比較

複数キャラを出せるAI音声ツールまとめ(2026年)

「AI音声ツールおすすめ」の多くは、誰も開いていないツールを並べています。このリストの入口条件はひとつだけ。そのツール自身のサイトに、話者を1人より多く扱えると書いてあること。そして、どの記述にも出典のリンクがついています。

確認日:

CastDubはこのリストに載っていて、このリストを出しているのもCastDubです。これは利益相反であって、書いただけで消える免責ではありません。そこで自分たちに枷をかけました。掲載の可否は各社が自社ページに書いていることで決め、こちらの印象では決めない。すべての項目に出典をリンクする。自分たちも他と同じ基準で置く。そして確認できなかったツールは、黙って外すのではなく理由とともに名前を出す。

確認日は2026-09-21です。各社は断りなく値段も作りも変えます。下のリンクがいま別のことを書いているなら、リンクのほうを信じてください。

確認できたこと

 CastDubElevenLabsPlayHTWellSaid
自社サイトに複数話者への対応が書かれていますか書かれています。貼った台本を配役することが製品そのもので、1つのプロジェクトで重ならない基礎の声は最大10種類です。“There is no limit to the number of speakers in a dialogue.” (出典)PlayDialogは “can generate turn-based dialogues with multiple voices”。 (出典)“Combine various clips with different voice styles to create a dialogue.” (出典)
エディタかAPIかウェブのエディタ。公開APIはありません。両方:Studioと、文書化されたAPI。 (出典)API中心。レート制限も文書化されています。 (出典)クリップと声のスタイルを扱うStudio。 (出典)
無料プランあります。ダウンロード用のクレジットが4,500文字ぶん、毎月ではなく一度きりで(日本語の完成音声で約13分)。24時間あたり30行まで合成でき、1プロジェクトのキャスト上限は2人です。生成と試し聴きは、どのプランでもクレジットを使いません。$0 に “10k credits per month” と “3 Projects in Studio”。 (出典)未確認 — 2026-09-21、play.htが私たちの取得に対して接続を閉じました。Trialは “3 download minutes per month” で商用権なし。 (出典)
有料の入口価格決済が開通したら、Basicが月$5です。公開ベータ中は一切請求せず、すべてのアカウントがProと同じ機能で動いています。Starterは月$6で30kクレジット。 (出典)2026-09-21、同社の自社サイトでは確認できませんでした。Starterは年払いで月$10(年$120)、月払いは$19。 (出典)
言語9言語。英語・中国語・日本語・韓国語・スペイン語・ポルトガル語・フランス語・ドイツ語・ロシア語です。基礎の声はどれもこの9言語すべてを話します。英語以外では地域の訛りは選べず、こちらも約束していません。有料プランに対して “74” 言語。 (出典)Play 3.0 Miniは “Supports 36 languages”、PlayHT 2.0 Turboは “English only”、PlayDialogの多言語は “Beta”。 (出典)英語は数百の声。他の言語はEnterpriseのみと記載。 (出典)
自分の声をクローンできますかご本人の声だけです。短い同意文を読み上げると、その録音がそのまま声になり、1アカウント3件まで作れます。9言語すべてでセリフを読み、セリフの速さに従いますが、感情や演技の指示は反映されません。Starterから即時クローン、Creatorから本格的なクローン。 (出典)“Clone any voice instantly across languages with only 30 seconds of speech.” (出典)料金ページには書かれていません。 (出典)
書き出し形式MP3のみ。ミックスはどのプランでも、PlusとProでSRT、Proでキャラクター別MP3。WAVはありません。“MP3 or WAV”、音質はプランによる。このWAVという選択肢はこちらにはありません。 (出典)リクエストごとにAPIが音声を返し、組み立ては使う側の仕事です。 (出典)StarterとProはMP3。BusinessとEnterpriseはMP3・WAV・OGG・TXT。 (出典)
無料プランでの商用権できません。無料プランは個人の非商用利用のみです。商用利用許諾はBasicから始まり、公開ベータでもそこは変わりません。“Commercial License” はStarterから。 (出典)2026-09-21、同社の自社サイトでは確認できませんでした。Trialは “No commercial rights”。有料プランはすべて完全な商用利用権つき。 (出典)

