HeyGen Voiceは、HeyGenが提供する音声クローン技術で、短い録音サンプルから本人の声を再現し、テキストをその声で読み上げられるサービスです。このたびHeyGenは、Grokのボット（@bot）がこのHeyGen Voiceを使ってユーザー本人の声で電話をかけられるようになったと発表しました。
室谷代表取締役HeyGenが面白い発表をしてきました。Grokのボットが、HeyGen Voiceの音声クローンを使って「本人の声」で電話をかけてくれるという話なんですよね。
テキトー教師DotAI 認定講師これは単に音声合成の話じゃないんですよ。声のクローンが、録音済みコンテンツの外に出て、リアルタイムの通話という現場に踏み込んだという発表ですから。
室谷代表取締役しかも「電話をかけっぱなしにする」のではなく、用件を伝えて、相手の応答をメモして、会話を要約したノートを送ってくる、というところまで含まれているのがミソですよね。
テキトー教師DotAI 認定講師ええ。まずは何が発表されたのか、事実から整理しましょう。
HeyGen Voiceとは？Grokのボットが「自分の声」で電話する仕組み
HeyGen Voiceの2種類のボイスクローン
インスタントクローン
- 30秒の録音から作成
- 数秒で作成可能
- 手軽さが強み
プロフェッショナル・ボイスクローン
- 20分以上の音声で訓練
- ナレーション向けの品質
- 品質が強み
室谷代表取締役発表を整理すると、HeyGenが「Grokのボットが電話をかけられるようになった、しかもHeyGen Voiceのおかげで本人そっくりに聞こえる」と告知した、という構図です。イーロン・マスク氏の投稿を引用する形で出ています。
テキトー教師DotAI 認定講師ここで大事なのは、主語を混ぜないことですね。声を作っているのはHeyGen、電話をかける主体はGrokのボット（@bot）です。
HeyGenの公式投稿では「最高品質の音声モデルを使って、後回しにしている電話を処理しよう」という呼びかけになっています。
HeyGenの公式投稿では「最高品質の音声モデルを使って、後回しにしている電話を処理しよう」という呼びかけになっています。
室谷代表取締役仕組みとしては、ユーザーがHeyGen Voiceで作った自分の声のクローンがあって、それをGrokのボットの発話に使う、という流れですよね。
テキトー教師DotAI 認定講師そこです。HeyGen Voice自体は、短いサンプルから声の特徴を学習して、任意のテキストをその声で読み上げさせる技術です。
公式ページでは、30秒の録音で「インスタントクローン」が数秒で作成できると説明されています。
公式ページでは、30秒の録音で「インスタントクローン」が数秒で作成できると説明されています。
室谷代表取締役30秒ですからね。以前の感覚だと、それなりの長さを録らないと自分の声にならなかった印象があるんですが、そのハードルが一気に下がっている。
テキトー教師DotAI 認定講師さらに、20分以上の音声で訓練する「プロフェッショナル・ボイスクローン」はナレーション向けの品質を持つとされています。インスタントは手軽さ、プロは品質、という役割分担ですね。
室谷代表取締役で、今回それが電話に使われると。音声クローンの用途が、動画制作から日常の通話に一段広がった瞬間なんですよね。
テキトー教師DotAI 認定講師ただし、Grok側の機能の詳細——提供時期や対象地域、料金——は今回の資料には書かれていません。ここは現時点では明らかにされていない部分として、区別しておきたいところです。
室谷代表取締役そうですね。HeyGen側の技術の説明と、Grok側の提供条件は分けて読むべきです。
Grokのボットでできること——電話代行・用件伝達・メモと要約
Grokのボットでできること
電話代行
ユーザーに代わって相手先（個人・企業）に発信する
用件伝達
用件・依頼内容を先方に伝える
応答メモ
相手の応答をメモとして記録する
要約ノート
会話全体を要約したノートをユーザーに送る
室谷代表取締役できることを並べると、まず「誰かや企業に代わって電話をかける」。次に「依頼を伝える」。
そして「応答をメモする」「会話を要約したノートを送る」。この4つが資料に書かれている範囲です。
そして「応答をメモする」「会話を要約したノートを送る」。この4つが資料に書かれている範囲です。
テキトー教師DotAI 認定講師箇条書きにすると、こうですね。
- ユーザーに代わって相手先（個人・企業）に発信する
- 用件・依頼内容を先方に伝える
- 相手の応答をメモとして記録する
- 会話全体を要約したノートをユーザーに送る
