比較

PlayHTの代わりを探すなら — 台本のセリフを作る話

PlayHTのドキュメントが説明しているのは、会話のために作られたモデルで、APIから使います。CastDubは腰を下ろしてシーンを切る場所です。このページはどちらが必要かという話で、その大半は「あなたがコードを書くかどうか」という問いです。

確認日:

私たちはPlayHTと競合しているので、リンクをたどってください。先に、あまりない種類のお断りを1つ。2026-09-21、play.htは私たちの取得をはっきり拒みました。料金ページでもトップページでも、3回とも接続が閉じられています。だからこのページには、PlayHTの価格も、無料プランの条件も、商用利用の条項も、いっさいありません。以下はすべて、応答のあったdocs.play.htから取ったものです。

この制約は大きな声で言っておく価値があります。どんな道具でもいちばんよく聞かれるのは値段で、このページではそれに答えられないからです。

確認できたこと

 CastDubPlayHTElevenLabs
貼った台本1本から複数キャラを出せますかできます。というより、それが製品そのものです。台本を貼ると、セリフを切り分け、誰が話しているかを判断し、40人のライブラリキャラクターから話者ごとに1人を割り当てます。1つのプロジェクトで重ならずに使える基礎の声は最大10種類です。PlayDialogは “a more advanced model that can generate turn-based dialogues with multiple voices”。APIから使います。 (出典)“There is no limit to the number of speakers in a dialogue”(Text to Dialogue、Eleven v3)。 (出典)
エディタですか、APIですかウェブのエディタです。貼る、配役する、演出する、書き出す。台本向けの公開APIはありません。音声エンジン、レート制限、遅延の指針を備えたAPIとして文書化されています。 (出典)両方:APIとStudioエディタ。 (出典)
感情のコントロールProなら1行ずつ指定できます。どのプランでも、キャラクターごとにふだんの感情を設定できます。感情は7種類。ピッチと速度で近似するのではなく、その行を実際に演じています。PlayDialogは “Adaptive Speech Contextualizer” で “control prosody, intonation, emotion and pacing”。行ごとの感情ラベルについては記載なし。 (出典)テキストの中に角かっこの音声タグ。たとえば [sad]。 (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。Play 3.0 Miniは “Supports 36 languages”。PlayHT 2.0 Turboは “English only”。PlayDialogの多言語は “Beta”。Groq上のPlayDialog Turboは “Only two language options are supported: english and arabic”。 (出典)有料プランに対して “74” 言語と記載。 (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。“You can clone any voice instantly across languages with only 30 seconds of speech”。 (出典)Starterから即時クローン、Creatorから本格的なクローン。 (出典)
価格と無料プラン決済が開通したら、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。 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。未確認。2026-09-21、play.htは私たちの取得に対して接続を閉じたため、同社の自社サイトからの価格や無料プランの条件はありません。Free $0 で毎月10kクレジット。Starter $6、Creator $11、Pro $99、Scale $299、Business $990。 (出典)
キャラクターごとに1本のトラックになりますかProのみ。ZIPの中に、ミックスと、キャラクターごとにミックスと同じ長さのMP3が1本ずつ入ります。同じ意味では当てはまりません。APIは呼び出しごとに頼まれた音声を返し、組み立ては使う側の仕事です。 (出典)記載なし。Studioのダウンロードは “MP3 or WAV”。 (出典)
字幕はPlusとPro:SRTファイル。書き出してもクレジットは減りません。私たちが読んだドキュメントのページには書かれていません。 (出典)Studioには自動字幕あり。SRTファイルについては書かれていません。 (出典)

確認日2026-09-21。play.ht本体は私たちの取得に応じなかったので、PlayHTの行はすべて、応答のあったdocs.play.htから取っています。

そのため、このページにPlayHTの価格も、無料プランの上限も、商用の条項もありません。何かを決める前に、同社のサイトで読んでください。

CastDubの列は、組み立て時に製品のプラン定義から差し込んでいます。

1本の台本から複数のキャラクターを出せますか

どちらもできますが、高さがちがいます。PlayHTのモデルのドキュメントは、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”(複数の声で、話者が交代する対話を生成できるより進んだモデル)と説明しています。これは本物の複数話者の能力で、このページの中ではこちらのやっていることにいちばん近いものです。ただしそれは、入って作業する部屋ではなく、呼び出すモデルとして表れています。

