より明瞭に、AIが生成する音声を

このページでは、Cartesia Sonicが文章から新しく生成する音声の改善を扱います。より適した声を選び、原稿を整え、テンポと音量を指定し、発音辞書を使えます。これらの設定は音声生成時に作用します。

このページには、音声をアップロードしてノイズを除去するツールはありません。Sonicは文章から音声を生成します。既存の録音からノイズ、反響、背景音を取り除くには、その用途向けの音声修復ツールが必要です。

まず文を完結させ、自然な句読点を使ってください。情報の詰まった段落は、分かりやすいフレーズに分けます。それでも速ければ速度設定を下げ、再生成してください。速度は正確な長さの倍率ではなく指針なので、同じ声と原稿で結果を比べましょう。

変更する前に、単語を文全体の中でテストしてください。発音辞書では、単語やフレーズを音に近い表記やIPAに置き換えられます。PlaygroundかAPIで辞書を作り、必要なリクエストに適用してください。変更するたびに前後の文も確認しましょう。

Sonicは原稿の感情的な文脈を解釈し、PlaygroundとAPIで感情の指定にも対応しています。感情タグは現在英語に対応しています。言葉に合った方向性を選んでください。内容と矛盾する指示では、意図する話し方を安定して得られません。

標準の声とInstant Voice Cloneで使えます。Pro Voice Cloneは学習用の録音からテンポと音量を学び、リクエスト時の変更には対応していません。Proのクローンには、意図する話し方の録音を用意してください。

まず出力形式を確認してください。raw PCMでは、生成音声と同じサンプルレートとエンコーディングをプレーヤーに設定する必要があります。不一致があると再生速度が変わったり音が歪んだりします。WAVやMP3には形式情報が含まれ、対応プレーヤー用に音声を保存する場合に便利です。

はい。音声ID、原稿、生成設定を一緒に管理してください。API連携では、必要なリクエストごとにgeneration_configを渡し、該当する場合は発音辞書IDも含めます。generation_configがアカウント全体の設定として保存されるわけではありません。

はい。聞き手が実際に聴く原稿から始め、全文を作る前に短い節を生成してください。編集内容に合わせて名前、間、説明の速さを確認します。分かりにくい文は、複数の音声設定を変える前に書き直してください。修正版の比較には同じ文章を使いましょう。

繰り返す名前を発音辞書に追加し、文全体でテストしてください。APIでは辞書IDをリクエストに渡します。製品名や希望する発音が変わったら、各原稿に読み方を書き込む代わりに辞書を更新してください。

文章を編集し、生成前に速度と音量を調整できます。最初の比較では言葉を変えず、一つの設定を変えてから聴き直してください。ほかの声や発音辞書を試すにはPlaygroundを開きます。プレビューは文章から新しい音声を生成するもので、アップロードした録音を処理する機能ではありません。