室谷代表取締役これ、地味にすごいのが「要約ノートが返ってくる」ところで。電話って、かけている時間そのものより、かけ終わったあとに「何を言われたっけ」を思い出すのが面倒だったりするじゃないですか。
テキトー教師DotAI 認定講師そこを丸ごと引き受ける設計ですよね。予約の確認、問い合わせ、営業の一次接触あたりは、まさに「後回しにしている電話」の代表例です。
室谷代表取締役MYUUUでも、提携先への一次連絡とか、定型的な確認電話は正直たまるんですよ。それをボットが本人の声でやってくれて、要約だけ読めばいいなら、かなり実務の体感は変わると思います。
テキトー教師DotAI 認定講師ただ、講座で受講生さんに必ず伝えているのは、「AIが代行していると相手に分かる状態にしておく」ことです。声が本人そっくりだからこそ、相手が人間だと誤解する余地を残さない設計が要ります。
室谷代表取締役そこはリスクのセクションでがっつり話しましょう。技術的には、声のクローンは感情や話速の調整もできると公式に書かれていますから、用件の種類に合わせた話し方の調整も可能ということですね。
テキトー教師DotAI 認定講師ええ。公式ページには、生成前に話速・強調・感情のトーンを調整できるとあります。
同じクローンでも、落ち着いた確認電話にも、勢いのある一次接触にも振り分けられる、という説明です。
同じクローンでも、落ち着いた確認電話にも、勢いのある一次接触にも振り分けられる、という説明です。
HeyGen Voiceの使い方・始め方——声のクローンはどう作る？
HeyGen Voiceで声のクローンを作る4ステップ
- 01サンプルをアップロード静かな部屋ではっきり話し、背景ノイズが少ない録音が推奨
- 02解析・モデル構築HeyGenが録音を解析して声のモデルを構築し、クローンを訓練
- 03原稿を貼り付け言語・ペース・感情のトーンを選ぶ
- 04生成・書き出し音声または動画をプレビューし、MP4やMP3でダウンロード
室谷代表取締役では始め方を整理しましょう。公式ページでは4ステップで説明されています。
テキトー教師DotAI 認定講師まずサンプルをアップロードする。静かな部屋で、はっきり話し、背景ノイズが少ない録音が推奨されています。
次にHeyGenが録音を解析して声のモデルを構築し、クローンを訓練します。
次にHeyGenが録音を解析して声のモデルを構築し、クローンを訓練します。
室谷代表取締役3つ目が原稿の貼り付けで、言語・ペース・感情のトーンを選ぶ。4つ目が生成と書き出しで、音声または動画をプレビューしてMP4やMP3でダウンロード、という流れですよね。
テキトー教師DotAI 認定講師サンプルの長さについての公式の答えも明確です。インスタントクローンなら30秒のクリアなサンプルで十分。
プロフェッショナル・ボイスクローンは20分以上の録音で訓練する、と。
プロフェッショナル・ボイスクローンは20分以上の録音で訓練する、と。
室谷代表取締役「長い音声よりきれいな音声」という公式の言い方もいいですよね。雑に長く録るより、静かな環境で自然なペースで話すほうが結果がいい、と。
テキトー教師DotAI 認定講師アクセントや方言も保たれると説明されています。アイルランド訛りの声でクローンすれば、その抑揚のまま読み上げる、という例が公式に挙がっています。
室谷代表取締役日本語でも、自分の話し方のクセが残るかどうかは気になるところです。公式には175以上の言語・方言に対応とあり、日本語もその範囲に含まれるという説明です。
テキトー教師DotAI 認定講師対応言語数はページによって175以上、177以上という表記の揺れがありますが、いずれも「多数の言語・方言に対応」という趣旨です。声のライブラリから用途に合う声を探す機能や、生成した音声を改善するための仕組みもAcademyで案内されています。
室谷代表取締役テキトー教師DotAI 認定講師あと、HeyGenは音声単体で終わらせないのが特徴です。クローンした声にアバターやリップシンク、字幕を組み合わせて、1つの流れで喋る動画まで作れる。
テキストtoビデオのエンジンと繋がっている、と公式に書かれています。
テキストtoビデオのエンジンと繋がっている、と公式に書かれています。
室谷代表取締役声を作るツールではなく、声を使った成果物まで作るツール、という位置づけなんですよね。
料金と提供範囲——無料で試せる？日本ではいつから使える？
室谷代表取締役料金は公式ページに書かれている範囲で整理しましょう。まず無料プランがあり、インスタントボイスクローンを作成してサンプル出力を生成できるが、利用量に制限がある、という説明です。
テキトー教師DotAI 認定講師プロフェッショナル・ボイスクローニングは有料プランに加えてPVCアドオンが必要で、1ボイスあたり月29ドル、年払いで288ドルと示されています。有料プランでは対応言語の追加や月間の利用上限の拡大もある、と。
