Murf Inc.）

Murf（マーフ）はプロ向けのナレーション作成に人気のあるAI音声プラットフォームです。従来は200以上の高品質な合成ナレーション音声を多言語で提供していましたが、近年ユーザー自身の声をクローンする機能も追加されました 。20言語以上に対応した多言語クローンが可能で 、生成した自声クローンで英語・日本語含む様々な言語のテキストを読み上げられます。

項目内容
サービス名Murf AI（Murf Studio）
提供元Murf Inc.（米国）
対応言語英語・日本語を含む20言語以上 （クローンした声で多言語ナレーション可能）。
自分の声の再現方法Murf Studio上でクローン作成を申請。ユーザーはあらかじめ用意した自分の声の録音ファイルをアップロードするか、その場で一定時間録音する 。Murfのエンジンがその声を学習し、高精度なクローン音声を生成。※現時点ではエンタープライズ契約者向け機能として提供されている可能性あり（公式サイト上で声クローンは主に法人向けに案内 ）。
利用可能プラットフォーム**クラウド（Webブラウザ）**で提供。ブラウザ上の「Murf Studio」でテキスト入力から音声合成まで完結。生成した音声はMP3等でダウンロード可能。※Windows向けには生成音声をシステム音声としてインストールするツールも提供 。
無料プランあり。Freeプランでは32種類のAI既成音声と10分間のボイス生成枠が提供される （音声出力にウォーターマークが付き非商用用途のみ）。無料登録後、クレジット10分分の無料トライアルが利用可能 。
価格体系Creatorプラン 月額$19（または$23）程度～（月120分程度の音声生成、追加料金でクローン機能利用可） 。Businessプラン 月額$66～（より長時間の生成枠とチーム機能） 。※年間契約で割引有。エンタープライズプランでは声クローン含む高度機能が提供。
商用利用有料プランで商用利用可。Creatorプラン以上では生成音声の商用利用権（商用ライセンス）が付与され、クレジット表記や追加料金なく動画・広告等に利用可能 。無料プランの出力はウォーターマークが付与され商用利用不可。
特徴音声合成の品質とコストパフォーマンスに定評。200以上の高品質AI音声がライブラリに用意されており、テキストを入力するだけで多彩なナレーションが可能 。声クローン機能では声の感情表現や話速も忠実に再現され、「オリジナルと聞き分けがつかない」品質を目指すとされています 。また、音声のピッチや速度の調整、エフェクト追加など編集機能も充実 。
注意点声クローン機能は公式には法人向けソリューションとしてアピールされており、一般ユーザーの場合は利用申請や上位プラン加入が必要な可能性があります 。利用時はクラウド上に音声データをアップロードするため、機密性の高い声データの扱いには注意が必要。

Genny (旧称 LOVO)（提供：Govo Tech / LOVO）

LOVOは元々、100種類以上のAI合成音声を提供するテキスト読み上げサービスとして登場し、近年プラットフォーム名を「Genny」に改めています。Gennyではユーザー自身の声をクローンする**「Voice Lab」**機能を備え、5つまでのカスタム音声を簡単に作成できます 。対応言語は100言語以上に及び、合成した自分の声で多言語のコンテンツを作成することも可能です。

