AIボイスクローン

対象の声の音声サンプルを提供すると、AIモデルが声の特徴を解析して音声プロファイル（カスタム音声ID）を作成します。テキストを入力すると、テキスト読み上げエンジンがそのプロファイルを使い、元の話者の声に一致した音声を生成します。

MP3、WAV、M4Aに対応しています。数秒のクリアな音声が最低限必要です。長いサンプルは精度向上に寄与しますが、ノイズ除去と正規化は自動実行されるため、多少の録音品質でも利用可能です。ElevenLabsでは複数サンプルファイルにも対応し、より高精度なクローンが実現できます。

アカウント作成時に無料クレジットが付与されます。このクレジットでボイスクローンとテキスト読み上げの生成が可能です。クレジット制で、使用量はモデルと出力の長さに依存します。現在のクレジット残高はアカウントページで確認できます。

TTSエンジンは複数言語に対応しており、日本語を含む多言語で音声生成が可能です。ある言語の声をクローンして別の言語で生成することもできます。MiniMax、ElevenLabs、Gemini TTSがそれぞれ独自の対応言語セットを持っています。

通常のテキスト読み上げはモデルに組み込まれたプリセット音声を使用します。ボイスクローンはあなたの音声サンプルから新しい音声プロファイルを作成するため、汎用的なAI音声ではなく特定の人物に似た出力になります。クローンした音声にはピッチ・速度・感情などのパラメータ調整も可能です。

音声サンプルは音声IDの作成と音声出力の生成に使用されます。プラットフォームはあなたの音声データを公開モデルの学習に使用しません。データ取り扱いの詳細についてはプラットフォームのプライバシーポリシーをご確認ください。