Eleven v4とCosyVoice 2Hosted音声と公開ウェイトの運用を分ける
Elevenのvoice_idで納品を回すか、CosyVoice2-0.5BをGPUで動かすか。API価格だけでは決まりません。
ElevenLabsとFunAudioLLMの公式資料を2026年10月19日に確認しました。CosyVoice 2は公開ウェイト/ローカル推論、ElevenはHosted APIとして扱います。
公式仕様の比較。生成結果の実測と、公式に記載された機能は分けて紹介します。根拠・検証範囲を見る
この記事の目次
声の所有境界で選ぶ
Eleven v4はvoice_idとAPI契約で台詞を生成します。CosyVoice 2はCosyVoice2-0.5Bを取得し、参照音声とローカル推論を組みます。
GPU保守を持たず既存voice_idで制作するならEleven。checkpointと参照音声を自社保持しstreamingを管理できるならCosyVoice 2。発音・速度は未測定です。
正式ID・入力・配信・料金を比べる
| 比較軸 | 左側モデル | 右側モデル | 制作で決めること |
|---|---|---|---|
| 提供経路 | eleven_v4。Hosted API。 | CosyVoice2-0.5B。ModelScope/Hugging Face weights。 | クラウドか自社推論かを決める。 |
| 参照 | voice_id、voice cloning、Text to Dialogue。 | 参照音声、zero-shot/cross-lingual/instruct。 | 音声の保存先・権利を決める。 |
| 出力 | Hosted会話生成。 | local streaming/非streaming、vLLM、FastAPI/gRPC。 | チャンク結合を実装する。 |
| 更新 | provider側モデル/voice更新。 | repo、weights、GPU、commitを固定。 | 再現性の責任を選ぶ。 |
| 価格 | $0.08/1,000 characters。 | 共通Hosted単価なし。 | weightsを文字単価へ換算しない。 |
CosyVoice2-0.5Bの公式モデルカードはApache-2.0を表示しています。利用するリポジトリ・依存ライブラリのライセンスと、参照音声を使用する権利は別に確認します。
voice_idとcheckpointを別保存単位にする
Elevenはvoice_id、台詞、Audio Tags、生成日時、出力形式を保存します。CosyVoiceはweights取得元、repo commit、推論クラス、参照音声、mode、GPU、チャンクを保存します。
Hosted返却仕様をCosyVoiceへ当てはめず、v1/v2/v3ディレクトリを混ぜません。
公開版と機密版を分ける
仮の条件（実際の生成結果ではない）
公開FAQは毎日更新し、機密マニュアルは外部APIへ送らない。
- 公開版をElevenのvoice_id/Text to Dialogueで作る。
- 機密版をCosyVoice2-0.5Bと参照音声で自社GPU処理する。
- 同じ台本でも出力と再現条件を別記録にする。
- ライセンス・同意・モデル版を確認する。
APIの単価と自己運用費を分ける
Elevenは$0.08/1,000 characters。CosyVoice公式資料に共通Hosted単価はなく、GPU、保存、監視、更新、再生成を別見積もりにします。
出典と確認範囲
公式資料を2026-10-19に確認しました。Eleven v4 vs CosyVoice 2の正式ID、提供経路、入力・演技、参照素材、出力、価格単位を確認しています。音質、発音、感情表現、声の一貫性、遅延、成功率は同条件で測定していません。
- ElevenLabs｜Models —
eleven_v4は90以上の言語、10,000文字、Text to Dialogue APIを案内。v4 TurboはWebSocketと低遅延向け。 - ElevenLabs｜API pricing — v4は$0.08/1,000 characters、Text to Speechは文字単位で課金。
- ElevenLabs｜Text to Dialogue — 台詞ごとのvoice_idを使う会話生成API。
- ElevenLabs｜Audio Tags — v4の角括弧Audio Tagsを台詞内で使える。
- FunAudioLLM｜CosyVoice official repository —
CosyVoice2-0.5Bとv1 weights、zero-shot/cross-lingual/instruct、参照音声、streaming、vLLM、FastAPI/gRPCの公開repo。 - CosyVoice 2 paper — LLMベースのstreaming speech synthesisと参照音声を記録。
- FunAudioLLM｜CosyVoice2-0.5B model card：公開ウェイトのApache-2.0表示。
この条件で制作を相談する
用途・素材・尺・予算・希望時期が決まっている範囲で、株式会社志庵へ相談できます。掲載会社への一斉送信や契約は行いません。