確認方法:以下の各ステータスは、ベンダー自身のサイト、そのアーカイブ、規制当局、または買収側の発表に基づいています。日付や詳細が報道のみによる場合は、その旨を記載しています。料金は各ベンダーの料金ページから2026年11月11日に読み取ったものです。これらのAPIを当社で実際に実行してはいません。
サービスを終了または変更した音声AIベンダー、2025～2026年#
| Vendor | What happened | Source | Status today |
|---|---|---|---|
| PlayHT / PlayAI | Meta acquired PlayAI in July 2025 (a Meta spokesperson confirmed it to Bloomberg). By January 6, 2026 the play.ht homepage read "We have shut down the service." | Archived play.ht, Bloomberg | Closed. play.ht no longer resolves. |
| LMNT | Site replaced by "LMNT has shut down. Our speech generation journey has come to an end." No date, successor or refund terms given. | lmnt.com | Closed. |
| Hume Octave TTS and EVI | Sunset notice dated October 2, 2026: access ends November 13, 2026 at 12:01 a.m. EST; account data deleted afterwards. | Hume changelog, archived | Ending Nov 13. Hume continues with an Audio Decisions API. |
| Vocode | Open-source voice-agent library. Last commit to its main repository was November 15, 2024; vocode.dev now redirects to the GitHub organisation. | GitHub | Dormant. Code still available (not archived). |
| Air AI | FTC sued in August 2025 over earnings and refund claims; settlement announced March 24, 2026 bans the company and owners from selling business opportunities. The air.ai domain now hosts an unrelated defense company. | FTC | No Air AI voice product found. |
| Synthflow | Dropped self-serve plans: now "sold as an annual enterprise agreement" with no free plan, trial or per-minute rate. | Synthflow pricing | Active, enterprise only. |
| Ultravox | Acquired by Inworld (announced September 30, 2026). Inworld says existing voice IDs keep working. | Inworld | Active, $0.05 a minute. |
| Gladia | Acquisition by OVH Groupe completed July 31, 2026. Gladia says its API, contracts and pricing are unchanged. | OVHcloud | Active. |
2つの傾向が目立ちます。小規模な音声APIの企業は、チームを目的に買収されるか(MetaによるPlayAI)、完全に閉鎖されており(LMNT)、いずれの場合も顧客への公開告知は、確認できた限り、ほとんど、あるいはまったくありませんでした。対照的にHumeは、6週間前に日付入りの告知を公開しました。利用中のスタックに小規模で情報発信の少ないベンダーがある場合は、音声の元データを保管し、連携部分は自社で管理できる抽象化レイヤーの背後に置いてください。
PlayHTとLMNTのユーザーが代替サービスに求めるもの#
PlayHTは2通りに使われていました。クリエイター向けのナレーションスタジオと、アプリやボイスエージェント向けの低レイテンシAPIです。LMNTはAPI専用で、高速な音声クローニングを備えたリアルタイムアプリ向けでした。したがって、代替サービスの基準は、レイテンシ、音声クローニング、音声1時間あたりの価格、対応言語です。APIではなくナレーションスタジオとしての用途については、当社のElevenLabsの代替サービスガイドでクリエイター向けツールを取り上げています。
