長く頻繁な読み上げに使える、ElevenLabs APIの安い代替
ElevenLabsは最も表現力豊かな声をそろえたサービスの一つで、APIは文字数で課金されます。2026年10月25日時点のAPI料金ページによると、Multilingual v2とv3は1000文字あたり0.08ドル、FlashとTurboは0.04ドルです。一日中話すアプリでは、すぐに大きな額になります。
SuperClonicaの音声合成APIは時間で課金する固定プランで、月5ドルからです。このガイドでは両者を正直に比べ、リクエストの切り替え方と、ElevenLabsのほうが適している場合を説明します。
1時間あたりの料金
1分1000文字で計算すると、ElevenLabsの音声1時間はAPIの定価でMultilingualが約4.80ドル、Flashが約2.40ドルです。SuperClonicaの「スタート」プランは月5ドルで10分ごとに3分の音声が使え、休まず使えば月最大216時間です。同じ216時間をElevenLabsで作るとMultilingualで約1037ドル、Flashで約518ドルになります。
- 無料：1日1分の音声。
- スタート、5ドル：月最大216時間。
- 作成者、10ドル：最大576時間。
- プロ、20ドル：最大1800時間。
- スタジオ、50ドル：最大5760時間。
得られるもの
APIはSupertonic 3モデルで31言語のテキストを読み上げます。有料プランではSuperClonicaのカタログのどの声も購入なしで使え、サイトで自分の録音から学習した声も使えます。
- ストリーミング：私たちの計測で、テキストの長さにかかわらず最初の音まで最短300ミリ秒。
- 1回のリクエストで最大2万文字、ogg・mp3・wavで出力。
- 失敗したテキストは無料。Idempotency-Keyで再送も安全です。
- GET /api/v1/voices でキーが使える声、GET /api/v1/usage でプランの残りを確認できます。
リクエストの切り替え方
コードがElevenLabsにテキストを送っている箇所で、送り先を https://superclonica.com/api/v1/speech に変え、Authorization: Bearer ヘッダーにSuperClonicaのキーを入れ、本文を {"text": "...", "voice": "F1", "language": "ja"} にします。アプリがmp3を前提にしているなら "format": "mp3" を、届きながら再生したいなら "stream": true を加えてください。ElevenLabsと同じく、応答は音声そのものです。
stabilityやstyleのような声の設定に相当するものはありません。話し方は声そのものに含まれるので、カタログから望みどおりに聞こえる声を選んでください。
ElevenLabsのほうが適している場合
ElevenLabsには既製の声や表現を調整する設定が多く、API内で短いサンプルから声をクローンでき、中国語を含むより多くの言語、音声エージェント向けのWebSocketによるテキストのストリーミング入力、大企業ならではの信頼性があります。1日に数分しか使わないなら、無料プランや入門プランのほうが安いこともあります。両方を聞き比べてください。SuperClonicaのカタログの声のページに同じ文を入れて、ご自身で判断できます。