項目内容
サービス名Genny (LOVO AI)
提供元Govo Tech（旧社名 LOVO AI、米国）
対応言語100以上の言語に対応 （500種類以上の既成音声を用意）。クローン音声も多言語で使用可能。
自分の声の再現方法Gennyプラットフォーム内の**「Voice Lab」でクローン作成。指定された文章を数分間読み上げて録音するだけで、AIが声の特徴を学習し音声クローンを生成 。Basicプランで最大5つ、Proプランでは無制限**の音声クローンを作成可能 。
利用可能プラットフォームWebアプリケーション（ブラウザ上のGenny Studio）。Windows/Mac問わず利用可。Gennyはオンライン動画エディタ機能も統合しており、音声合成と映像編集を一体的に行える。
無料プラン無料トライアル期間あり。クレジットカード登録で一定期間機能を試用可能（期間内に解約可）。その後は有料プラン契約が必要。
価格体系Basicプラン 月額$24（年間一括払い時） – 音声生成2時間/月、音声クローン5個まで等 。Proプラン月額$48（年間払い時） – 音声生成5時間/月、クローン無制限、チーム機能等 。この他、大量利用向けのPro+プランや企業向けEnterpriseプランあり 。
商用利用全プランで商用利用可能（Basicプランでも商用利用権含む） 。生成音声を動画や配信に自由に利用できる。ただし利用規約上、声の権利を侵害する使い方は禁止。
特徴合成音声の品質が高く、DirectableなPro V2音声と呼ばれる感情表現やニュアンスを指示可能な高度な音声モデルを提供 。音質調整やノイズ除去、字幕生成など映像制作向け機能も豊富 。AIが台本や画像・効果音の生成も支援するなど、音声以外も含めたコンテンツ制作統合プラットフォームとなっている 。
注意点ブラウザ上で動作が完結する分、処理が重い場合がある（大量の音声生成時は処理待ち時間が発生することも）。無料利用できる範囲は限定的で、本格利用には有料プラン契約が前提。

Rask AI（提供：Rask AI）

Raskは動画の自動翻訳・吹き替えプラットフォームで、オリジナル音声の話者の声質を保ったまま他言語で吹き替えるAI技術を特徴としています。アップロードした動画から話者の声をクローンし、例えば日本語の動画を英語音声に差し替える際にも元の話者本人が英語を話しているかのような音声を生成できます 。日本語にも対応しており、YouTubeや教育コンテンツの多言語化に活用されています。

項目内容
サービス名Rask AI
提供元Rask AI（米国）
対応言語日本語を含む130言語以上（字幕翻訳ベースの対応言語数）。音声クローンを用いた吹替は現在29言語で可能 （日本語⇔英語・中国語・ドイツ語…等主要言語を網羅）。
自分の声の再現方法動画アップロード方式：ユーザーが動画ファイルをアップすると、自動で元音声を文字起こし→翻訳→指定言語への音声吹替までを行う 。この際、オリジナル話者の声をAIがクローンし、翻訳後の言語で同じ話者の声質による合成音声を生成 。ユーザー側で個別に音声サンプルを用意する必要はなく、動画内の音声から自動抽出される。
利用可能プラットフォームWebブラウザ（Raskのオンラインスタジオ）およびAPI。アップロード・編集・出力はクラウド上で完結。大量処理向けにREST APIで自動化も可能 。
無料プランあり（Free Trial）。無料トライアルでは3本までの動画をアップロード可能で、それぞれ1分間のみ吹替結果を取得できる 。クレジットカード不要で試用可。
価格体系Basicプラン・Proプラン・Businessプランのサブスクリプション制（各プランで月あたり利用可能な吹替分数が異なる）。追加分は**1分あたり$2（Basic）～$1（Business）**程度の従量課金 。※具体的な月額料金はプランにより異なるが、AI吹替1分あたり約$1～$2が目安。
商用利用商用利用可能。生成される吹替音声・翻訳字幕は契約プラン内で商用コンテンツに使用できる。ただし著作権や声の肖像権に関しては元コンテンツの権利者の許諾が必要。
特徴字幕翻訳から音声吹替まで自動化できる点が最大の特徴。オリジナルの声色や話し方を保った吹き替え音声により、視聴者に違和感を与えにくい 。また字幕編集や専門用語の訳語指定など細かな調整機能もあり、企業のグローバル向けコンテンツ制作を効率化する 。
注意点動画中の音声品質が低いとクローン性能も下がるため、なるべくクリアな音声で録音された動画素材が望ましい。翻訳AIの精度に完全に依存するため、専門分野の翻訳結果は適宜ユーザーが編集確認する必要がある。無料トライアルでは一度に得られる吹替結果が1分のみである点に注意。

iMyFone VoxBox（提供：Shenzhen iMyFone Technology）

iMyFone VoxBox（アイマイフォン VoxBox）は、PCやスマートフォンで利用できる多機能音声合成ソフトです。テキスト読み上げや音声編集に加え、「音声クローン」機能で自分の声を忠実に再現できるのが特長です 。日本語・英語・中国語など25言語以上に対応しており 、自分の声を合成すればそれらの言語で自分の声風ナレーションを作成できます。

