室谷代表取締役Eleven Realtime Translation（イレブン・リアルタイム・トランスレーション）は、ElevenLabsが2026年10月21日に発表した、通話中の音声をリアルタイムで双方向翻訳する機能で、各話者が自分の言語で話し、相手の言語に翻訳された自然な音声をその場で聞けるものです。エンタープライズ顧客向けの限定アルファとして提供が始まりました。
テキトー教師DotAI 認定講師前日の10月20日に音声エージェント向けの「Eleven Realtime」を発表した直後の展開ですね。今回は「人とAI」ではなく「人と人」の通話にフォーカスしたのがポイントです。
Eleven Realtime Translationとは？何が発表されたか
まとめ
Eleven Realtime Translationの発表内容
- 録音済み音声の後追いダビングではなく、進行中の生通話を対象にした双方向ライブ翻訳
- 各話者が自分の言語で話し、相手は自分の言語でその音声を聞ける
- 翻訳と音声合成が一体化し、自然な声で翻訳音声を届けるレイヤーとして提供
- 提供対象はElevenAPIのエンタープライズ顧客で、アルファ版
- 公式コピーは「Talk to anyone in any language.」
- 発表元はElevenLabs。Xの投稿は告知チャネルであり、製品の提供主体はElevenLabs
室谷代表取締役まず整理すると、これは「録音済み音声を後から別言語に差し替えるダビング」ではなく、進行中の生通話を対象にした双方向のライブ翻訳なんですよね。ElevenLabsの公式ブログによると、各話者が自分の言語で話し、相手は自分の言語でその音声を聞ける、と。
テキトー教師DotAI 認定講師単に翻訳するだけの話じゃないんですよ。音声そのものを自然な声で届けるところまで含まれている。
つまり「翻訳」と「音声合成」が一体化したレイヤーとして提供されるわけです。
つまり「翻訳」と「音声合成」が一体化したレイヤーとして提供されるわけです。
室谷代表取締役提供対象はElevenAPIのエンタープライズ顧客で、アルファ版です。公式ページでは「Talk to anyone in any language.」というコピーで、ライブ音声を自然で表現力のある翻訳音声に変換すると説明されています。
テキトー教師DotAI 認定講師ここで大事なのは、発表元がElevenLabsであって、Xの投稿はあくまで告知チャネルだということ。製品としての提供主体はElevenLabsです。
Eleven Realtime Translationでできること――90言語超の双方向ライブ翻訳
Eleven Realtime Translationでできること
双方向ライブ翻訳
各当事者が自分の言語で話し、相手の言語で聞ける
90言語超＋自動検出
対応言語は90以上、話者の言語を自動検出（公式例示に日本語の明記はなし）
多彩な声の選択
17,500以上の声ライブラリ、またはInstant／Professional Voice Cloneで自分の声を使用
セッション中も声を一貫
同じ声がセッション中ずっと保たれる
翻訳開始スピードを調整
品質重視から低遅延まで用途別に振れる
キャプション・文字起こし出力
翻訳テキストに加え、ソース音声の中間・最終トランスクリプトもストリーム出力
テレコム向け音声フォーマット
対応フォーマットをAPIで設定可能
室谷代表取締役できることを整理すると、まず双方向翻訳。各当事者が自分の言語で話し、相手の言語で聞ける。
対応言語は90以上で、話者の言語を自動検出します。
対応言語は90以上で、話者の言語を自動検出します。
テキトー教師DotAI 認定講師公式ページの言語リストにはアフリカーンス語、アラビア語、アルメニア語、アッサム語、アゼルバイジャン語、ベラルーシ語、ベンガル語、ボスニア語などが例示されていて、「+95 languages and accents」とあります。日本語が90言語超の一部として含まれる可能性はありますが、公式の例示リストに日本語は明記されていません。
室谷代表取締役声は17,500以上のライブラリから選ぶか、Instant Voice Clone／Professional Voice Cloneで自分の声を使える。セッション中は同じ声が一貫して保たれるんですよね。
テキトー教師DotAI 認定講師さらにキャプションと文字起こしのストリーム出力にも対応しています。翻訳テキストに加えて、ソース音声の中間・最終トランスクリプトも流せる。
アクセシビリティや記録用途でも効いてきます。
アクセシビリティや記録用途でも効いてきます。
室谷代表取締役翻訳開始の速さは用途別に調整可能で、品質重視から低遅延まで振れる。ここは実務ではかなり効くポイントです。
テキトー教師DotAI 認定講師整理するとこうです。
- 双方向のライブ音声翻訳（各話者が母語で話し、相手の言語で聞く）
