Speechgen.io

Speechgen.ioとは？

Speechgen.io（自社ページではSpeechGen.ioやSpeechGenとも表記）は、5,000種類を超えるリアルな音声を備えたオンラインのAI音声生成ツールだと自称しています。Webエディターに入力したテキストや、文書・字幕ファイルから取り込んだテキストが、ダウンロード可能な音声として返されます。

サイトによると150言語に対応し、MP3、WAV、FLACで書き出せます。クレジットパックは買い切りで、サブスクリプションも自動更新もありません。これが月額制の音声合成プランとの主な違いです。

サポートページにはBueno Limitedの名称と、香港・北角（North Point）にある受取人住所が記載されています。一方、プライバシーポリシーではデータ管理者を「the Operator」（運営者）と呼ぶだけで、本文に会社名は書かれていません。

無料枠、返金ルール、最大テキスト長はページごとに食い違っており、その差は「価格」と「制限事項」で扱います。

主な機能

Speechgen.ioは、ナレーション、会話、タイミング、音楽の操作を一つのブラウザーエディターにまとめています。

音声と品質ランク

• 3つのランク：音声は性別、アクセント、そしてStandard・HD・PROの品質ランクで絞り込めます。ランクごとにクレジットの消費率が異なります。
• 無料の試聴：音声、速度、ピッチの組み合わせを自分のテキストで試聴でき、サイトによればサンプルでは文字数が差し引かれません。
• 抑揚グラフ：通常音声とPRO音声を合わせてライブラリの半数以上がグラフに対応し、点をドラッグして選んだ単語のピッチを上げ下げできます。
• 名前付きキャラクター音声：ジャンル別ページはホラー、子ども、カートゥーン調のスタイルを扱います。サイトは、同社のBrian音声を、IVONAが作り後にAmazon Pollyが買収した英国英語のBrian音声の「現代のAI版」だと説明しています。

今回確認したページでは、Speechgen.ioは各ランクの音声エンジンを明かしていません。

エディターの操作

• 速度とピッチ：速度はx0.1からx2.2まで、ピッチは-20から+20まで2刻みで調整できます。
• ポーズ：文間と段落間の既定の間隔を、それぞれ150ミリ秒〜30秒で設定できます。
• 複数の話者：名前タグで段落ごとに別の音声を割り当てられるため、インタビューや複数キャラクターの作品も1ファイルで書き出せます。
• BGM：内蔵のAI音楽ライブラリの曲や自分でアップロードした曲を、エディターから離れずに音声の下に重ねられます。

長文・字幕向けツール

• チャプターファイル：分割タグを単独の行に入力すると、各区切りが別々の音声ファイルとして書き出されます。
• 区切りの上限：1回の生成で短い区切りは最大1,000個、長い区切りは最大500個までなので、それより大きな書籍は複数回に分けて生成する必要があります。
• 字幕タイミング音声：アップロードしたSRTまたはVTTファイルを、各行のタイムコードに正確に合わせて1行ずつ音声化するため、動画編集ソフトに入れた時点で同期した音声になります。

スマートキャッシュ

生成した各文は7日間キャッシュに残り、再生成では新しい文や編集した文だけが課金されます。そのため、長い原稿の単語を1つ直しても、費用はテキスト全体ではなくその文の分だけで済みます。

ボイスクローン

10〜60秒のクリアな音声から個人用の音声モデルを作成でき、15言語で使えます。うち9言語が安定版、6言語が実験版と表示されています。

文字起こし

ホームページでは、話者ラベルとタイムスタンプ付きで140言語の音声文字起こしができると説明しています。一方、価格ページは同じ機能について、最大1GBまたは3時間のアップロード、「150+」言語、SRTまたはVTTの字幕書き出しを挙げており、2つのページで言語数が一致しません。