項目内容
サービス名iMyFone VoxBox
提供元Shenzhen iMyFone Technology（中国）
対応言語25言語以上（日本語、英語、中国語ほか主要言語） 
自分の声の再現方法PCソフト/モバイルアプリ上で音声クローンを作成。方法は2通りあり、(1)自分の声の音声ファイルをアップロード、または(2)画面に表示されるサンプルテキストを読み上げて録音する 。録音時間は数分程度で、アップロード or 録音後「クローン作成」をクリックするとクラウド処理が行われる 。処理完了後、3種類のクローン音声が自動生成されるので、好みのものを選んで保存できる 。
利用可能プラットフォームWindows・Mac用デスクトップアプリ、およびiOS・Android用モバイルアプリを提供 。ソフトをダウンロード・インストールして使用。
無料プランあり。ソフトの無料体験版では一定範囲の機能を試用可能。音声クローン機能も少数回であれば試せるが、出力音声に透かし（ボイスタグ）が入る。
価格体系有料版ライセンス（買い切りまたはサブスクリプション）。例：1ヶ月プラン2,480円、永年ライセンス9,980円（価格は変動あり）。有料版では全機能・全音声が無制限利用可。
商用利用商用利用可（有料版購入時に商用利用ライセンス付与）。ただし第三者の声をクローンする場合は権利上問題ないことが前提。
特徴PCオフラインでも動作するため、ネット環境がなくても音声合成可能（一部処理はクラウド要)。クローン精度も高く、声質・イントネーション・話し方の癖まで学習し高品質な音声を生成する 。他にもノイズ除去や録音・編集、テキスト→音声と音声→テキスト相互変換など一通りの機能を備える 。
注意点処理の一部にクラウド接続が必要なため、音声データをアップロードすることに抵抗がある場合は留意（プライバシーポリシー上は安全に扱うと明記）。無料版では機能・利用回数に制限があり、本格利用にはライセンス購入が必要。

AITalk® あなたの声（提供：株式会社エーアイ）

AITalk®シリーズで知られる株式会社エーアイが提供する**「あなたの声」サービスは、専門スタッフ立ち会いのもと録音スタジオであなたの声を収録し、高精度な個人向け音声合成モデルを作成してくれるサービスです。日本語音声合成エンジンAITalk®の技術を用いており、感情やイントネーション、話速、抑揚まで細かく調整できる非常に自然で表現力豊かな自分の声の再現**が可能です。

項目内容
サービス名AITalk® 「あなたの声®」
提供元株式会社エーアイ（日本）
対応言語日本語（※個人向けサービスは日本語特化。エーアイ社は別途英語等のAITalk Internationalエンジンも持つ）。
自分の声の再現方法エーアイ社指定の録音スタジオでプロのスタッフ立会いのもと音声を収録。用意された台本テキストを数時間かけて読み上げ、膨大なサンプル音声を取得してAIモデルを作成する。素人でも安心して臨めるようサポートがあり、収録から導入（モデル納品）まで手厚い支援を受けられる。
利用可能プラットフォーム音声モデル完成後、エーアイ社からPC用の専用ソフトウェア（AITalk®声の職人 相当）やWeb API等の形で提供される 。ユーザーはそれを使ってテキスト読み上げを行う。
無料プランなし。完全カスタムのサービスであり有料受注制作となる。
価格体系個別見積もり（数十万円規模）。録音・モデル作成費用として高額だが、その分クオリティとサポートが充実。
商用利用利用者本人による非営利利用を基本想定（自分の声を失う病気の方が自分の声を残す等のケース）。商用利用を希望する場合は別途相談・契約が必要。法人向けには同等品質でAITalk® Custom Voiceサービスを提供 。
特徴日本語における最高峰クラスの音声再現精度。特定の単語や名前も辞書登録で正確に発音可能で、テキストにルビ指定もできるため読み間違いがない。専用スタッフのディレクションにより録音の質も高く、完成した合成音声は人間さながらの表現力を発揮する。録音データと完成モデルはエーアイ社が厳重管理し、将来にわたって自分の声を残せる安心感がある。
注意点価格が高価で誰もが気軽に使えるサービスではない。録音にまとまった時間が必要で、東京など指定スタジオに出向く必要がある。納品まで数週間～数ヶ月を要する場合もあり、即時利用したいケースには不向き。