確認日2026-09-21。出どころは各社の自社ページで、リンクは下にあります。

Murf、Typecast、Speechifyは本文で扱っていますが、この表には入れていません。私たちが読めたページに、1本の台本から複数話者を出せるとは書かれていなかったからです。

CastDubの列は、組み立て時に製品自身のプラン定義から差し込んでいます。だから製品が実際に守っているものとずれません。

このリストに載るための条件

条件はひとつです。そのツール自身のサイトに、1つの作品の中で話す声を2つ以上出せる、と書いてあること。「声がたくさんある」ではなく(声がたくさんあるのはどこも同じです)、1つの出力に複数の声があること。対話のAPIでも、複数の声を扱うエディタでも、プロジェクトの中で別々の声を割り当てる方法が文書化されていても構いません。

音質で順位はつけていません。この顔ぶれの音質の判断は主観的で、モデルが更新されるたびに変わりますし、出場者のひとりが出す順位表には価値がありません。音質を決めるのは、自分の台本の3行を2つのツールで続けて走らせて、自分の耳で聴くことです。

誰も書いていない機能も数えていません。各社のページが答えていない問いには「公式ページには書かれていません」と書いてあり、それは相手に聞きに行く合図です。

ElevenLabs — いちばん広く、クローンでは基準になる存在

Text to Dialogueのドキュメントには “creates natural sounding expressive dialogue from text using the Eleven v3 model”、そして “There is no limit to the number of speakers in a dialogue” とあり、1回のリクエストは2,000文字以内に、という推奨もついています。演じ方はテキストの中の角かっこのタグ、たとえば [sad] で指示します。Studioのガイドには “assign multiple voices to a single paragraph” とあります。

ElevenLabsの料金ページには、Free $0 で毎月10kクレジット、Starter $6、Creator $11、Pro $99、Scale $299、Business $990。商用ライセンスはStarterから、即時クローンはStarterから、本格的なクローンはCreatorから、有料プランに対して74言語。Studioのダウンロードは “MP3 or WAV” で、上位プランほど音質が上がります。このWAVという選択肢は、こちらには出せません。

自分の声でセリフを読むこと以上のクローンが必要なとき、広い言語カバーが必要なとき、こちらに出せないWAVでの納品が必要なとき、あるいは文書の面が広いAPIが必要なときは、相手を選んでください。理由は多く、ないふりをするより並べておきます。

PlayHT — コードを書く人のための対話モデル

音声エンジンのドキュメントは、PlayDialogを “PlayHT's latest voice model built for fluid, emotive conversation”、そして “a more advanced model that can generate turn-based dialogues with multiple voices” と説明し、“Adaptive Speech Contextualizer” が “prosody, intonation, emotion and pacing” を制御するとしています。エディタの機能としてではなく、モデルの能力としての複数話者です。

決める前に言語の表をよく読んでください。Play 3.0 Miniは “Supports 36 languages”、PlayHT 2.0 Turboは “English only”、PlayDialogの多言語対応は “Beta”、Groqで動くPlayDialog Turboは “english and arabic” のみ。クローンは “only 30 seconds of speech” と書かれています。

価格はこちらにありません。2026-09-21、play.htが私たちの取得を拒んだため、この項目はすべてdocs.play.htから組み立てています。声を自分のソフトウェアの中に置きたいときは、相手を選んでください。