- 90言語超に対応、話者言語を自動検出
- 17,500以上の声ライブラリ、またはInstant／Professional Voice Cloneを使用
- セッション中は同じ声を一貫して維持
- 翻訳開始スピードを用途別に調整可能
- キャプション・文字起こしのストリーム出力
- テレコム向けの音声フォーマットに対応し、APIで設定可能
Eleven Realtime Translationの使い方・始め方（エンタープライズ限定アルファの提供条件）
Eleven Realtime Translationの始め方（エンタープライズ限定アルファ）
- 01エンタープライズ顧客としてElevenAPIを利用現時点では一般ユーザー向けではなく、エンタープライズ顧客向けのアルファ提供
- 02contact salesから問い合わせ公式ブログでcontact salesから始める流れが示されている
- 03ドキュメントを参照してAPI連携公式ブログの「Read more how to integrate Eleven Realtime Translation here」からドキュメントへ
- 04用途に応じてAPIを組み込むテレコムは通話レイヤー、コンタクトセンターはオペレーターと顧客の間、ライブイベントは参加者デバイスへの配信
室谷代表取締役使い方ですが、現時点ではElevenAPIのエンタープライズ顧客向けアルファです。公式ブログでは「Read more how to integrate Eleven Realtime Translation here」としてドキュメントへの導線があり、contact salesから始める流れが示されています。
テキトー教師DotAI 認定講師一般ユーザーがアプリストアからすぐ使える、という類のものではないんですよ。まずは企業がAPI経由で組み込む形。
テレコム事業者なら通話レイヤーに、コンタクトセンターならオペレーターと顧客の間に、ライブイベントなら参加者デバイスへの配信に、という具合です。
テレコム事業者なら通話レイヤーに、コンタクトセンターならオペレーターと顧客の間に、ライブイベントなら参加者デバイスへの配信に、という具合です。
室谷代表取締役うちのMYUUUでも音声エージェントの案件は増えているんですが、こういう「通話レイヤーに入れる」タイプの機能は、APIの設計次第で体験が大きく変わります。テレコム向けに音声フォーマット対応とAPI設定が明記されているのは心強いですよね。
テキトー教師DotAI 認定講師講座でも受講生さんから「APIでどこまで制御できるのか」という質問が多いんですけど、今回は開始スピードの調整や声の選択、キャプション出力までAPIで設定できる範囲として示されています。
室谷代表取締役関連で言うと、前日に発表された音声エージェント向けのEleven RealtimeについてはElevenLabsの「Eleven Realtime」とは？0.57秒で話すSpeech to Speechモデルで詳しく解説しているので、合わせて読むと位置づけが分かりやすいです。
料金・日本での提供は？現時点で分かっていること
室谷代表取締役料金についてですが、今回の発表資料には具体的な価格や無料枠の記載がありません。エンタープライズ向けアルファで、contact salesからの案内という形なので、個別見積もりになると考えるのが自然です。
現時点で明らかにされていない、というのが正確なところです。
現時点で明らかにされていない、というのが正確なところです。
テキトー教師DotAI 認定講師日本での提供についても、公式ページに日本語の言語リスト表記はありますが、日本国内でいつから一般提供されるかは明記されていません。アルファの対象はElevenAPIのエンタープライズ顧客なので、日本企業も条件を満たせば相談可能という整理になります。
室谷代表取締役ここは誤解されやすいので、はっきりさせておきたいですね。個人が無料で試せる段階ではない、と。
テキトー教師DotAI 認定講師単に「無料か有料か」という話じゃなくて、アルファ段階では提供条件そのものが限定されているんですよ。導入検討なら営業窓口への相談が起点になります。
自然な声と低遅延をどう両立するか――Eleven v4 Turboと声の一貫性
室谷代表取締役技術面で面白いのは、翻訳音声にEleven v4 Turboを使っている点です。これはリアルタイム用途向けに最適化された低遅延の音声モデルで、公式ブログでは「low-latency speech model optimized for realtime applications」と説明されています。
テキトー教師DotAI 認定講師さらに、単一の声が複数言語で一貫してパフォーマンスを発揮すると書かれている。ブランドやエージェントがどの市場でも同じ声で話せる、というわけです。
