無料でAI音声クローンを作るやり方

AI音声クローンは、オープンソースモデルを使えば数分で、しかも無料で作れます。「無料」とうたいながら実際には無料ではないベンダーのランディングページとは違います。このガイドでは本当に無料の2つの方法、ChatterboxとOpenVoice V2に加え、最も安く使える有料の選択肢、ElevenLabs（イレブンラボ）のStarterプラン（$6/月）も紹介します。

「AI 音声クローン 無料」で検索すると、出てくるのはほとんどがベンダーのマーケティングページです。トップページでクローン機能を大きく宣伝していても、実際に使おうとした瞬間に有料プランへ誘導されるツールは珍しくありません。このガイドで扱うのは、検証済みで本当に無料なものだけです。公式のHugging Faceデモ上で動くオープンソースモデルで、サインアップもカード登録も不要です。

始める前に必要なもの

以下のどの方法を選んでも、無料のオープンソースモデルでも有料ツールでも準備は同じです。スマホか簡易USBマイク、静かな部屋、そして30秒〜2分のクリアな音声、これだけです。ツールごとの違いはアップロードの段階から先で生まれます。

録音機材。 スマホや簡易USBマイクで十分で、スタジオ機材は必要ありません。それより重要なのは静かな部屋です。これらのモデルは参照クリップに入っているものをそのままコピーするため、声だけでなく背景音やエコーまで再現してしまいます。

静かな場所。 扇風機の音や交通騒音、他の人の話し声が入らない場所で録音しましょう。服がぎっしり詰まったクローゼットや小さなカーペット敷きの部屋の方が、開放的なリビングより向いています。柔らかい素材がエコーを抑えてくれるからです。

30秒〜2分のクリアな音声。 ここで紹介するほとんどのツールにとって、これが最適な長さです。音楽や背景音を入れず、普段の話し方で1〜2段落を声に出して読みましょう。方法によってはもっと短くて済むものもあり、5秒程度で足りるケースは各方法のステップで説明します。

方法1：Chatterboxで無料で音声をクローンする

Chatterbox（および高速版のChatterbox Turbo）は、Resemble AIが公開しているオープンソースの音声クローンモデルで、MITライセンスで提供されています。つまり期限付きの無料トライアルではなく、個人利用・研究・商用プロジェクト（クローズドソース製品を含む）まで無料で使えるということです。短い参照クリップからゼロショットで声をクローンでき、ファインチューニングや学習の実行は不要です。

音質・レイテンシ・料金を有料の代替ツールと横並びで比較したい方は、ElevenLabs vs Chatterbox TTS徹底比較を参照してください。

方法2：OpenVoice V2で無料で音声をクローンする（日本語ネイティブ対応）

OpenVoice V2は、MyShellとMIT研究者チームによるもう1つのオープンソースの選択肢で、こちらもMITライセンス（2024年4月から商用利用も対象）で公開されています。Chatterboxに対する最大の強みは対応言語の広さです。英語・スペイン語・フランス語・中国語・日本語・韓国語をネイティブでサポートしており、1つの参照クリップさえあれば、この6言語のどれでもクローンした声で読み上げさせられます。つまり英語の音声サンプルから日本語の読み上げが可能ということで、日本語話者にとってはこれが最大のメリットです。

方法3：ElevenLabsで$6/月から本格的な音声クローンを解放する

MITライセンスの条文を自分で読み解く手間をかけずに、洗練されたインターフェースと商用ライセンスを手に入れたいなら、ElevenLabsが実際に使える最安の有料の選択肢です。無料プランの中身ははっきりさせておく価値があります。テキスト読み上げ、音声認識、効果音、Voice Designは使えますが、音声クローンは一切含まれず、商用ライセンスもありません。Starterプラン（$6/月・30,000クレジット）が、Instant Voice Cloningと商用ライセンスの両方を解放する最初のプランです。

クローン以外のテキスト読み上げの選択肢も知りたい方は、ベストAI音声ジェネレーター比較でより幅広いツールとユースケースを扱っています。

「無料」を謳うAI音声クローンツールの実態は？

音声クローンを大々的に宣伝していながら、実際には無料で使えない有名どころもあります。Murfはクローン機能をEnterpriseプランの営業相談の先に隠しており、Speechifyの無料プランはマーケティングとは裏腹にクローンを含まず、ElevenLabsの$0プランはテキスト読み上げまでしか対応していません。それぞれの実際の料金を見ていきましょう。

