10秒の音声からできるAIボイスクローニング

話者の録音から合成用の声を作る技術です。その声を使って、新しい文章から音声を生成できます。結果は元の録音とクローン方法によって異なります。

Instant Voice Cloneは10秒から始められます。Sonic 3.6以降はアクセントをより保つために最大60秒を使えますが、以前のモデルは最初の10秒だけを学習します。現在のファイルサイズ上限はアップロード画面で確認してください。Pro Voice Cloneには、一人の話者の明瞭な音声が30分以上必要です。現在のInstantとProの録音ガイドをご覧ください。

Instantは短いクリップから数秒で声を作ります。Proはより大きなデータセットで学習し、Instantで珍しいアクセントや声の特徴を十分に再現できない場合に試す価値があります。現在の録音ガイドによると、Proの学習には最大3時間かかります。速度と音量は録音から学ぶため、リクエスト時のコントロールでは変更できません。

音楽、反響、背景ノイズのない静かな部屋で、一人の話者を録音してください。クローンに使ってほしい言語と話し方で自然に話します。Instantではクリップの感情が生成音声に反映されます。Proでは全データを録音する前にテストの読み方を確認し、エージェントが実際に話す種類のフレーズを含めてください。

はい。Cartesia PlaygroundでInstant Voice Cloneを開き、声を録音またはアップロードして、録音の言語を選びます。その後、原稿を入力して独自の声で読み上げられます。始めるためにAPI連携を作る必要はありません。

このページのデモで、クローンを無料で試せます。クローンをアカウントに保存するには、Instant Voice CloningはProプランから、Pro Voice CloningはStartupプランから利用できます。現在のプランを比較してください。

はい。クローンは新しい文章から音声を生成するための、再利用できる声になります。チュートリアルを語る、動画の原稿を修正する、自分の声でプレゼンテーションを読むといった用途に使えます。特に名前や専門用語を含む場合は、作品に追加する前に生成音声を確認してください。

通常は保たれます。クローンはアクセントと話し方を録音から引き継ぎます。Sonic 3.6以降は最大60秒の音声から学習でき、アクセントをより忠実に保てます。珍しいアクセントには、30分以上の音声で学習するPro Voice Cloneを使えます。

PlaygroundかクローンAPIで声を作成し、その音声IDを音声合成リクエストに指定します。アプリケーションが文章を送り、生成音声を受け取ります。録音のアップロードと声の作成はClone Voice APIリファレンスから始めてください。

はい。Cartesiaの音声エージェントで独自の声を使えます。クローニングが提供するのは声で、エージェントには指示、業務システムのツール、電話接続も必要です。AI受付ガイドでは、予約、人への引き継ぎ、お客様の電話を受ける前のテストを説明しています。

自分の声か、意図する用途でクローンと使用の明示的な許可を得た声だけを使ってください。契約しても他人の声の権利は得られません。料金ページでプランの利用条件と商用利用条件を確認し、導入前に利用規約を確認してください。