※エーアイ社は上記「あなたの声」の簡易版ともいえる**「coestation®（コエステーション）」という個人向けアプリも提供しています 。こちらはスマホで指定文を読み上げるだけで自分の声のAI分身を生成でき、生成後はテキスト読み上げ時に話速やイントネーション、感情**を調整して読み上げさせることが可能です 。精度はプロ収録に比べれば劣るものの、手軽さ重視のサービスとして存在します。

VoxDo（提供：WooTechy）

VoxDo（ボックスドゥ）は比較的新しく登場した音声クローンツールで、たった3つの文章を録音するだけでAIが声を学習し、リアルなクローンボイスを生成できることを謳っています 。対応言語は100以上、用意されたAI音声スタイルは3,000種類以上とされ 、生成した自分の声を多言語ナレーションにも活用できます。個人の動画制作やオンライン講座、ポッドキャストなどで手軽に使えるよう設計されています。

項目内容
サービス名VoxDo
提供元WooTechy（中国）
対応言語日本語・英語含む100言語以上
自分の声の再現方法専用のデスクトップソフト or モバイルアプリ上で、指示されるわずか3つの短い文章を録音するだけ 。その音声からAIが瞬時に声質を学習し、自分の声のクローンモデルを生成する。
利用可能プラットフォームWindows/Mac用ソフト、およびAndroid/iOSアプリを提供（推定）。WooTechy社の公式サイトからダウンロードして利用。
無料プランあり。無料トライアルで音声クローン機能を試用可能。満足できない場合の15日間返金保証も提供されている 。
価格体系詳細なプランは非公開だが、ソフトウェア購入型で数千円程度（プロモーション価格）との情報もある。定期的に割引キャンペーンを実施。
商用利用商用利用可（ライセンス購入者は自分の生成音声を商用プロジェクトに使用可能）。ただし有名人の声をクローンしての公開利用などは禁止事項となっている。
特徴クローン作成が非常に手軽で高速（録音わずか数十秒～1分程度）。多彩な既成AIボイスから声色を選んで自分の声を吹き替えるボイスチェンジャー機能も搭載されている 。ワンクリックでノイズ除去や音質調整もでき、録音環境が整っていなくてもクリアな音声が得られる。初心者にも分かりやすいインターフェースで、専門知識不要で使える。
注意点新興のソフトのため、合成精度やサポート体制の評価は発展途上。公式サイトには誇張気味の表現も見られるため、過度な期待は禁物。無料試用で十分に品質を確認した上で導入を検討するとよい。

Filmora AIボイスクローン（提供：Wondershare）

動画編集ソフトで有名なFilmora（フィモーラ）にも、AIボイスクローン機能が統合されています。Filmora上で30秒～数分の自分の声を録音するとAIが声を学習し、その声でテキスト読み上げナレーションを自動生成できます 。対応言語は16言語に及び、生成音声のトーン（感情）も再現可能なので、動画に臨場感のあるナレーションを自動で付けることができます 。