ガイド

Speechgen.ioでオンラインのテキスト読み上げを行うには、決まった順序で進めます。変更によっては文字数を再び消費するためです。

1. 最初に言語を選ぶ。 公式ガイドでは、何よりも先にテキストの言語を選ぶよう求めており、そうして初めてその言語の音声一覧が開きます。
2. 音声を選ぶ。 多言語の作業では、Ava_USやAva_ESのようにコードが付いた音声を使うと、言語をまたいで同じ聞き分けやすい声を保てるため、会話プロジェクトに役立ちます。
3. テキストを貼り付けるかアップロードする。 プレーンテキスト、DOCX、PDF、SRTファイルを入力として受け付けます。
4. 最初の生成前に速度とピッチを決める。 速度やピッチを調整すると全体が再生成され、文字数の上限を再び消費します。一方、文間と段落間のポーズは上限を消費せずに変更できます。
5. 生成前に出力形式を選ぶ。 既定のダウンロード形式はMP3です。WAV、OPUS、または別のサンプルレートが必要な場合は、それを選んで音声を再生成しないと、そのファイルをダウンロードできません。

活用例

ホームページは顧客事例で自社の市場を示しています。これらはベンダーが説明する事例で、独立したテストではありません。

• 電話メニューとIVR：1つ目の例は、アトランタで5つの診療所を運営する動物病院ネットワーク向けの英語・スペイン語のバイリンガル電話メニューで、64kbpsのMP3で納品され、約30秒で更新されます。
• チャネル別のビットレート：サイトの品質ガイドは、8〜64kbpsを電話・IVR・サイネージに、64〜128kbpsをYouTube・ポッドキャスト・eラーニングに、192〜320kbpsを放送用途に対応させています。
• eラーニングのドリル：スペイン語のバイリンガルドリルは、1つの録音の中で英語とスペイン語を混ぜ、1本の原稿からレッスンごとに50個のMP3ファイルに分割されています。
• 職場の安全アラート：別の事例では、APIを使って15,000m²の倉庫で6言語の構内放送による安全アラートを流しています。
• ローカライズした音声ガイド：ある展示会の音声ガイドは、1回のSRTアップロードから5言語にローカライズされ、言語ごとに別の音声が選ばれています。

対象ユーザー

Speechgen.ioは、音声の需要が時期的に集中する購入者に向いています。価格ページは「毎月使わないのに、なぜ毎月払うのですか？」と問いかけ、パックは最長1年間有効だとしています。

向いている人

• 動画クリエイター：サイトによると、AIナレーションのファイルはPremiere Pro、DaVinci Resolve、CapCutなどの編集ソフトを通じてYouTube、TikTok、Reelsのプロジェクトに使えます。
• 予算を抑えた多言語プロジェクト：Standard音声は、最も経済的で、最も幅広い言語をカバーするランクだと説明されています。

向いていない人

• 声をクローンしたい未成年者：ボイスクローンは、保護者の同意の有無にかかわらず18歳以上であることが条件です。
• 実在の著名人の模倣を前提とするプロジェクト：「制限事項」で扱うコンテンツ規約が、政治家や著名人の声を制限しています。
• 手厚い返金保証を求める購入者：返金条件は狭く、公式ページ同士でも食い違っています。

プラットフォーム

• Webエディター：Speechgen.ioはブラウザーで動作し、インストールするソフトウェアはありません。
• モバイルブラウザー：ボイスクローンのツールは、デスクトップ、タブレット、スマートフォンのブラウザーで動作します。今回確認したページでは、ネイティブのデスクトップアプリやモバイルアプリは提供されていません。
• REST API：APIの利用には有料アカウントが必要です。/textメソッドは最大2,000文字までの音声を即座に返し、/longtextはポーリングするタスクIDを通じて最大1,000,000文字まで処理します。
• タイムスタンプ：/subsメソッドは/longtextと同様に動作しますが、音声を動画やスライドに合わせるための字幕タイムスタンプも返します。
• ノーコード自動化：REST APIは1回のHTTP呼び出しで音声のURLを返し、サイトによればn8n、Make、Zapierと連携できます。
• WordPress：無料プラグインでWordPressサイトの記事を音声化できますが、インストールはアーカイブからのみで、WordPressのリポジトリには掲載されておらず、動作にはSpeechgenのトークンが必要です。

価格

Speechgen.ioは、25,000クレジット$4.99から10,000,000クレジット$599.99まで、6種類の買い切りクレジットパックを販売しています。

