AI音声クローンのロイヤリティ販売(ElevenLabs Voice Library)

## 概要(何のモデルか) 自分の声をAIに学習させて「声のクローン」を作り、他人(個人・企業)がそのクローン音声でナレーションや動画音声を生成するたびに、使用量(文字数)に応じたロイヤリティを声の持ち主が受け取るモデル。代表例は米ElevenLabsの「Voice Library」+「Voice Actor Payouts」で、最短30分の音声サンプルをアップロードして本人確認(Voice Captcha)を通せば、あとは声が使われるたびに自動で報酬が積み上がる。声優やナレーターのような専業スキルがなくても、声質に個性があれば参加できる点が新しい。 基本料率は1,000文字あたり$0.03(高品質・希少声質は最大$0.20まで交渉可)。Stripe Connectで週次払い、残高$10から出金開始。ElevenLabsは2024年2月に「Voice Actor Payouts」機能を導入し、2025年5月に累計支払額$5M、2025年11月に$11M、2026年5月時点で$22M、登録クリエイターは10,400人超に達している(ElevenLabs公式ブログ)。 「声の資産化=受動収益」という点で、既存のストックフォト・印税モデルと構造は同じだが、対象が「声」という個人性の強い資産である点、そして声の唯一性・なりすまし悪用のリスクが常につきまとう点が固有の論点になる。 ## 海外での成立過程(誰がどう食えるようになったか) - ElevenLabsは2023年に「Voice Library」(声の共有・閲覧機能)を先行公開し、2024年2月13日に有償利用に対する現金報酬機能「Voice Actor Payouts」を追加した。ここで初めて「声をアップロードして印税を得る」という個人向けマネタイズが成立した(ElevenLabs公式ブログ)。 - 同社ブログによれば、2024年3月時点でトップの声優は月額約$4,000(年換算約$48,000)を稼いでいたとされる。ただしこれは単一のトップ事例であり、中央値や分布は公開されていない。 - 2025年5月、累計支払額が$5Mを突破したと発表され、この時点で「一部の個人は月$10,000規模の受動収入を得ている」という報道が広がった。これが海外で「個人が声のロイヤリティだけで食える」という認知が定着した転機にあたる(ElevenLabs公式ブログ/payoutsページ)。 - その後も成長は続き、2025年11月に$11M、2026年5月に$22M(6ヶ月で倍増)、登録クリエイター10,400人超・対応言語32言語に到達(ElevenLabs公式ブログ)。 - 一方で実際の分布は偏りが大きい。Redditユーザーの「1回のアップロードで月$200」、ブロガーLauri Immonen氏の「2つの声で5ヶ month累計$1,000」といった中堅の事例が公式ブログ自身で紹介されており、$4,000/月や$10,000/月は上位層の話である。第三者記事では「ほとんどの登録者はニッチにはまって初めて月$80〜$320程度」という指摘もあるが、この幅の一次出典は明確でなく、本人申告の域を出ない(income_evidence: claimed として扱う)。 ## 日本の現状(実査) **実査1**: 「CoeFont 声 収益 登録者数 実績」で検索 → 国産AI音声プラットフォームCoeFont(東京、2020年11月設立、2021年7月「CoeFont CLOUD」開始)が、ElevenLabsのVoice Actor Payoutsより3年早い開始当初から、声提供者への利用料還元(利用料の70%を声の提供者に還元)を行っている。2025年10月時点で登録声提供者は3,300名超、100万円超の収益を得た例も複数あり、月数万円規模の継続収益を得ている登録者も存在する(株式会社CoeFontプレスリリース/audiostart.info)。提供声優には森川智之、野沢雅子、銀河万丈といった著名プロ声優や、ひろゆき・成田悠輔ら著名人も名を連ねる(ja.wikipedia.org)。 **実査2**: 「ElevenLabs Voice Library 日本人 声 登録 収益 体験談」で検索 → ElevenLabsは日本語(および70以上の言語)に対応しており、日本から直接参加することも可能。ブロガーのイケハヤ氏(note、2025年9月9日)が、知人「リツト」氏が男性声をボイスチェンジャーで女性声化し「kuon」名義で登録したところ、ElevenLabsのボイスライブラリ内でトップクラスの人気となり約1.8万人・1,700万文字分に使用され「累計数万円の収益」を得たと紹介している。ただしこれは伝聞(著者が知人から聞いた話)であり、一次の金額証跡は示されていない。 **実査3**: 「声のロイヤリティ販売 個人 サブスク AI音声 プラットフォーム比較 2026」で検索 → 日本語の「ElevenLabsで稼ぐ」系ハウツー記事(miralab、nodemiru、ai-reboot等)は2026年時点で多数存在し、始め方の情報自体はすでにコモディティ化している。一方で、実名・実額付きの高額成功事例はイケハヤ氏の伝聞例程度しか見つからず、CoeFont側の「100万円超」も具体的な個人名・内訳は非公開。「声のロイヤリティで生計を立てている個人」の一次証言はほぼ見当たらない。 総合すると、日本には(1)CoeFontという国産の先行同型プラットフォームが2021年から存在し、(2)ElevenLabsにも日本から直接参加できる、という二重の意味で「空白」ではない。しかし個人の成功事例の厚みは薄く、Nikkei記事(2025年9月6日)も「日本市場ではまだ声の権利化に対する法整備も、人々の心の準備も追いついていない」と指摘しており、インフラは先行しているのに市場としての成熟(供給側の厚み・法的安心感・成功事例の可視化)は overseas に対して遅れている、という「インフラ先行・普及後追い」型のねじれが見られる。 ## 日本で遅れている・空いている理由 - 制度面: 日本の著作権法では「声」自体は著作物として保護されず、有名人以外はパブリシティ権もプライバシー権も及びにくい。「自分の声を資産として契約に基づき貸し出す」という発想を支える法的土台が薄い(Nikkei記事、文化庁著作権分科会資料)。 - 心理的抵抗: 自分の声がなりすまし・詐欺・意図しない用途に使われることへの警戒感が強く、「顔を出さないSNS」的な匿名文化と裏腹に「声は本人性が強すぎて出しにくい」という声がある(Nikkei記事の指摘)。 - 供給の偏り: CoeFontは著名声優・著名人を先に取り込んでおり、無名個人が新規登録しても発見されにくい。ElevenLabs側は英語圏の声が主流で、日本語ニッチ自体はまだ薄いが、それを掘り起こす一次情報も少ない。 - 通貨・言語の壁: ElevenLabsは英語UI・米ドル決済(Stripe Connect)が基本で、確定申告や為替を含めた実務ハードルが国内サービスより一段高い。 ## AI による構造変化 音声合成AI以前は、声を売る個人向けの手段は「単発のナレーション受注(ココナラ・ランサーズ型のクラウドソーシング)」に限られ、労働時間に収入が比例していた。AI音声クローンは、最短30分(CoeFontは5分)の録音を一度行えば、以後は本人が働かなくても「声のクローン」が24時間365日稼働し、使用量に応じた印税だけが発生するストック型資産に変わる点が構造変化そのもの。これはストックフォトや印税本と同じ「一度作って売り続ける」パターンを、これまで労働集約的だった「声」というアウトプットに初めて適用した、と整理できる。 ## 個人が今日始めるなら(具体的な入り方・初期90日) 二つのチャネルを並行するのが現実的(海外ElevenLabsは規模、国内CoeFontは日本語需要とブランド認知を取りに行く狙い)。 **Week 1-2: 準備** - 静かな部屋+数千円のUSBマイクを用意。台本なしの自然な話し方で、感情の起伏がある30分〜2時間分を録音(ElevenLabs推奨)。 - CoeFont側は最短5分の録音でも登録可能。