TTS APIの比較(1時間あたりのコストに換算)#
ベンダーは文字単位または音声の分単位で課金します。比較のため、1分あたり800文字(1時間あたり48,000文字)で生成した音声1時間あたりのコストに換算しました。これはCartesia自身の見積もりである750～800文字に近い値です。InworldとRimeは1分あたり約1,000文字を前提としており、その場合、文字単価ベースの数値はすべて4分の1増えます。
| TTS API | Published price | Per hour (our conversion) | Languages (vendor) | Voice cloning | Time to first audio (Coval) |
|---|---|---|---|---|---|
| Inworld TTS-2 Flash | $15 per 1M chars on demand; $7 on Growth | $0.72; $0.34 | 200+ | Instant and professional | 81 ms |
| Inworld TTS-2 | $25 per 1M chars; $12.50 on Growth | $1.20; $0.60 | 200+ | Instant and professional | 166 ms |
| OpenAI tts-1 / tts-1-hd | $15 / $30 per 1M chars | $0.72 / $1.44 | Not compared | Not on the pricing page | Not on the board |
| Deepgram Aura-2 / Flux TTS | $30 / $45 per 1M chars | $1.44 / $2.16 | Aura-2: 7 | Not on the pricing page | 300 ms / 203 ms |
| Rime Mist v3 / Coda v2 | $0.030 / $0.050 per minute (20% off on Scale) | $1.80 / $3.00 | 4 / 10 | Enterprise only | 319 ms / 339 ms |
| Cartesia Sonic-3.6 | Plan credits, 1 per character: $5 for 100K to $299 for 8M | $2.40 to $1.79 | 44 | Instant on Pro; professional from $49 Startup | 292 ms |
| ElevenLabs Flash v2.5 / v4 Turbo | $40 per 1M chars | $1.92 | 32 / 90+ | Yes | 198 ms / 194 ms |
| ElevenLabs v4 | $80 per 1M chars | $3.84 | 90+ | Yes | Not on the board |
| MiniMax speech-2.8 Turbo / HD | $60 / $100 per 1M chars | $2.88 / $4.80 | 40 | Rapid cloning $1.50 a voice | Not on the board |
レイテンシの列はCovalのtime-to-first-audioベンチマークによるもので、各モデルについてテキストを送信してから最初の音が聞こえるまでを計測しています。Covalはこれらのベンダーの多くにボイスエージェントのテストを提供しています。ベンダー自身が示すレイテンシはこれより低く(ElevenLabsはFlashで約75 ms、RimeはセルフホストのMist v3でP50約37 ms)、これは多くが最初のバイトで計測を止め、ネットワーク時間を除外しているためです。
どれに乗り換えるか#
リアルタイムアプリやボイスエージェント向け(従来のPlayHT APIやLMNTの用途)#
Inworld TTS-2 Flash は、ここで比較した中で1時間あたりが最安で、Covalのベンチマークではこれらのベンダーの中で最速でした。クローニングと200以上の言語に対応しています。弱点は、料金がプランのティアによって変わることと、InworldのSpeech-to-Speech製品には料金ページに1分あたりの価格が記載されていないことです。Storkは、ここにあるリンクからのInworldへの登録に対して手数料を受け取ります。ElevenLabs Flashまたはv4 Turbo は1時間あたり約$1.92で、Inworld Flashの2倍以上ですが、最も成熟したクローニングに加え、後から必要になった場合に使える本格的なエージェントプラットフォームを備えています。こちらもStorkは手数料を受け取ります。Deepgram Aura-2 は、すでに文字起こしにDeepgramを使っている場合に適していますが、対応言語は7言語のみで、クローニングはありません。
音声クローニング向け(多くのLMNTユーザーが選んだ主な理由)#
ElevenLabs、Inworld、Cartesiaはいずれもセルフサービスのインスタントクローニングを提供しています。MiniMaxはクローン音声1件につき$1.50に加えて使用料がかかります。Rimeのカスタムクローニングは Enterpriseのみで、OpenAIとDeepgramには記載がありません。どれを選ぶ場合でも、音声は元の録音から作り直してください。他社の音声IDを受け付けるベンダーはありません。
請求額を予測しやすくしたい場合#
Rime は文字単位ではなく音声の分単位で課金し、月$50相当の利用分の無料枠があり、コールセンター向けの音声を想定して作られています。まずご自身のスクリプトでCodaを試してください。Covalは、Codaの単語誤り率を10.7%と測定しており、ボード上の他のすべてのモデルは1.5%～3.1%でした。
対応言語数が最も多いもの#
Inworldは200以上の言語、ElevenLabs v4は90以上を掲載しています。Cartesiaは44、MiniMaxは40、RimeのCodaは10、DeepgramのAura-2は7言語に対応します。使いたい音声が目的の言語を話せるか確認してください。たとえばRimeでは、Codaの音声の多くは英語のみです。
Humeをお使いだった場合#
HumeのEVIはSpeech-to-Speech APIだったため、別の種類の代替が必要です。当社のHume AIの代替サービスガイドでは、EVIとOctaveを詳しく取り上げ、移行チェックリストも掲載しています。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
VocodeやAir AIで構築していた場合#
- Vocode: コードはオープンソースライセンスのもとでGitHubに残っているため、稼働中のデプロイが自然に止まることはありませんが、2024年11月以降マージされた変更はありません。新規開発では、積極的にメンテナンスされているオープンソースのフレームワークとしてPipecatとLiveKit Agentsがあります。Pipecatを開発するDailyは2026年10月29日に、DeepgramがDailyを買収すること、およびPipecatはオープンソースかつベンダーニュートラルのままであることを発表しました。
- Air AI: 今も「Air AI」のライセンスを販売している者がいる場合は、まずFTCの和解内容をお読みください。アウトバウンドまたはインバウンドのAI通話プラットフォームについては、当社のボイスエージェントプラットフォームのガイドをご覧ください。
次のサービス終了に備えるには#
- クローン音声ごとに、元の録音を自社のストレージに保管してください。
- TTSの呼び出しを1つの関数またはオーケストレーター(Pipecat、LiveKit)経由にして、ベンダーを書き換えではなく設定で切り替えられるようにしてください。
- 日付入りの変更履歴や廃止予告を公開しているベンダーを選んでください。Humeは6週間前に告知しましたが、PlayHTとLMNTについては、顧客への日付入りの公開告知は確認できませんでした。
- 実際の利用量での料金を四半期ごとに再確認してください。プランのティアによって単価は10%(Deepgram)から50%超(Inworld)まで変わります。
よくある質問#
PlayHTはまだ利用できますか?#
いいえ。2026年1月6日までに、play.htのトップページには「We have shut down the service」と表示され、現在はドメインも読み込めません。MetaはPlayHTを運営していたPlayAIを2025年7月に買収しました。
LMNTに何が起きましたか?#
LMNTはサービスを終了しました。同社のサイトには現在「LMNT has shut down. Our speech generation journey has come to an end.」と表示されています。日付、後継サービス、返金条件は示されていません。
開発者にとってPlayHTの最適な代替サービスは何ですか?#
リアルタイムAPIでは、Inworld TTS-2 Flashが当社の調べた中で音声1時間あたり最安で、Covalのレイテンシのベンチマークではこれらのベンダーの中で最速でした。ElevenLabs Flashまたはv4 Turboはコストが高くなりますが、クローニングの幅が広く、エージェントプラットフォームもあります。どちらもStorkに手数料が支払われます。
PlayHTの代替サービスで最も安いのはどれですか?#
Inworld TTS-2 FlashとOpenAI tts-1は、いずれもオンデマンドで100万文字あたり$15と掲載しており、1分あたり800文字の場合、音声1時間あたり約$0.72です。InworldのGrowthプランでは、Flashが100万文字あたり$7に下がります。
PlayHTやLMNTのクローン音声を移行できますか?#
いいえ。他社の音声IDをインポートできるベンダーはなく、両サービスとも終了しています。元の録音が手元にあれば、ElevenLabs、Inworld、Cartesia、MiniMaxで各音声を作り直せます。
Vocodeはまだメンテナンスされていますか?#
メインのリポジトリには2024年11月15日以降コミットがなく、vocode.devは現在GitHubにリダイレクトされます。コードは引き続き利用できますが、新規プロジェクトでは、積極的にメンテナンスされているPipecatとLiveKit Agentsをお勧めします。