ボイスクローン

DescriptのAI SpeechがElevenLabs v4に移行:音声クローンは本当に良くなったのか

Descript AI SpeechがElevenLabs v4で動くようになった。音声クローンの変化、自動で切り替わったプロジェクトの確認方法、そしてElevenLabsでの直接クローン($5)が今もDescript($16)より有利かを検証する。

9 min readBy The Arena Editor
#Descript#ElevenLabs#音声クローン#ポッドキャスト編集#AIニュース
新しいモデルにアップグレードされた音声クローンを示す、並んだ2つの音声波形

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

DescriptのAI SpeechがElevenLabs v4で動くようになった。Descript自身の説明は明快で、音声クローンは「クローン元の本人により近い声になる」という。このアップデートは2026年10月12日付のDescriptリリースまとめで発表された。ポッドキャストのセリフをクローン音声で差し替えている人にとって、問題は実務的だ。Descript内のクローンはついに十分な品質に達したのか、それとも今もElevenLabsで直接クローンする方が得なのか。

Descript × ElevenLabs v4 を一言で

Descript AI SpeechはElevenLabs v4を採用した。AIモデル設定でv4を選べるほか、一部のプロジェクトは開いた時点で自動的に切り替わる。Descriptでのクローンは編集機能込みで月$16から、ElevenLabsで直接クローンするなら月$5(インスタント)または月$22(Professional Voice Cloning)からだ。

Descript ElevenLabs v4アップデートで実際に変わること

Descript公式チェンジログがAI Speechについて挙げているのは次の4点だけである。

  1. AI SpeechがElevenLabs v4で動作するようになった。
  2. 音声クローンがクローン元の本人により近い声になった。
  3. AI音声で新たに入力したセリフも話者のアクセントを保つ。
  4. v4はAIモデル設定で選択でき、一部のプロジェクトは次に開いたときに自動でv4へ切り替わる。

チェンジログが触れていない点が2つある。1つ目は、どのプランでv4が使えるかだ。まとめにはプランごとの提供範囲が書かれておらず、v4が特定のプラン限定だという主張はどれも推測にすぎない。2つ目は、v4で1行生成する際のAIクレジット消費が旧モデルと比べてどうなるかだ。Descriptはメディア時間とAIクレジットの二重枠で課金しており、AIクレジットがすぐ尽きるというレビューはすでに出ている。Descriptが数字を公表するまでは、音声生成を多用するユーザーは切り替え後の使用履歴を注視した方がよい。

モデル自体は新しくない。ElevenLabsがEleven v4をリリースしたのは2026年9月28日で、その詳細はEleven v4レビューにまとめてある。新しいのは、Descriptユーザーが別途ElevenLabsを契約せずに、エディター内でそれを使える点だ。

Descriptの音声クローンとElevenLabs直接利用:数字で比較

v4以前、Descriptのクローンに対するアリーナの評価は辛辣だった。クローンはElevenLabsやResembleと比べて明らかに機械的で、話す速さや表現力もほとんど調整できない。この機能は長い文章のナレーションではなく、単語の差し替え用に作られていたからだ。v4エンジンはまさにこの弱点を狙っている。なお、GLAD-AI-TORの編集部評価は切り替え後にまだ再採点しておらず、下の表は現時点のカタログデータである。

ツール料金クローン可能なプランクラウドスコア音声品質評価向いている用途
Descript月$16から(年払い)月$16から、本人同意の確認が必要推奨57%(3票)3/5ポッドキャスト編集、録音済みナレーションの修正
ElevenLabs月$5から(年払い)インスタントは月$5、Professionalは月$22推奨81%(12票)5/5YouTubeナレーション、オーディオブック、音声エージェント

クラウドの差は大きい。ElevenLabsは12人中81%が推奨し、Descriptは3人中57%にとどまる。Descriptはサンプルが少ないため、スコアはまだ大きく動きうる。ただしスコア以上に重要なのは構造の違いだ。Descriptが売っているのは音声クローンもできるエディターであり、ElevenLabsが売っているのは音声そのものだけである。

公式ページで確認したDescriptの料金は次のとおり。Hobbyistは年払いで月$16(月払いは$24)、Creatorは年払いで月$24(月払いは$35)、Businessは年払いで月$50(月払いは$65)。14言語のネイティブ品質ボイスは引き続き$50のBusinessプラン限定だ。

Descript

All-in-one podcast/video editor with voice cloning bolted on, not a pure TTS tool

$16/mo57%(3)

Partner link. The crowd verdicts stay independent.

v4以降、Descript内でクローンすべき人

v4によってDescriptを選ぶ理由は強まったが、それは録音済み音声の修正という1つの用途に限られる。言い間違えた、スポンサー名を言い忘れた、日付を差し替えたい。そんなとき、ホストは文字起こしに修正を打ち込み、クローンに読ませればよい。このワークフローは差し替えたセリフが実際の録音に溶け込むかどうかにかかっており、「本人により近い」「アクセントを保つ」という改善はまさにそこに効く。