室谷代表取締役別の公式ブログでは、ボイスクローニングがCreatorプラン（月29ドル、年払いで月24ドル）から含まれるという書き方もされています。無料プランは地域によって月1〜3本の動画が試せる、という案内ですね。
テキトー教師DotAI 認定講師ここは表記が複数あるので、契約前に最新の料金ページを確認するのが確実です。少なくとも「無料でインスタントクローンを試せる」「プロ向けは有料」という構造は一貫しています。
室谷代表取締役APIもありますよね。1回の録音からインスタントボイスクローンを作り、テキストtoスピーチのエンドポイントで音声にする。
プレビュー期間中はインスタントボイスの作成が無料で、それ以外は従量課金、最低チャージ5ドル、という説明でした。
プレビュー期間中はインスタントボイスの作成が無料で、それ以外は従量課金、最低チャージ5ドル、という説明でした。
テキトー教師DotAI 認定講師開発者にとってはここが効きますよね。Difyのような仕組みと繋いでワークフローに組み込むなら、APIの従量課金のほうが設計しやすい。
Difyとは？読み方・できること・料金・始め方を完全解説【2026年最新】で解説しているような連携の考え方がそのまま使えます。
Difyとは？読み方・できること・料金・始め方を完全解説【2026年最新】で解説しているような連携の考え方がそのまま使えます。
室谷代表取締役で、日本での提供開始時期ですが……これは今回の資料には書かれていないんですよね。HeyGenのサービス自体は多言語対応で、日本語も対応言語に含まれるという説明はありますが、Grokのボットの電話代行が日本でいつから使えるかは現時点では明らかにされていません。
テキトー教師DotAI 認定講師そこは正直に書くべきところです。声のクローンを作るところまでは日本語で試せる可能性が高いとしても、電話代行の対象地域は別の話ですから。
室谷代表取締役あと、電話をかける先が日本国内の企業なのか、通話料は誰が負担するのか、みたいな実務の疑問も残ります。ここも現時点では明らかにされていません。
なぜ今「代理電話」なのか——録音コンテンツから日常の通話へ
室谷代表取締役ここが一番面白いところなんですけど、HeyGen Voiceの従来の主戦場は録音済みコンテンツだったんですよね。ポッドキャスト、研修動画、オーディオブック、多言語動画の吹き替え。
テキトー教師DotAI 認定講師資料が挙げているユーザーの不便もそこに集中しています。ナレーションのためのスタジオ収録と再録りの手間、長編オーディオブックの収録時間、多言語展開での声優起用コスト。
室谷代表取締役「録音し直さずテキスト編集だけで修正したい」「同じ声で多言語に展開したい」。この2つの欲求に応える形で進化してきたのが、HeyGen Voiceなんですよね。
テキトー教師DotAI 認定講師そこに今回、リアルタイムの通話という新しい用途が乗った。しかも「録音済みの何かを再生する」のではなく、相手の応答に合わせて会話するわけですから、難易度は一段上がります。
室谷代表取締役でも、音声クローンの品質が実用域に来たからこそ、電話という現場に投入できるようになった、という順番なんだと思います。30秒でクローンができる、感情も話速も調整できる、多言語に展開できる。
この3つが揃って初めて「本人の声で電話する」が成立する。
この3つが揃って初めて「本人の声で電話する」が成立する。
テキトー教師DotAI 認定講師教育の現場でも同じ構造が見えます。講座で受講生さんがナレーションを録り直す時間がもったいない、という話はよく出ます。
テキストを直せば声が直るなら、教材更新のコストは大きく下がる。
テキストを直せば声が直るなら、教材更新のコストは大きく下がる。
室谷代表取締役それが電話に広がると、今度は「自分の時間」を買う話になる。後回しにしていた電話をボットに渡して、要約だけ読む。
これは作業の効率化というより、注意力の配分の話なんですよね。
これは作業の効率化というより、注意力の配分の話なんですよね。
テキトー教師DotAI 認定講師単に便利という話じゃないんですよ。声という個人の識別情報に近いものを、どこまで外部のエージェントに預けるか、という設計問題になります。
室谷代表取締役だからこそ、次のセクションは外せません。
声のクローンを電話で使うリスクと同意・法規制の論点
室谷代表取締役HeyGenは同意を前提にした設計をうたっています。声の所有権を確認してからモデルを訓練し、第三者の声には書面での同意を必須にし、ユーザーの音声データを共有ボイスの訓練には使わない。
SOC 2 Type IIとGDPRの統制を適用している、と公式に書かれています。
SOC 2 Type IIとGDPRの統制を適用している、と公式に書かれています。