取り消し線付きの参考価格が何を表すのか、ページには説明がありません。分数の目安は、1分あたり約140語の平均的な英語テキストを前提としています。

• 換算レート：1クレジットで、Standard音声なら2文字、Proなら1文字、HDなら0.5文字分を購入できます。
• 課金単位：課金は文字単位で、スペースや句読点も含みます。
• 有効期限：クレジットは購入から1年間有効で、新たに購入すると残高が合算され、1年のタイマーがリセットされます。
• 全パック共通の内容：各パックに商用ライセンス、APIアクセス、全音声、スマートキャッシュ、30日間の履歴が付きます。
• 残高は1つ：同じクレジットを音声合成、文字起こし、またはその両方に使えます。
• 支払いと請求書：StripeとPayPalに対応し、請求書には会社名、住所、VAT番号を自由に記載できます。

無料枠

ホームページでは3段階の無料枠を説明しています。アカウントなしで1,000文字、無料登録時にさらに2,000文字、その後7日間は1日3,000文字です。一方、プライバシーポリシーでは、5 Limitsのテスト料金プランと、gmail.com、yahoo.com、hotmail.comのいずれかのアドレスで登録すると得られる1,000 Limitsの無料分を説明しています。ページ同士で2つの説明はすり合わされていません。

ボイスクローンの費用

クローンの作成に2,000クレジット、保存に1日250クレジットがかかり、合成はHDのレートで課金されます。ボイスクローンに無料枠はなく、クローンを削除すると保存料金は止まります。

Speechgen.ioの代替ツール

Speechgen.ioは自社のパックを、同社の説明では使っても使わなくても月$22〜$99かかる月額プランと対比させています。あるプロダクト発見プラットフォームでSpeechgen.ioと並んで掲載されている2つのサブスクリプション製品は、このトレードオフの反対側を示しています。

• ElevenLabs：ElevenLabsは月払いまたは年払いのプランを販売しており、月$0のFreeプランもあります。Starterプランは、Freeの全内容に商用ライセンスと即時ボイスクローンを加えたものとして掲載されていますが、Speechgen.ioは無料利用にも商用ライセンスを付けています。
• Wondercraft：Wondercraftは、音楽とチャプター付きのエピソードを企画・収録・自動編集するAIポッドキャスト生成ツールを提供しています。月払いまたは年払いで、150クレジット付きの月$0のFreeプランがあります。

Speechgen.ioはクレジットを長く持たせたい不定期のまとまった作業に、サブスクリプション製品は毎月の安定した制作やポッドキャスト型の編集に向いています。

制限事項

主な制限のいくつかは、Speechgen.io自身のページ同士の矛盾から生じています。

食い違う数値

• 最大テキスト長：ホームページでは、最大1,000,000文字を貼り付けられ、DOCX、PDF、SRTもアップロードできるとしています。
• 別の場所ではより高い上限：ステップごとのガイドは、1回の生成につき最大2,000,000文字と明記しています。
• 音声の数：ホームページのある紹介文は、いまだに数十種類の音声と言語が利用できると書いており、他の箇所の5,000+という数字と食い違います。

入出力の制約

• 記号：ガイドは、絵文字や顔文字が音声生成を妨げるおそれがあると注意しています。
• SSMLの対応範囲：音声によって、対応するSSMLタグのセットが異なります。

返金・アカウント・信頼性

• 返金ページ：返金ポリシーのページは、未使用のトークンは返金しないとしています。
• プライバシーポリシーの例外：ただし同ポリシーは、使用量が3,000文字以下であれば、購入から24時間以内の返品申請を認めています。
• アカウントは1つ：複数アカウントの作成は禁止されています。
• サービス停止：同社は第三者レビュープラットフォームでの返信で、2025年9月の障害によりWebサイトにアクセスできなくなったと述べ、その後、3日以内に最小限の版が稼働し、5日以内に全機能が戻ったと説明しました。
• ユーザー評価：2026年10月5日時点の取得内容では、ある第三者レビュープラットフォームで企業単位のレビュー21件の平均が3.0、そのうち53%が星5、14%が星1でした。これほど小さなサンプルは傾向を示すにとどまります。

法的文書の欠落

• 主要な規約が見つからない：ボイスクローン規約は準拠法を「SpeechGenの主要な利用規約」に委ねています。サイトのサイトマップを含め今回確認したページでは、独立した一般規約のページは見つからず、クローン規約自身のリンクもクローン規約に戻ってきます。
• 別のドメインへの言及：DMCAページは、speechgen.ioではなくnaturalvoice.ioに投稿された素材について述べています。
• 確認：クローン規約は、アップロードされた音声、ユーザーの身元、申告された同意を事前に確認しないとしています。ボイスクローンのページは、「年齢確認が必要」として18歳未満のユーザーを禁止事項に挙げています。

プライバシーと権利

• 商用利用：Speechgen.ioは、無料・有料のすべてのプランに商用ライセンスが付き、作成した音声ファイルはユーザーが所有するとしています。
• テキストの著作権：プライバシーポリシーは、商用利用を含め音声化したファイルの利用に制限を設けていませんが、元のテキストの著作権は引き続き尊重する必要があります。
• 政治家の声：本人の同意があっても、政治家や政府高官の声や姿を模倣するためにサービスを使ってはなりません。
• その他の禁止用途：規約は、明示的な許可なく他人になりすますことと、性的に露骨なアプリケーションでの利用を禁じています。
• 収集されるデータ：プライバシーポリシーはメールアドレスを個人データとして挙げ、Google Analyticsなどの統計サービスを通じて匿名化された訪問者データを収集するとしています。今回確認したページでは、送信したテキストがモデルの学習に使われるかどうかは書かれていません。
• ファイルの保存期間：登録ユーザーのファイルは30日間、未登録ユーザーのファイルは24時間保存され、その後、履歴は復元できない形で削除されます。
• お気に入り：ガイドには7日間の文キャッシュ、30日間のプロジェクト履歴、お気に入りファイルの永久保存が挙げられていますが、プライバシーポリシーの30日削除ルールはこれに触れていません。

ボイスクローンのルール

• 同意：他人の声をクローンするには、明示的で十分な説明を受けたうえでの、記録に残る書面の同意が必要で、クローンが存在する間と削除後少なくとも2年間保管しなければなりません。
• 求めに応じた証明：Speechgen.ioは同意の証明を求めることがあり、7日以内に有効な書類が提出されなければクローンを削除します。
• 制限対象の声：現職の国家元首、高官、裁判官、選挙の候補者、遺産管理者の許可がない故人、そしてクローンがお墨付き・なりすまし・名誉毀損と受け取られうる著名人の声はクローンできません。
• 所有権：ユーザーは、アップロードしたサンプルと、自分の音声モデルで合成した音声の所有権を保持します。
• ライセンスの範囲：ユーザーはSpeechgen.ioに、サンプルとモデルについてのライセンスを、そのユーザーのためにサービスを運営する目的に限って付与します。これにはユーザー自身の音声モデルの改善も含まれます。
• 学習の禁止：クローン規約は、生成した音声を使って第三者の音声モデルや競合製品を学習・改善することを禁じています。
• 処理場所：音声サンプルとモデルは、Speechgen.ioが選ぶいずれの法域のサーバーでも処理される可能性があります。
• 削除のタイミング：クローン規約では、削除されたモデルは30日以内に稼働中のシステムから除去され、バックアップは通常のローテーションで消去されます。一方、ボイスクローンのページは、削除は即時でモデルを完全に取り除くとしています。

よくある質問

Q1. Speechgen.ioの音声は商用利用できますか？

サイトによれば可能です。無料・有料のどちらの利用にも商用ライセンスが含まれ、プライバシーポリシーは、元のテキストの著作権は引き続き尊重する必要があると補足しています。

Q2. Speechgen.ioのクレジットに有効期限はありますか？

あります。クレジットは購入から1年間有効で、別のパックを買うと残高が繰り越され、タイマーがリセットされます。

Q3. 他人の声をクローンできますか？

本人の記録に残る書面の同意がある場合に限られ、現職の国家元首、裁判官、選挙の候補者といった制限対象はクローンできません。ユーザーは18歳以上である必要があります。