室谷代表取締役声の一貫性はブランド体験に直結しますからね。通話ごとに声が変わったら、信頼感が損なわれる。
ここを設計に組み込んでいるのは実践的です。
ここを設計に組み込んでいるのは実践的です。
テキトー教師DotAI 認定講師遅延と品質のバランスも調整可能です。請求や保険金請求のような複雑な通話では高品質翻訳、素早いやり取りが求められる場面では最低遅延、というようにチューニングできる。
室谷代表取締役これは現場の会話設計に近い話で、全部を同じ設定にするのではなく、ユースケースごとに最適化する前提なんですよね。
テキトー教師DotAI 認定講師ちなみに、リアルタイム音声認識側の基盤としてはScribe v2 Realtimeという別製品も公式にありますが、今回のRealtime Translationの説明ではEleven v4 Turboが翻訳音声のモデルとして明記されている、という整理です。
なぜ今、人と人との通話なのか――背景とDeutsche Telekomの導入事例
室谷代表取締役背景として公式ブログが挙げているのが「言語がスケールの制約になる」という課題です。顧客がある言語で電話しても、その言語を理解できるオペレーターを待たされる、あるいは不慣れな言語で対応されることがある、と。
テキトー教師DotAI 認定講師コンタクトセンターでは通訳を同席させる必要があった。それを、オペレーターと顧客の間にこの機能を置くことで、一人のオペレーターがより多くの言語の顧客を助けられるようにする、というのが狙いです。
室谷代表取締役導入事例としてDeutsche Telekomがすでに使っていると明記されています。Magenta AI Call Assistantに組み込んで新しい通話機能を構築中で、Deutsche TelekomのLena Drubel氏（VP Consumer AI）のコメントも紹介されています。
テキトー教師DotAI 認定講師通信事業者、コンタクトセンター／BPO、ライブイベントという3つの用途が公式に示されている。これは単なる翻訳ツールではなく、通話インフラに組み込むレイヤーとしての提案なんですよ。
室谷代表取締役セキュリティ面もエンタープライズ向けに揃えていて、SOC 2、PCI DSS Level 1、ISO 27001、HIPAA、GDPR、Zero Retention Modeに対応とされています。通話データを扱う以上、ここは導入判断の前提になりますよね。
テキトー教師DotAI 認定講師プライバシーやデータの扱いが気になるという声にも、この対応状況が一つの答えになります。ただし具体的なデータ保持の運用詳細は、導入時に個別確認が必要です。
室谷代表取締役全体として、前日のEleven Realtimeで「人とAI」を、今回のRealtime Translationで「人と人」を押さえにきた流れですね。音声AIの競争軸が、生成から「通話の体験設計」に移っているのを感じます。
よくある質問
室谷代表取締役最後に、よく聞かれそうな点を整理しておきます。
テキトー教師DotAI 認定講師まず「Realtime TranslationとRealtime Dubbingの違いは？」。公式FAQにも項目がありますが、ダビングは録音済み音声を後から別言語に差し替えるのに対し、こちらは進行中の双方向通話をリアルタイムに翻訳する点が異なります。
室谷代表取締役「話者の声は保持される？」については、17,500以上のライブラリかInstant／Professional Voice Cloneから声を選び、セッション中は一貫して同じ声が使われる、という説明です。
テキトー教師DotAI 認定講師「双方向会話に対応？」ははい。各当事者が自分の言語で話し、相手の言語で聞けます。
「速度と品質のバランスは？」は、翻訳開始の速さを用途別に調整可能です。
「速度と品質のバランスは？」は、翻訳開始の速さを用途別に調整可能です。
室谷代表取締役「翻訳音声はどのTTSモデル？」はEleven v4 Turbo。「キャプションや文字起こしは取れる？」は、翻訳テキストとソース音声の中間・最終トランスクリプトのストリーム出力に対応しています。
テキトー教師DotAI 認定講師「日本で使える？」については、公式の例示リストに日本語は明記されていませんが、90言語超の一部として含まれる可能性はあります。提供時期や条件は現時点では明らかにされていません。
室谷代表取締役「自分でアプリを構築できる？」は、ElevenAPIのエンタープライズ顧客向けアルファとして、API経由での統合が示されています。まずは公式ドキュメントと営業窓口の確認が起点ですね。
テキトー教師DotAI 認定講師現時点で分かっている事実と、まだ明らかでないことを分けて捉えるのが、この手のアルファ発表を正しく読むコツです。
室谷代表取締役音声AIのリアルタイム翻訳は、これから通話体験の標準になっていく可能性があります。続報が出たらまた追いかけましょう。