テキトー教師DotAI 認定講師法的な整理も公式ページにあります。EU AI Act、テネシー州のELVIS法、カリフォルニア州のパブリシティ権などが、声のクローンに同意を要求している、と。
自分の声か、書面で許可を得た声であれば合法、という説明です。
自分の声か、書面で許可を得た声であれば合法、という説明です。
室谷代表取締役ここで注意したいのは、これはあくまでHeyGenのサービスにおける設計と説明だということです。Grokのボットが電話をかける場面で、相手にどう開示するのか、録音をどう扱うのかは、今回の資料からは分かりません。
テキトー教師DotAI 認定講師実務で使うなら、自分でルールを決めておくべきですね。箇条書きにすると、こうです。
- 自分が本人である声だけをクローンする（第三者なら書面同意）
- 通話の冒頭でAIによる代行であることを伝える
- 録音・要約の保存範囲と共有範囲を決めておく
- 相手が人間との会話を期待する場面（交渉・感情的な用件）では使わない
室谷代表取締役特に最後のやつは大事で。クレーム対応とか、繊細な相談とかをボットに任せると、声が本人そっくりなぶん、相手が「本人が言っている」と受け取ってしまうリスクがあります。
テキトー教師DotAI 認定講師声が似ていることは、便利さと同時に誤解のコストも上げるんですよ。だから開示の設計がセットで必要になる。
室谷代表取締役あと、公式が「感情のニュアンスが完全には反映されない場合がある」と認めている点も、電話では効いてきます。雑談や相づちの温度感がずれると、相手に違和感を与えるかもしれない。
テキトー教師DotAI 認定講師そこは過度に期待しないほうがいいですね。まずは定型的な確認電話から試す。
それが講座でもおすすめする順番です。
それが講座でもおすすめする順番です。
室谷代表取締役よくある質問
室谷代表取締役ここからは、よく聞かれる点に答える形で整理しましょう。まず、HeyGen Voiceは無料で使えるのか。
テキトー教師DotAI 認定講師公式ページによれば、無料プランでインスタントボイスクローンを作成してサンプル出力を生成できますが、利用量に制限があります。プロフェッショナル・ボイスクローンは有料プランとPVCアドオンが必要で、1ボイスあたり月29ドル、年払い288ドルです。
室谷代表取締役声のクローンに必要なサンプル量は。
テキトー教師DotAI 認定講師インスタントなら30秒のクリアな録音で十分。プロフェッショナルは20分以上の録音で訓練します。
静かな部屋で、自然なペースで話すのが推奨です。
静かな部屋で、自然なペースで話すのが推奨です。
室谷代表取締役対応言語はどれくらいか。
テキトー教師DotAI 認定講師公式には175以上の言語・方言に対応と説明されています。ページによっては177以上という表記もあります。
アクセントや方言、話すリズムも保たれるとされています。
アクセントや方言、話すリズムも保たれるとされています。
室谷代表取締役感情や話速は調整できるのか。
テキトー教師DotAI 認定講師はい。生成前に話速・強調・感情のトーンを調整できると公式に書かれています。
ただし感情のニュアンスが完全には反映されない場合がある、という注意も同じ公式ページにあります。
ただし感情のニュアンスが完全には反映されない場合がある、という注意も同じ公式ページにあります。
室谷代表取締役自分の声以外もクローンできるのか。
テキトー教師DotAI 認定講師第三者の声をクローンする場合は書面での同意が必要で、HeyGenは検証済みの許可がない第三者の声のクローンをブロックすると説明しています。自分の声か、書面で許可を得た声であることが前提です。
室谷代表取締役Grokのボットの電話代行は日本でいつから使えるのか。
テキトー教師DotAI 認定講師これは現時点では明らかにされていません。提供時期・対象地域・料金は今回の資料に記載がありません。
HeyGen Voice側の対応言語に日本語が含まれるという説明と、Grokのボットの電話機能の提供範囲は別の話なので、続報を待つしかないですね。
HeyGen Voice側の対応言語に日本語が含まれるという説明と、Grokのボットの電話機能の提供範囲は別の話なので、続報を待つしかないですね。
室谷代表取締役最後に、これは何の発表だったのかを一言でまとめると。
テキトー教師DotAI 認定講師声のクローンが、コンテンツ制作の道具から、日常の通話を引き受けるエージェントの部品へ。その最初の実例が、GrokのボットとHeyGen Voiceの組み合わせだった、という発表です。
室谷代表取締役声を作る技術の話が、いよいよ「誰が電話するか」の話になってきた。ここから先の展開は、ちゃんと追いかけたいですよね。