CastDubはその部屋のほうです。台本を貼ると、セリフを切り分け、話者ごとにキャラクターを作り、40人のライブラリの人物像から配役し、そのあとはシーンと向き合う時間になります。1行だけ作り直す、1人のふだんの感情を変える、並べ替える、書き出す。この往復にAPIキーも、自分で書くスクリプトも要りません。

だから本当の問いは、どちらが対話を作れるか(どちらも作れます)ではなく、欲しいのが部品なのか作業台なのか、です。自分の製品に音声を組み込むのなら、APIのあるモデルが正解で、エディタは邪魔になります。

感情はどうやって制御しますか

相手側は、かなりの部分が自動で、しかも作り込まれています。同じドキュメントはPlayDialogの感情表現を “state-of-the-art” とし、“Adaptive Speech Contextualizer” によって “control prosody, intonation, emotion and pacing”(韻律・抑揚・感情・間合いを制御する)としています。つまりモデルが会話の文脈を読んで、演じ方を決めます。行ごとの感情ラベルは、私たちが読んだページには書かれていません。

こちらは明示的です。感情は7種類、どのプランでもキャラクターごとのふだんの感情があり、Proでは行ごとに上書きでき、PlusとProには5段階の話速があります。各行は、形に整えられるのではなく、指示のとおりに演じられます。

ここには見落としやすい取引があります。文脈で決まる演技は、前の話者のやりとりを聴いているぶん、会話全体としてはたいてい上手です。行ごとの明示的な演出は、流れを断ち切らなければならない1行で強い。わざと外す冗談、急に声を落とす告白。仕事の多くが前者なら、相手のやり方のほうが、少ない手間で良いシーンになるかもしれません。

言語はどうなっていますか

相手のドキュメントはモデルごとに具体的で、数字はかなりばらつきます。Play 3.0 Miniは “Supports 36 languages”。PlayHT 2.0 Turboは “English only”。PlayDialogの多言語対応は同社の比較表で “Beta” とされ、Groqで動くPlayDialog Turboは “Only two language options are supported: english and arabic”(英語とアラビア語の2つだけ)です。

英語以外で作るなら、ここは二度読む価値があります。複数話者のモデルと、言語の多いモデルは同じではないからです。こちらに同じ落とし穴はありません。10種類の基礎の声がすべて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)を話し、どの機能もどの言語でも同じように動きます。

こちらにないのは、英語以外での地域の訛りの選択と、ネイティブが確認した品質という約束です。自分のセリフを貼って聴いてください。決着をつけられる試験はそれだけです。

自分の声をクローンできますか

相手はできます。ドキュメントには “can clone any voice instantly across languages with only 30 seconds of speech”(30秒の音声だけで、どの声でも言語をまたいで即座にクローンできる)とあります。30秒は低いハードルですし、言語をまたぐクローンは本物の能力です。

こちらもできますが、ご本人の声だけです。受け付ける録音は、あなたが短い同意文を読み上げたもの1つだけで、その録音がそのまま声になります。公人は扱わず、未成年は決して扱わず、ほかの誰の声も扱いません。9言語のどれでもセリフを読み、セリフの速さには従いますが、感情や演技の指示は反映されません。

この一連のページのどれとも同じで、これはきれいな決着点です。自分以外の特定の実在する声や、演技をするクローンに制作が依存しているなら、クローンを中心に作られた道具を使ってください。

最後に何が手に入りますか

こちらからは、どのプランでもミックスしたMP3、PlusとProではクレジットなしでSRT、Proではミックス作業用に、ミックスとキャラクターごとの同じ長さのMP3が入ったZIP。WAVはありません。仕様に合わせて納品するなら、これは実際の制約です。

