ElevenLabsの感情タグから低価格勢Inworld・MiniMaxまで——2026年夏のTTS最新比較

2026年8月10日

2026年夏、テキスト読み上げ(TTS)AIは「感情表現の細かさ」と「価格破壊」の二極で動いている。ElevenLabsは音声にタグで演技をつける新モデルを磨き、OpenAI・Google・Microsoftの定番プラットフォームは指示文でのトーン制御やエンタープライズ機能を拡充。一方でInworldやMiniMaxといった新興勢は、品質を落とさずコストを大きく下げる形でシェアを広げている。主要プレイヤーの現在地と、選び方の目安をまとめた。

定番プレイヤーの最新動向

OpenAI:指示文でトーンを操る「gpt-4o-mini-tts」

OpenAIのText to Speech APIは、/v1/audio/speechエンドポイントでgpt-4o-mini-ttsモデルを提供する。特徴は「instructions」パラメータで話し方を自然文で指定できる点で、「明るく前向きなトーンで話して」のように指示するだけで声色が変わる。ChatGPTの音声会話機能とは別に、ナレーションや読み上げアプリ向けの用途に向く。

ElevenLabs:感情タグで「演技」させる「Eleven v3」

ElevenLabsのEleven v3は、[whispers]や[excited]、[laughs]のように角括弧のタグをテキストに埋め込むことで、ささやき・驚き・笑いといった感情や間を演出できる「Audio Tags」を備える。対応言語は70以上で、複数話者の掛け合いも1本の音声として生成可能。単に読み上げるのではなく「演出」できる点が他社との差別化ポイントになっている。

Google・Microsoft:クラウド基盤としての強み

Google Cloud Text-to-Speechは無料枠が広く、WaveNetなど複数世代のモデルを言語横断で使える手軽さが強み。Microsoft Azure Speech(旧Azure AI Speech、現Foundry Toolsの一部)はカスタムニューラルボイスによるブランド専用音声の作成や、HIPAA・SOC2などのコンプライアンス対応を必要とする企業利用で選ばれやすい。どちらも単体の音声品質を競うというより、既存のクラウド基盤・エージェント機能と組み合わせて使う前提の設計になっている。

価格破壊を狙う新興勢

2025年後半以降、InworldやMiniMaxなど、独自モデルで品質と価格の両立を打ち出す新興サービスが目立つ。

Inworld TTS 1.5(Mini/Max):8Bパラメータのトランスフォーマー型音声合成モデルで、最大250ミリ秒程度の低遅延と15以上の言語に対応。同社の価格比較資料では、大手TTS APIの数分の1のコストを主張している。
MiniMax Speech(2.6/2.8 HD・Turbo):T2A(Text-to-Audio)APIとして提供され、40言語規模の多言語対応と感情タグ、音声クローンをひとつのAPIでカバーする。

いずれも自社ブログ・比較資料での訴求のため数値は割り引いて見る必要があるが、「品質はそこそこに、大量生成のコストを抑えたい」という用途で選択肢に入りやすい。

比較表:価格帯の目安(2026年7月時点・第三者調べ)

下表はbuildmvpfast.comの価格調査をもとにした3段階の目安。各社の料金体系は従量・サブスクなど複雑なため、実際の導入前には公式ページでの確認が必須。

価格帯	モデル例	目安(100万文字あたり)	向く用途
普及帯	Hume Octave 2 / Inworld TTS 1.5 / OpenAI系	おおよそ7〜15ドル	大量生成・アプリ組み込み
中間帯	Deepgram Aura-2 / Play.ht	おおよそ30〜40ドル	リアルタイム音声エージェント
高品質帯	ElevenLabs Flash / Multilingual v3	おおよそ100〜200ドル超	感情表現重視のコンテンツ制作

試してみるには

OpenAIのAPIであれば、以下のように短いコマンドで音声ファイルを生成できる(要APIキー)。

openai audio:speech create \
  --model gpt-4o-mini-tts \
  --voice coral \
  --instructions "明るく前向きなトーンで話して" \
  --input "今日は何か新しいことを始めるのにいい日です" \
  --output speech.mp3

まずは無料枠のあるGoogle Cloud TTSやOpenAIで試し、感情表現の細かさが必要ならElevenLabs、コストがボトルネックになる規模であればInworldやMiniMaxのような新興勢を検討する、という順番が現実的だ。