項目内容
サービス名Filmora （バージョン12以降の新機能としてAIボイスクローン搭載）
提供元Wondershare（中国）
対応言語16言語（詳細な対応言語リスト非公開だが、日本語・英語・スペイン語・フランス語・中国語など主要言語をカバー ）
自分の声の再現方法Filmora内蔵のAIボイスクローン機能を使用。ソフト上で案内されるスクリプトを30秒～数分間録音することでAIが声を学習し、クローン音声モデルを生成 。生成後はテキストを入力するだけで、自分の声でナレーション音声を自動生成可能。
利用可能プラットフォームデスクトップアプリケーション（Windows / Mac版Filmora）。Filmoraをインストールして利用。
無料プランFilmora自体に無料体験版あり（ただし出力動画に透かしが入る制限あり）。AIボイスクローン機能も無料版で試用は可能。
価格体系Filmoraのライセンス購入が必要（個人向け年間プラン7～8000円程度、買い切り永続版も有）。追加でAI機能利用にクレジット制を採用する可能性あり（2023年時点ではライセンス内で利用可との情報）。
商用利用有料ライセンスを取得すればFilmoraで作成したコンテンツ（AI音声含む）を商用利用可能。ただし第三者の権利を侵害しない範囲で。
特徴動画編集ソフトに統合された機能のため、映像と音声を一括制作できる利便性が高い。BGMや効果音と組み合わせてタイミングよくナレーションを入れる作業が容易。声の感情やトーンもある程度コントロール可能で、より人間らしい語りを付加できる 。また、他にボイスチェンジャー機能や音声翻訳機能も備え、1つのソフトで様々なAI機能を活用できる。
注意点処理に高いGPU性能が要求される場合があり、PCスペックによっては時間を要することがある。また16言語対応とはいえ、英語ほどの合成精度が各言語で出るかは未知数。Filmora自体の習熟も必要で、純粋なオンラインサービスに比べ初学コストは高い。

日本語未対応だが注目すべき音声クローンAIサービス

続いて、現時点で日本語音声の合成には未対応または不得意なものの、独自の強みで注目されるサービスを紹介します。英語圏向けやプロフェッショナル用途で高い評価を得ているものが中心です。

Descript Overdub（提供：Descript, Inc.）

Descriptは音声・動画編集ソフトですが、Overdubと呼ばれる音声クローン機能を備えています。主に英語話者向けで、自分（やゲスト）の声をAIで学習させておくことで、録音後に発覚した台詞のミスなどをテキスト編集で補完できるユニークなツールです 。例えばポッドキャスト収録後に一部言い間違いがあった場合でも、Overdubで修正したい文章をタイプすれば自分の声で欠落部分を合成できます。

項目内容
サービス名Descript Overdub
提供元Descript, Inc.（米国）
対応言語英語（UIは多言語対応だが、音声クローンは英語話者向け。一部スペイン語などもベータ対応との情報あり）
自分の声の再現方法Descriptアプリ内で指定の原稿テキストを読み上げて録音する。10分程度の音声収録が推奨されており、そのデータをクラウドに送信してAIモデルを生成（Lyrebird技術を使用）。セキュリティのため録音中に専用の辞句を含め、本人の声であることの確認プロセスがある 。
利用可能プラットフォームデスクトップアプリ（Windows, Mac）。現在β版のWeb版エディタもあり。
無料プランあり。無料プランでは1時間分の文字起こしや720p動画書き出しなど基本機能に加え、Overdubは1000語までの語彙に制限されたクローン音声が利用可能 。
価格体系Creatorプラン $15/月（10時間の文字起こし等含む） – Overdub機能は引き続き1000ワード語彙制限付き 。Proプラン $30/月 – Overdubの**語彙制限が撤廃（無制限）**され、より高度な編集機能が利用可能 。
商用利用商用利用可能（利用者が自分のコンテンツ内でOverdub音声を使うことを想定）。ただし声の権利者の許可無く他人の声をクローンする行為は禁止されている。
特徴音声編集をテキストドキュメント感覚で行える画期的な編集UIが強み。Overdubによりポッドキャストやナレーションの微修正が容易になり、再収録の手間を省ける 。また文字起こし・ノイズ除去・BGM調整などAI機能が統合されており、オールインワンの編集ツールとして評価が高い。
注意点Overdubのクローン品質は英語話者で最適化されており、日本語などは事実上未対応。利用時には規約に沿った本人確認（他人の声を無断クローンしないための確認プロセス）を経る必要がある。無料版ではOverdubが1000語までという制約があるため、長文を合成するにはProプラン以上が必須。

