ElevenLabs、日本語音声AIのKotobaを買収へ 同社初の日本での買収、15人が合流

[最終更新]

Googleで優先するソースとして追加するボタン

90以上の言語に対応する音声AIのElevenLabsが、日本で初めての買収先に選んだのは、従業員15名の日本語音声の研究チームでした。Kotoba Technologiesは国の生成AI開発支援「GENIAC」に採択され、Salesforceの日本語の音声エージェントも支えてきた会社です。日本語の音声AIの担い手の地図が、一つ書き換わろうとしています。


ElevenLabsは、日本語の音声AIを開発するKotoba Technologiesを買収することで合意したと、2026年11月16日付の公式ブログで発表した。Kotobaも11月17日に発表し、本件はElevenLabsにとって日本で初めての買収で、Kotobaの従業員15名がElevenLabsに加わるとした。Kotobaは2023年に創業し、本社は米国サンフランシスコ、研究開発拠点は東京にある。音声モデル「Koto」は日本語の音声合成、音声認識、同時通訳向けの音声間変換に対応し、Salesforceの「Agentforce Voice」の日本語の会話を支えている。買収は規制当局の承認などを前提に、2026年第4四半期後半に完了する見込みである。両社は買収額を開示していない。

From: 文献リンクKotoba Technologies、AIインタラクション企業 ElevenLabs への参画を発表 | 株式会社Kotoba Technologies Japanのプレスリリース

【編集部解説】

今回発表されたのは、買収の合意です。完了は2026年第4四半期の後半を見込み、必要な規制当局の承認と、通常のクロージング条件が整うことが前提になっています。現時点では、KotobaはまだElevenLabsの一部になっていません。

買収額は両社とも明らかにしていません。日本経済新聞とNikkei Asiaは、ElevenLabsがKotobaの全株式を1億ドル超で取得し、子会社にすると報じています(日本経済新聞は約160億円超と円に換算)。Kotobaは自社の発表で、これまでの累計調達額を37億円としています。

Kotobaは2023年に、小島熙之氏(CEO)と笠井淳吾氏(CTO)が共同で創業した会社です。ElevenLabsのブログによると、小島氏はコーネル大学でコンピューターサイエンスの博士号を取り、Hugging Faceで研究者を務めたほか、スーパーコンピューター「富岳」で一から学習したオープンソースの大規模言語モデル「Fugaku-LLM」の開発にも関わりました。笠井氏はワシントン大学で博士号を取り、豊田工業大学シカゴ校で助教を務めた研究者です。本社は米国にありますが、日本経済新聞は、15人の従業員が全員日本を拠点にしていると伝えています。

ElevenLabsは、90以上の言語で音声モデルや対話型のエージェントを提供している会社です。それでも日本語には、専門の研究チームを迎え入れる道を選びました。ブログでは、主語や目的語が省かれること、話す相手によって言葉遣いが変わること、間が気まずさではなく考えている合図になることを挙げ、地域ごとのニュアンスが日本ほど重要になる場所は少ないと書いています。そのうえで、人が話す言語や従う社会的な規範は、技術の設計に最初から組み込まれている必要があるという考えを示しました。対応言語の一覧に「日本語」と載ることと、日本語の会話を安心して任せられることは、同じではありません。今回の買収は、その差を埋める役目を、日本語の研究を重ねてきたチームに託す一手と読めます。

Kotobaの音声モデル「Koto」は、すでに商用の現場で動いています。Salesforceが2026年8月に日本で提供を始めた「Agentforce Voice」は、電話などでAIエージェントが顧客に応対する機能で、その日本語の音声認識と音声合成をKotoが担っています。発表の6日前、11月11日には、コンタクトセンター向けのAIを手がける米Crestaとの協業も発表していました。KotobaはSalesforceとの取り組みの背景として、国内のコンタクトセンターの人手不足を挙げています。

Salesforceの投資部門であるSalesforce Venturesは、ElevenLabsとKotobaの両方に出資しています。今回の発表にもコメントを寄せており、2社は買収の前から、同じ投資家を持つ間柄でした。Agentforce Voiceでの採用や、Crestaに予定しているモデルの提供が買収後にどう展開するかは、今後の発表を待つことになります。

日本の読者にとって見過ごせないのは、Kotobaが国の生成AI開発支援を受けて育ってきた会社だという点です。Kotobaは、経済産業省と新エネルギー・産業技術総合開発機構(NEDO)が進める生成AIの開発支援事業「GENIAC」に、第1.5期と第2期の2度採択されています。第2期では、40万時間の日本語音声データを構築し、80億パラメーターの音声基盤モデルを学習する計画を掲げていました。小島氏は今回の発表で、創業時の目標は「日本からフロンティアAIラボをつくること」だったと振り返っています。

取引が完了すれば、国の支援も受けて日本語の音声基盤モデルを開発してきた会社が、米国の大手の傘下に入ります。これは、国産AIをめぐる議論に一つの具体例を加える出来事です。一方で、日本語の音声AIが、世界の企業が使う製品の土台に組み込まれる道が太くなるとも言えます。どちらの面が大きく出るかは、買収後の研究体制や提供の形によって変わってくるはずです。

ElevenLabsは、日本を長期的な市場と位置づけています。今後数か月のうちに国内の営業リーダー体制を整え、日本でのインフラへの投資も続けると表明しました。2026年9月には、従業員が持つ株式を買い取るテンダーオファーで評価額が220億ドルになったと公表しており、その規模の企業が日本での初めての買収先に選んだのが、従業員15名の音声研究チームでした。

ElevenLabsの共同創業者でCTOのピョートル・ドンブコフスキ氏は、Kotobaの研究を合わせることで、ElevenLabsが手がけるあらゆる層で日本語の品質が上がると述べています。コールセンターの電話、同時通訳、そして日本経済新聞が触れたアニメなどのコンテンツの海外展開まで、日本語で話しかけて、日本語の機微ごと返ってくるAIがどこまで当たり前になるのか。取引の完了と、その先の製品が答えを出していきます。

【関連記事】

NTTドコモビジネス、ElevenLabsの音声AIをコンタクトセンターに統合へ|出資が生んだ協業
NTTドコモビジネスがElevenLabsの音声AIをコンタクトセンターに組み込む計画と、出資を起点にした両社の協業の経緯を伝える記事。

ElevenLabs×十印|AI音声と翻訳品質管理が融合、企業向け多言語吹き替えの「最後の1マイル」をどう超えるか
ElevenLabsが翻訳会社の十印と組み、企業向けの多言語吹き替えでAI音声と人の品質管理を合わせる取り組みを解説した記事。

Third Door、CPUだけで動く日本語音声認識エンジンを開発|文字誤り率1.86%
GPUを使わずCPUだけで動く日本語の音声認識エンジンを、文字誤り率1.86%という数値とともに紹介した国内の開発事例の記事。

【編集部後記】

Kotobaの日本法人は2024年の発表で、社名の由来を紀貫之の一節に求めています。人の心を種として、そこから生まれたものが言葉という葉になる。自分たちの技術が種となり、葉のように社会へ広がってほしいという願いを込めた、と書いています。

その種は東京の研究拠点で育ち、これからはElevenLabsの製品の上で葉を広げていくことになります。いつか企業の窓口に電話をかけ、自然な日本語で応じる声を聞いたとき、その声がどこで育った種から出た葉なのか、私たちは気にかけるでしょうか。


【用語解説】

音声合成(TTS)
文字で書かれた文章を、人が話しているような音声に変換する技術。Text-to-Speechの略で、AIエージェントが音声で応答する際の「話す」部分を担う。

音声認識(STT)
人が話した音声を聞き取り、文字に変換する技術。Speech-to-Textの略で、電話応対のAIでは相手の発話を理解する入口になる。

音声間変換(Speech-to-Speech)
音声を入力として受け取り、音声で出力する処理。同時通訳では、話された言葉を別の言語の音声に変えて返す用途に使われる。

音声基盤モデル
大量の音声データで事前に学習し、音声認識や音声合成など複数の用途に使える土台となるAIモデル。Kotobaの「Koto」がこれにあたる。

Fugaku-LLM
理化学研究所のスーパーコンピューター「富岳」を使って一から学習された、日本語に強い大規模言語モデル。オープンソースとして公開された。

クロージング条件
M&Aで、合意した取引を実際に完了(クロージング)させるために満たす必要がある条件。規制当局の承認の取得などが含まれる。

テンダーオファー
株式の買い取りを、一定の条件で株主に広く申し出る方法。未上場企業では、従業員などが持つ株式を投資家が買い取る形で行われることがある。

【参考リンク】

Kotoba Technologies 公式サイト(外部)
日本語をはじめとする東アジア言語に強い音声基盤モデル「Koto」を開発する、Kotoba Technologiesの公式サイト。

ElevenLabs 公式サイト(日本語)(外部)
音声合成や音声認識のモデル、対話型のAIエージェントを90以上の言語で提供するElevenLabsの公式サイトの日本語版。

Agentforce Voice|Salesforce(外部)
電話などでAIエージェントが顧客に音声で応対する、Salesforceの「Agentforce Voice」の日本語の製品紹介ページ。

GENIAC|経済産業省(外部)
経済産業省とNEDOが進める、国内の生成AIの開発力を強化するためのプロジェクト「GENIAC」の経済産業省の公式ページ。

Cresta(外部)
コンタクトセンター向けに、人のオペレーターとAIエージェントの両方を支えるAIプラットフォームを提供するCrestaの公式サイト。

【参考記事】

Kotoba is joining ElevenLabs(外部)
ElevenLabsの公式ブログ。買収の合意と、日本語の難しさ、創業者2人の経歴、完了の見込み時期、日本での今後の計画を説明している。

音声AIの米イレブンラボ、日本のコトバテクノロジーズ買収 アニメ海外展開促す(外部)
日本経済新聞の記事。全株式を1億ドル(約160億円)超で取得し子会社化すると報じ、アニメなどの海外展開への影響に触れる。

US AI voice startup ElevenLabs to buy Japanese-focused peer Kotoba(外部)
Nikkei Asiaの記事。ElevenLabsがKotobaの全株式を1億ドル超で取得し、完全子会社にすると報じている。

Kotoba Technologiesの音声基盤モデル「Koto」、Salesforce「Agentforce Voice」の日本語版に採用(外部)
Kotobaの2026年8月の発表。Agentforce Voiceの日本語の音声認識と音声合成にKotoが採用されたと伝える。

国内生成AI開発プロジェクト「GENIAC」の第2期に採択されたコトバテクノロジーズ、最先端の日本語音声生成モデルのプレイグランド、「Kotoba SpeechGen」β版をリリース(外部)
Kotobaの2024年10月の発表。GENIAC第2期の採択と、40万時間の音声データで80億パラメーターのモデルを学習する計画を説明。

ElevenLabs valuation increases to $22 billion fueled by enterprise demand for conversational agents(外部)
ElevenLabsの公式ブログ。3億ドルの従業員株式のテンダーオファーで、評価額が220億ドルになったと2026年9月に公表した。


おすすめ記事