APIから返ってくるのは、頼んだものです。呼び出しごとの音声データ。そして組み立て(行と行の間、タイミング、字幕ファイル)は自分で作ることになります。ドキュメントには、Turboエンジンで気をつけるべき制限と、レート制限が “depend on the API you are using and the plan” と書かれています。どれも批判ではありません。APIとはそういうものです。ただ、この比較が実際に比べているのは、こちらでクリックする午後と、あちらで配管を組む午後だということになります。

クレジットの考え方もここでは効くかもしれません。減るのはダウンロードのときだけで、生成や試し聴きでは減らず、代わりに1日あたりの合成行数の上限があります(無料プランで30行、Proで2,000行)。試すことにはメーターがつきません。

PlayHTを選んだほうがいいとき

ソフトウェアを作っているとき。声が自分の製品の機能なら(エージェント、ゲーム、読み上げアプリ)、必要なのはAPIとモデルで、ウェブのエディタは形がまったく合いません。相手の対話モデルは、まさにそのためにドキュメントが書かれています。

クローンに、自分の声でセリフを読むこと以上を求めるとき。相手の30秒の即時クローンのとおりです。Play 3.0 Miniの36言語のうち、こちらにないものが必要なとき(ただし、どのモデルがどの言語を持つかに気をつけて)。そして遅延が重要なとき。ドキュメントに遅延を下げるためのページがあること自体が、どんな顧客のために設計されているかを教えてくれます。

こちらを選ぶのは、台本の前にプログラムではなく人が座っているときです。話者が何人もいて、セリフを切り直し、最後にキャラクター別トラックと字幕が必要で、しかもコードは1行も書かない。

このページの書き方について

私たちは競合で、このページも私たちが書いています。だから読む価値があるとすれば、それは確かめられることだけです。上のPlayHTについての記述はすべてdocs.play.htからの引用で、2026-09-21に読み、リンクを横に置いています。

ここでは主題が3つ丸ごと欠けています。価格、無料プランの上限、商用の条項。play.htが私たちに対して接続を閉じたからです。レビューサイトなら十数か所から数字を持ってこられました。そうしなかったのは、確認した引用と又聞きの数字が混ざったページは、穴を認めたページより信用できないからで、この製品についてのレビューサイトの価格は互いに食いちがってもいるからです。

どちらの声が良いかという主張はしていませんし、ただ見つけられなかっただけの場所に×も入れていません。相手の能力がはっきり強いところ(文書化された対話モデル、30秒のクローン、あるエンジンでの36言語)は、要約して小さくせず、相手の言葉のまま載せています。

こちらの列は製品が動いているプランのコードから生成されるので、自画自賛の方向へずれることができません。

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。

よくあるご質問

なぜこのページにPlayHTの価格が載っていないのですか

2026-09-21、同社のサイトが私たちの取得に応じなかったからです。3回試して、毎回接続が閉じられました。ここの事実はすべて、応答のあったドキュメントから取っています。価格は同社の料金ページで直接確かめてください。こちらも、同社のページから読めるようになったら数字を足します。

PlayDialogはCastDubの配役と同じものですか

ちがいます。ちがいは層です。PlayDialogはモデルで、APIを通じて “turn-based dialogues with multiple voices” を生成すると文書化されています。CastDubはエディタで、貼られた台本を丸ごと受け取り、キャラクターを作り、40人のライブラリの人物像から配役し、コードを書かずに個々の行を切り直せるようにします。

CastDubにAPIはありますか

台本を作るための公開APIはありません。自分のソフトウェアの中からセリフを生成する必要があるなら、API中心の提供元が正しい形で、こちらは候補ではありません。

1つのシーンでいくつの声を使えますか

重ならない基礎の声は10種類です(女性4・男性5・中性1)。それを超えるとキャラクターが声を共有し、演出指示だけで区別されるので、人数の多いシーンはその前提で組んでください。

CastDubはどの言語に対応していますか

9言語です。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、基礎の声はどれもそのすべてを話します。英語以外では地域の訛りは選べず、約束もしていません。

ミックス用に分かれたトラックはもらえますか

Proならもらえます。ミックスと、キャラクターごとにミックスと同じ長さのMP3、それにSRTが入ったZIPです。PlusとProでは字幕とミックス1本。すべてMP3で、WAVでの書き出しはありません。

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。