WellSaid — クリップを組み合わせる対話と、はっきりした権利の話

料金ページには、利用者が “combine various clips with different voice styles to create a dialogue”(別々の声のスタイルのクリップを組み合わせて対話を作る)できると書かれています。台本を配役するのとは別のモデルですが、こちらの唯一の条件は満たします。ページには、無料のTrialが “3 download minutes per month” で商用権なし、Starterが年払いで月$10(月払い$19)、Proが年払いで月$33(月払い$49)、Businessが1ユーザーあたり月$160、有料プランはすべて完全な商用利用権つき、とあります。

知っておくとよい点が2つ。英語がカタログの深いところで、イギリス・南アフリカ・オーストラリアのスタイルを含む数百の声があり、他の言語はEnterpriseのみとされています。そして書き出し形式はプランで変わります。StarterとProはMP3、BusinessとEnterpriseはMP3・WAV・OGG・TXTで、最上位では48 kHzと96 kHzのサンプルレートも使えます。

仕事が英語の企業ナレーションで、権利と納品仕様に曖昧さを残せないときは、相手を選んでください。

CastDub — 狭くて、台本の形をしていて、クローンは本人の声だけ

こちらは貼られた台本を受け取り、話者を分け、1人ずつに40人のライブラリキャラクターのどれかを割り当て、1つのプロジェクトの中ではぶんを使い切るまで2人が同じ声にならないように配役します。基礎の声は10種類(女性4・男性5・中性1)で、そのどれもが9言語すべてを話します。感情はProで行ごと、全部で7種類。話速はPlusとPro、字幕はPlusとPro、キャラクター別トラックはProです。

できないことを、できるだけそのまま並べます。クローンはご本人の声だけで、クローン音声は感情を演じません。台本ファイルの読み込みなし(貼り付けのみ)、WAVなし、ピッチのコントロールなし、英語以外で地域の訛りは選べず、動画もなし。そして1つのプロジェクトで聴き分けられる声は10種類が上限です。決済はまだ開通しておらず、公開ベータ中は全アカウントがProと同じ機能で請求はありませんが、商用利用許諾はBasic、PlusとProのものです。

作品がキャストのいる台本で、納品物が誰かがミックスする音声なら、こちらを選んでください。主張はそれだけです。

確認したものの、置き場所を決められなかったツール

Murf:テキスト読み上げのページには “200+ lifelike voices”、“35 languages and 10+ accents”、文ごと・単語ごとの “Pitch, speed, and pause length” とあり、ヘルプセンターはブロックとタイムラインのスタジオと動画書き出しを説明しています。ただ、1本の台本から複数のキャラクターを配役することは私たちが開けたページには書かれておらず、2026-09-21に料金ページも読める内容を返さなかったので、価格も確認できませんでした。ナレーション動画には強い製品ですが、このリストの唯一の条件については未確認です。

Typecast:トップページに “700+ AI voices” と “35+ languages”、感情コントロールはPro、声のクローンはBasic以上、無料プランはダウンロード用クレジットが生涯3,000で、“Attribution is required for all content downloaded on the Free plan” とあります。台本から複数のキャラクターを配役することは、私たちが読んだページには書かれていません。

Speechify:Studioには “Access to 1,000+ realistic voices”、有料のStudioプランでのクローン、無料プランの “No commercial usage rights” とあります。複数話者の配役については記載がありません。主力は読んで聴くためのアプリで、それはまったく別の仕事です。

LOVOとResemble AIは候補には挙がっていましたが、手続き上の理由でここにはありません。2026-09-21、lovo.aiは私たちの取得にHTTP 402を返し、たどり着けたResembleの料金ページは検出系の製品の説明で、声の数、言語、クローン、複数話者への対応のいずれも書かれていませんでした。どちらの不在も製品への評価ではありません。

選び方を4つの問いに

キャラクターはどこまで残りますか。これはこちらも含めてすべての提供元に聞いてください。ここでは、キャラクター(人物像、ライブラリからの配役、ふだんの感情)はプロジェクトの中だけで生き、次のプロジェクトには引き継がれません。だからシリーズには書き留めたキャスト表が必要で、書き出す前に主役の第一声を聴くことになります。