両方に同じ高品質な音源を使い回せる。 **Week 3-4: 登録・審査** - ElevenLabs: Creatorプラン(月$22、初月キャンペーンで割引あり)に登録し、Professional Voice Clone(PVC)を作成。本人確認(Voice Captcha)後、Voice Libraryに公開設定・タグ付け・料率設定(デフォルト$0.03/1,000文字)を行う。 - CoeFont: 無料〜有料プランで声を登録し、公開範囲(一般公開/許可制)を設定。許可制なら悪用リスクを抑えつつ実績を積める。 - Stripe Connectのアカウント開設(海外送金の受け皿)をこの時期に済ませる。 **Month 2: 差別化** - プロフィールの説明文・タグ(年齢感、アクセント、感情表現の幅など)を作り込み、ニッチな用途(例:落ち着いた男性ナレーション、感情豊かな女性声、方言・訛りのある声)で検索に引っかかるよう最適化する。イケハヤ氏が紹介した「kuon」の例のように、既存の声質カテゴリーが手薄なポジションを取れると伸びやすい。 **Month 3: 計測と継続判断** - ElevenLabsの週次ダッシュボードとCoeFontの実績を突き合わせ、$10/月・数千円規模にすら届かないなら声質やタグの見直し、届いているなら音源追加(HQバッジ申請など)で単価引き上げを狙う。 - 年20万円を超えた時点で確定申告が必要になる点を最初から織り込んでおく。 過度な期待は禁物で、公式ブログ自身が紹介する事例でも「月$200」「5ヶ月で$1,000」が中位の水準であり、月$10,000は例外的な上位事例である。 ## リスクと窓が閉じる条件 - **規制強化リスク**: 2026年4月、米上院議員Maggie HassanがElevenLabs・LOVO・Speechify・VEEDに対し、FBIが2025年のAI関連詐欺被害額を$893M(22,000件超、うち高齢者を狙った「孫詐欺」型が$352M)と報告したことを受け、同意確認・ウォーターマーク導入・声の出所管理について公式回答を要求した(Forbes、2026年4月19日)。3秒の音声サンプルでクローン生成が可能とされ、規制がプラットフォームの自由な音声公開・即時利用を制限する方向に振れる可能性がある。 - **訴訟リスク**: 声優Karissa Vacker・Mark Boyett氏らがElevenLabsを声の無断利用で提訴したほか、2026年5月にはイリノイ州のバイオメトリック情報プライバシー法(BIPA)違反でジャーナリスト・声優7名がElevenLabsを提訴(Sifted、2026年5月13日)。プラットフォーム側の法的リスクが顕在化しており、規約変更や審査強化(=個人の参入障壁上昇)につながりうる。 - **なりすまし・信用毀損リスク**: 合法的に登録した声であっても、他者が悪用してなりすまし詐欺に使われた場合、声の持ち主自身の評判・信用が傷つくリスクがある。SAG-AFTRAなど声優の労働組合はAIクローンへの同意・適正報酬を契約条項で確保する動きを強めており、業界全体でプロ声優のクローン利用条件が厳格化する方向にある。 - **飽和・埋没リスク**: CoeFontは著名声優・著名人がすでに上位を占めており、無名個人の新規声が発見されにくい。ElevenLabs側も声の絶対数が増え続けており(5,000超→10,000超の library規模)、後発ほど「タグの隙間」を見つけるゲームになる。 - **窓が閉じる条件**: (1) 規制当局が声のクローン作成自体に強い同意要件・年齢確認・ウォーターマーク義務を課し、セルフサービス型の即時公開が難しくなる、(2) プラットフォームが集団訴訟のコストを避けるためVoice Libraryの一般公開モデル自体を縮小・審査制に切り替える、(3) 声優組合との団体協定でプロ声優のクローン利用料率が個人の自由設定より優遇され、個人の相対的な取り分が下がる、のいずれかが起きれば、「誰でも今日から声を登録して稼げる」という現在の窓は狭まる。