Respeecher（提供：Respeecher LLC）

Respeecher（リスピーチャー）はハリウッドでも採用例のある高品質音声合成/変換サービスです。特徴は**音声入力に対して別の声に変換（Voice-to-Voice変換）するアプローチで、映画『スター・ウォーズ』で若きルーク・スカイウォーカーの声を再現するために使われたことでも知られています 。任意の声をクローンするプロジェクトベースの受託サービスに加え、最近では特定の有名人声などを提供する「Voice Marketplace」**も開設しています。

項目内容
サービス名Respeecher
提供元Respeecher LLC（ウクライナ）
対応言語主に英語を中心とする。※技術的には多言語の発話にも対応可能で、外国語の話者アクセントや歌声まで再現可能とされる 。公式には対応言語一覧は公開されていない。
自分の声の再現方法受託制作：クライアントが提供する十分な量の音声データ（数十分～数時間）を元にRespeecher側でAIモデルをトレーニングし、クローン音声を作成。音声入力を別声質に変換するSpeech-to-Speechモデルとして提供されることが多い 。また、開発者向けにはテキスト読み上げAPIも提供されており、クローン声で直接TTSを行うことも可能 。
利用可能プラットフォーム主にカスタムプロジェクトとして提供。案件ごとにモデルを納品し、必要に応じてPro Tools用プラグイン やクラウドAPI で利用。一般ユーザー向けにはWeb上のVoice Marketplaceで用意されたクローン音声を試すことができる 。
無料プランなし。Voice Marketplaceで一部のAI合成ボイスを試聴可能だが、個別のクローン声作成は有料受託のみ。
価格体系プロジェクト毎のカスタム見積。映画やゲーム向けなど高クオリティが要求される案件に対応するため、コストは高額（数千ドル規模）になる傾向。定額の一般プランは無し。
商用利用商用利用前提のサービス。顧客と契約を交わした上でクローン音声を提供し、著名人の声などの場合は権利処理も含めてサポートする。厳格な倫理基準を掲げており、声の無断複製は行わない方針 。
特徴圧倒的な音声再現のクオリティ。笑い声や歌声でさえもリアルに再現でき、合成音声と気付かれないレベルの完成度を追求 。特に感情や表現力の再現に優れ、俳優の演技ニュアンスまで保持したまま別人の声に変換可能 。ハリウッドやゲーム業界など高度なニーズに応えるため、データセキュリティやプロジェクト支援も手厚い 。
注意点一般消費者が気軽に使う類のサービスではなく、プロ向けの受託色が強い。納期も数週間〜が想定され、リアルタイム利用には専用ソリューションが必要（Respeecherはリアルタイム変換にも対応する技術を発表しているが、それも法人向け) 。また倫理面・法律面の配慮から、声の利用には必ず本人の同意が必要であり、利用用途も審査される場合がある。

各サービスとも特徴や強みが異なり、用途や予算に応じて選択肢が変わってきます。精度重視であればCoeFontやAITalk®系、ElevenLabs、Respeecherなどが候補になりますし、手軽さやコスト重視であればVoxBoxやVoxDo、Filmoraのようなものが魅力的です。また商用利用を考える場合は、利用規約で商用可か、クレジット表記の要否、料金プラン上の制限などを確認する必要があります。サービスによっては無料プランで試用できても商用利用不可のケース もあるため注意が必要です。

最後に、自分の声をAIに学習させる際はプライバシーと権利の管理も重要です。他者に成りすます用途は禁止されているのが通常で、各サービスとも本人確認や利用申請を求めるケースが見られます 。自分自身の声であっても、一度クラウドにアップロードしたデータがどう扱われるか、セキュリティ対策やデータ削除方針まで公式情報を確認しておくことが安心につながります 。

以上、主要な音声クローンAIサービスについて、その特徴と注意点を比較しました。技術の進歩はめざましく、今後さらに日本語対応のサービスや精度向上が期待できます。自分のニーズに合ったサービスを見極め、安全に活用していきましょう。