Murf AI： 音声クローンはEnterprise限定のCustom Voice Clonesアドオンで、「Contact Sales」の先にしかありません。Free（音声生成10分の買い切り、クローンなし）、Creator（$19/月・年払い）、Business（$66/月・年払い）のどのプランにも含まれていません。Murfには自分でクローンできるセルフサービスの手段が、どの価格帯にも存在しません。

Speechify： マーケティングページは「Try Voice Cloning, it’s free」と宣伝していますが、公式の料金ページは違う話を語っています。Freeプランには「No Voice Cloning」と明記されており、クローンが使えるのはStudio Starterプラン（$100/年）からです。

ElevenLabsの無料プラン自体： 最もよく誤解される点なので、改めて確認しておきます。$0プランは月10,000クレジットをTTS、音声認識、効果音に使えますが、音声クローンはゼロで商用ライセンスもありません。

音声クローンに実際どれくらいの長さの音声が必要？

5秒から3時間まで幅があります。Chatterboxのようなゼロショットツールは約5秒から動作し、ElevenLabsのInstant Voice Cloningは1〜2分、プロ品質のクローンには30分〜3時間が必要です。クリアな音声が多いほど、より正確で安定したクローンになり、その差は耳で分かるレベルです。

数秒（ゼロショット）： ChatterboxとOpenVoice V2はどちらも学習ステップなしで、短いクリップから動作します。品質はそこそこで、手軽なテストや短いクリップ、個人プロジェクトには十分ですが、短いサンプルほど、トーンやペースの細かな違和感が目立ちます。

1〜2分（インスタントクローン）： ElevenLabsのInstant Voice Cloningはこの長さで学習されており、5秒のゼロショットサンプルよりも明らかに安定した自然なクローンが得られます。品質を重視するなら、ほとんどの人がこの長さを目指すべきです。

30分〜3時間（プロフェッショナルクローン）： ElevenLabsのProfessional Voice Cloningはこの分量の音声で専用モデルを学習し、現在利用できる中で最も放送品質に近いクローンが得られます。学習には数時間かかり、自分の声のクローンにしか使えません。

AIで声をクローンするのは法的に問題ない？

自分の声をクローンするのは合法で、AIの使い方としてはほぼ議論の余地がありません。自分の声、自分の録音、自分の出力だからです。法的・倫理的な線引きが生まれるのは他人の声をクローンする場合で、そこでは本人の同意がすべてを左右します。

米テネシー州のELVIS Act： 2024年7月1日施行のこの法律は連邦法ではなく州法で、無断のAI複製から個人の声を保護し、商用目的で声をクローンする前に書面の同意を義務付けています。他の州が追随する可能性はありますが、米国内でも全国的な保護にはまだ至っていません。日本には現時点でこれに相当する法律はなく、声のクローンに関する規制は今のところ各サービスの利用規約や、本人の同意を得るという原則に委ねられています。

EU AI Act： 第50条の透明性ルールは2026年8月2日に発効し、ディープフェイクを含むAI生成・加工音声をリスナーに開示することを義務付けています。EU圏の視聴者向けにクローン音声を公開する場合は、AI生成であることの表示が法的義務になります。日本国内向けの利用が中心であれば直接の適用対象ではありませんが、EU向けにコンテンツを配信する場合は関わってきます。詳しくはEU AI Act第50条のコンテンツ表示ルールを参照してください。

詐欺はもう1つのリスクです。 米FTCは、SNSの動画から抜き出した声（多くの場合は家族の声）をクローンし、緊急事態を装って送金を求める「ボイスクローン詐欺」について繰り返し消費者に警告しています。日本でも家族を装う電話詐欺は長年の問題であり、AI音声クローンはこうした手口をさらに巧妙にしかねません。このガイドで紹介した方法はいずれもそうした用途のためのものではありませんが、同じ技術が悪用されうるからこそ、同意と開示が重要なのです。

参考リンク

• ElevenLabs Instant Voice Cloning Documentation - 音声の長さと品質に関する公式仕様
• EU AI Act Article 50 Transparency Rules - AIコンテンツ開示要件についての独立した解説
• Resemble AI Chatterbox Turbo - ライセンス条件とベンチマーク詳細が載った公式モデルページ
• FTC Consumer Alert: Scammers Use AI to Enhance Family Emergency Schemes - 上記で紹介したボイスクローン詐欺の警告

よくある質問