1行だけ作り直せますか。単語をひとつ変えるためにシーンを組み直すなら、人は直すのをやめ、作品は悪くなります。ここでは、行を編集するとその行だけが合成し直され、ほかはディスク上で1バイトも変わりません。

キャラクター別トラックは出ますか。1本にまとまったセリフには劇伴をつけられません。音楽や効果音がシーンの下に入るなら、キャラクターごとのファイルは贅沢ではなく必要条件です。

そして、手の届くプランのライセンスはどうなっていますか。クレジット表記の義務と商用権は、この顔ぶれの中でもかなりちがいます。Typecastは無料のダウンロードにクレジット表記が必要、WellSaidとSpeechifyは無料のプランで商用権を与えず、ElevenLabsは商用ライセンスをStarterから始め、こちらの無料プランは個人利用のみ。現実の案件は、音質よりこの問いで決まることのほうが多いです。

リスト

  1. CastDub

    貼った台本を10種類の基礎の声に配役し、Proでは感情を1行ずつ、Proではキャラクター別トラックを書き出します。クローンはご本人の声のみ。

  2. ElevenLabs

    1つの対話に出せる話者数に上限なしと明記。Starterからクローン、74言語、MP3かWAV。

  3. PlayHT

    PlayDialogが、複数の声で話者が交代する対話をAPIで生成。クローンは30秒から。

  4. WellSaid

    別々の声のスタイルのクリップを組み合わせて対話に。英語のカタログが深く、商用の条件がはっきりしています。

このページの書き方について

掲載されている当事者が出す「おすすめ」は、自分に枷をかけないかぎり販売ページです。だから枷をここに書きます。守れているかどうか、確かめてください。掲載は各社が自社サイトに書いていることで決める。どの記述にもリンクをつけ、日付は2026-09-21。音質で順位をつけない。わからないことは自分に都合よく片づけず「公式ページには書かれていません」と書く。確認できなかったツール(ここではLOVOとResemble AI)は理由とともに名前を出す。

自分たちの制約も、脚注ではなく自分の項目の中に書きました。クローンはご本人の声だけで感情はつかないこと、台本ファイルの読み込みなし、WAVなし、ピッチのコントロールなし、動画なし、そして1つのプロジェクトで聴き分けられる声は10種類が上限。そのどれかが受け入れられないなら、登録の手間を1つ省けたことになります。

やらないのは、どの声がいちばん良いかを教えることです。こういうページが正直にはできない唯一のことで、そしてあなたが10分で決められる唯一のことでもあります。同じ3行、2つのツール、自分の耳。

下のリンクがいまここに書いたことと食いちがっているなら、リンクが正しくてこちらが古いということです。教えてください。その行を直して、確認日を進めます。

それぞれの出典

上の表でほかの製品について書いた欄は、すべてここに挙げたページから取っています。ご自身でも開いてみてください。料金や条件は、誰にも——私たちにも——知らせずに変わります。