Descriptが合うのは次のような場合だ。

  • 本当の目的が編集である。 テキストベース編集(文字起こしの単語を消すと音声もカットされる)とStudio Soundによるノイズ除去が製品の中核で、クローンは月$16のプランから含まれる。
  • クローンを使うのはたまにである。 1エピソードあたり数行の差し替えならAIクレジットの枠に収まるが、エピソード全体のナレーションはおそらく収まらない。
  • 同意が重要である。 Descriptはクローン作成前に話者本人の同意確認を義務づけており、複数のホストやゲストがいる番組を守ってくれる。

一方、長尺のナレーションにはやはり向かない。カタログに記載された他の欠点もv4で変わっていない。デスクトップアプリは長いプロジェクトで動作が重く、ボイスライブラリは小さく(多くの有料プランでストック話者は25人以上)、サポートは実質AIチャットボットだ。

ElevenLabsで直接クローンすべき人

本家を直接使う方が、価格でもコントロールでも今なお有利だ。Starterは年払いで月$5(月払いは$6)で、インスタントボイスクローンと商用ライセンスが付く。月$22のCreatorではProfessional Voice Cloningが使え、30分以上の音声で学習させたクローンはカタログ上、元の声とほぼ区別がつかないと評価されている。このプランの詳しいメリットとデメリットは、Professional Voice Cloningが使えるElevenLabsの$22 Creatorプランのガイドで解説している。

オーディオブック、YouTubeナレーション、吹き替え、音声エージェントのように、音声を差し替えるのではなく1分1分をすべて生成する用途ならElevenLabsの方がよい。ただしカタログの注意点は変わらない。失敗した生成でもクレジットは消費され、実際のコストが公表されている1文字あたり単価の約2.8倍に達したというユーザー報告もあり、Creator($22)からPro($99)への値上がり幅も大きい。ElevenLabsに対するアリーナの評決は変わらない。リアルさで選ぶなら、もう探す必要はない。

はっきりさせておくべき点が1つある。Descriptがv4で動くからといって、DescriptのクローンがElevenLabsのProfessional Voice Cloneと同等になるわけではない。Descriptは自社のクローンがElevenLabsのインスタントクローン方式なのかプロフェッショナル方式なのかを明らかにしていない。エンジンは共通でも、クローン作成の仕組みは別物だと考えるのが無難だ。

ElevenLabs

The realism benchmark for AI voices: best-in-class TTS and cloning at a premium price

$5/mo81%(12)

Partner link. The crowd verdicts stay independent.

自動でv4に切り替わったプロジェクトの確認方法

最もトラブルになりやすいのが自動切り替えだ。数週間かけて編集しているポッドキャストシリーズでは、過去のエピソードは旧モデル、新しいエピソードはv4という状態になりかねず、クローン音声がエピソードごとに微妙に違って聞こえる可能性がある。次の手順で想定外の事態を防げる。

  1. 進行中のプロジェクトは再び開く前に複製する。 公開済みのエピソードと声を揃える必要がある場合は特に重要だ。
  2. プロジェクトのAIモデル設定を開き、どのモデルが有効かを確認する。
  3. 差し替えたセリフを1行だけv4で再生成し、元の録音と並べて再生する。比較する相手は旧クローンではなく本人の声だ。
  4. v4のまま進めるなら、エピソード内のAI音声をすべて再生成する。 1つのエピソードに2つのエンジンが混在するのが、最も耳につく失敗である。
  5. 最初のエピソードを仕上げたら使用履歴を確認する。 Descriptでは過去12か月までの任意の期間を表示できるようになり、切り替え前後のAIクレジット消費を簡単に比較できる。

評決

  • 既存のクローンを持つDescriptユーザー: まず1行でv4を試し、問題なければプロジェクト全体を切り替える。このアップデートは、カタログがDescriptの最大の弱点としていた機械的なクローンを狙ったもので、価格改定の発表もない。
  • ツールを探している編集者: クローンが編集に付随する修正用ツールであれば、月$16のDescriptは今もコスパが最も高い。ただし推奨57%というクラウドスコアは3票にすぎない。
  • ナレーターや音声主体のクリエイター: ElevenLabsでクローンする。インスタントクローンは月$5、Professional Voice Cloningは月$22で、クラウドスコアは12票で推奨81%だ。
  • 今後注視すべき未知数: v4を使えるプランと1行あたりのAIクレジット消費。どちらもDescriptは明らかにしていない。

2つのツールは、リアルタイムのクラウド投票付きでDescript vs ElevenLabsの対決で並べて比較している。他の候補も含めた全体像は、AI音声生成ツールのベストランキングで最新の順位を確認できる。

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal