Eleven Multilingual v2とEleven v3長文と表現タグの分け方

Multilingual v2は長文を分割して安定運用する経路、v3は短い台詞へ表現指示と複数話者を入れる経路です。原稿の長さから選びます。

2026年10月19日にElevenLabs公式モデル一覧、Audio Tags、API pricingを確認しました。日本語の読みや感情を測った比較ではありません。

執筆・確認：株式会社志庵編集担当　確認日：2026年10月19日

この記事の目次

長文を安定させるか、短い台詞を演出するか

eleven_multilingual_v2は29言語、10,000文字、長文で最も安定という公式位置付けです。原稿をチャンクへ分け、voice_idと順序を固定する工程に置きます。

eleven_v3は70以上の言語、5,000文字、複数話者、Audio Tagsを案内する表現寄りのモデルです。短い台詞、掛け合い、演技指示を別の修正単位にします。

先に見る数字
一つの音声へ渡す文字数、話者数、タグの有無、チャンクの結合方法を決めます。どちらの日本語が自然かは同じ台詞を測定していないため決めません。

原稿長と演技指示の範囲（2026年10月19日確認）
確認軸	Multilingual v2	v3	制作で残す確認
正式ID	`eleven_multilingual_v2`	`eleven_v3`	voice_idとmodel_idを保存。
言語・文字	29言語、10,000文字。	70以上の言語、5,000文字。	超過時の分割位置を記録。
話者	長文の安定運用向け。	複数話者と自然なdialogueを案内。	話者名、voice_id、順序。
表現指示	長文・一貫性を優先する運用。	角括弧のAudio Tagsをspeech/dialogueで利用。	タグ位置と修正理由。
API料金	$0.08/1,000文字。	$0.08/1,000文字。	分数換算せず文字数で記録。

Multilingual v2では10,000文字を越えないチャンク、voice_id、速度、結合順、無音を保存します。v3ではタグの位置、話者、修正箇所を保存し、タグが日本語へどう作用するかを試聴で確認します。

10,000文字以内の日本語ナレーションと、二人が短く話す30秒の告知を同じ制作月に作る。

この例でv3を選ぶ理由は言語数の多さだけではなく、短い台詞へ話者とタグを置く工程です。

v2からv3へ移すときは、長文チャンクを5,000文字以内へ再分割し、voice_id、話者、Audio Tags、結合順を作り直します。v3からv2へ戻す場合は、タグや複数話者の指示を本文と話者別チャンクへ分解します。

同じvoice_idでも、モデル移行後の読みや表現が一致するとは限りません。原稿、タグ、生成日時、採用テイクを保存して試聴をやり直します。

API価格は両モデルとも$0.08/1,000文字と確認しました。音声分数への換算、再生成回数、プラン、ネットワーク時間は別条件です。日本語の発音、自然さ、感情、速度、成功率、声の一貫性は測定していません。

確認日は2026年10月19日です。