  • ElevenLabs — 料金ページ — 各プランの価格とクレジット。Commercial LicenseはStarterから。クローンの段階。74言語。
  • ElevenLabs — Text to Dialogue ドキュメント — “There is no limit to the number of speakers in a dialogue”。角かっこの音声タグ。Eleven v3。1リクエスト2,000文字。
  • ElevenLabs — Studio 製品ガイド — 1つの段落の中で複数の声。ダウンロードはMP3かWAVでプランによるが、WAVはこちらには出せない。自動字幕。
  • PlayHT — 音声エンジンのドキュメント — PlayDialogは複数の声で話者が交代する対話を生成する。Play 3.0 Miniは36言語。2.0 Turboは英語のみ。多言語はBeta。
  • PlayHT — ドキュメントのトップ — 30秒の音声から、言語をまたいでクローンできる。
  • PlayHT — Groq上のDialog Turbo — “Only two language options are supported: english and arabic.”
  • WellSaid — 料金ページ — Trialは月3分のダウンロードで商用権なし。Starterは年払いで月$10(月払い$19)。Proは年払いで月$33(月払い$49)。Businessは1ユーザーあたり月$160。英語は数百の声で、他の言語はEnterpriseのみ。StarterとProはMP3、BusinessとEnterpriseはMP3 / WAV / OGG / TXT。別々の声のスタイルのクリップを組み合わせて対話を作る。
  • Murf — テキスト読み上げページ — 200以上の声。35言語と10以上の訛り。文ごと・単語ごとのピッチ、速度、間。無料プランに10分の音声生成。
  • Murf — ヘルプセンター、Working with the Studio — ブロック、タイムライン、メディアの読み込みと書き出しの一覧。複数話者の配役については記載なし。
  • Typecast — 料金ページ — 各プランの価格。無料プランのクレジットとクレジット表記の要件。感情コントロールはPro。クローンの枠数はプランごとに明記。
  • Typecast — トップページ — “700+ AI voices” と “35+ languages”。
  • Speechify — Studio 料金ページ — 無料は600 Studioクレジット、クローンなし、商用権なし。Starterは年$100、Creatorは年$300。1,000を超える声。名前を挙げた21言語。
  • LOVO — 料金ページ — 2026-09-21、私たちの取得にHTTP 402を返しました。ここからは何も取っていません。
  • Resemble AI — 料金ページ — たどり着けたページは検出系の製品の説明で、声の数、言語、クローン、複数話者への対応は書かれていませんでした。

よくあるご質問

「複数キャラ対応」のAI音声ツールとは、何を指しますか

このリストでは、各社の自社サイトに、1つの作品の中で話す声を2つ以上出せると書かれていることです。対話のAPI、複数の声を扱うエディタ、あるいはプロジェクトの中で別々の声を割り当てる方法が文書化されていること。声のカタログが大きいだけでは条件を満たしません。

なぜCastDub自身が出すリストにCastDubが載っているのですか

自分を外すのは、別の種類の不誠実だからです。自分にも同じ条件を当てはめ、自分の制約を自分の項目に書き、音質で順位もつけませんでした。出典を読んで、守れているかどうか判断してください。

ボイスドラマに絞ると、どれがいちばん向いていますか

4つ聞いてください。キャラクターは残るか、1行だけ作り直せるか、キャラクター別トラックは出るか、そして手の届くプランのライセンスはどうなっているか。ドラマの案件を決めるのは、音質よりこの4つであることがずっと多いです。

この中で自分の声をクローンできるのはどれですか

各社の自社ページによれば、ElevenLabs(Starterから即時、Creatorから本格的)、PlayHT(“30 seconds of speech”)、Typecast(プランごとに枠数)、Speechify Studio(有料プラン)です。CastDubがクローンできるのはご本人の声だけで、読み上げた短い同意文から作り、クローン音声は感情を演じずにセリフを読みます。

無料で商用に使えるものはありますか

私たちが確認できた無料プランの中にはありません。ElevenLabsは商用ライセンスをStarterから、WellSaidのTrialには商用権がなく、Speechify Studioの無料プランにもないと明記され、Typecastは無料のダウンロードにクレジット表記を求め、CastDubの無料プランは個人利用のみです。公開ベータ中も同じで、その期間は全アカウントがProと同じ機能で、請求はありません。

このリストはどれくらいの頻度で見直していますか

上部の確認日が、すべてのリンクを開き、すべての引用を読み直した最後の日付です。数か月あとに読んでいるなら、各社のページを事実として、このページは出発点として扱ってください。

今夜、最初の1シーンをキャスティング

台本を貼り付ければ、CastDubが登場人物一人ひとりに声を割り当てます。あとは完成したボイスドラマを書き出すだけです。

無料で作ってみる

クレジットカードは不要です。無料枠は一度きりの持ち分です。