AIボイスクローン

録音した声の特徴をもとに、繰り返し使える合成音声を作る機能です。作成後は新しいテキストを入力して、その声で読み上げられます。読み上げる内容は入力した原稿で決まり、声の仕上がりは元のサンプルや文章、音声設定によって変わります。

MP3、WAV、OGG、M4A、AACに対応しています。一度にアップロードできるのは1ファイルで、長さは10秒〜5分、サイズは20MB以下です。一人の声が全体を通してはっきり聞こえる録音を選んでください。送信前に試聴し、音の途切れや複数の声の重なりがあれば、別のサンプルを用意しましょう。

はい。「音声を録音」を選び、マイクへのアクセスを許可すると、3秒のカウントダウン後に録音が始まります。カウントダウン中のキャンセルも可能です。録音できる長さは10〜60秒で、60秒に達すると自動で停止します。録音の処理が終わったら、試聴や録り直しができます。サンプルが決まったら、そのまま「声をクローン」を押してください。

クローン音声の新規作成は、1回につき50,000クレジットです。サンプルのアップロード・録音・試聴ではクレジットを消費しません。作成した声でテキストを読み上げる場合は、1文字につき4クレジットを消費します。感情タグとポーズタグは課金対象の文字数に含まれません。

システムがクローン作成の失敗を確認した場合、その作成に使ったクレジットは自動で返還されます。作成は完了したものの、声が期待と異なる場合は、処理の失敗には当たりません。別のサンプルで新しくクローンを作ると、改めてクレジットが必要です。通信エラーの際は、再送信する前に「マイボイス」で処理状況を確認してください。

ログイン後、このページの「マイボイス」で処理状況や完成した声を確認できます。保存した声は試聴や名前の変更ができ、「この声を使う」からホームのテキスト読み上げエディターで使えます。原稿を修正した場合も、変更した文章を同じ声で読み上げられるので、クローンを作り直す必要はありません。

はい。テキスト読み上げの際に、感情タグで話し方を指定できます。対象の文章の前に[happy]、[sad]、[angry]などを入れ、[neutral]でニュートラルな話し方に戻せます。タグは表現の方向性を示すもので、特定の演技を保証するものではありません。生成した音声を聴きながら原稿を調整してください。

短い自己紹介や身近な出来事を、普段の話し方で話してください。無理のない速さで、一文ずつ最後まで読みましょう。途中で別の人物を演じたり、アクセントを誇張したりせず、自然な声を保つのがポイントです。録音画面の読み上げ用の文章を使っても、自分で用意した原稿を読んでも構いません。

雑音や反響が少なく、一人の声がはっきり聞こえる録音を使ってください。作成後は、元の音声とプレビューを聴き比べて声の特徴を確認できます。発音や言葉の区切り方を比べたい場合は、元の録音と同じ文章で短い音声を生成しましょう。同じヘッドホンを使い、音量も近づけると比較しやすくなります。