60 秒の上限が適用されるのは Sonic 3.6 以降です。旧モデルはクリップの最初の 10 秒からのみ学習するため、長いサンプルを与えても結果は改善されません。
アップロードする音声ファイルは 16 MB 以下にしてください。
クリップを録音する
複製された音声はクリップの雰囲気をそのまま引き継ぎます。明るいトーンで録音すると、何を話しても明るく聞こえる音声になります。音声に持たせたい雰囲気で録音してください。- 話者は 1 人、背景ノイズなし。 静かな部屋で、音楽なし、壁の反響がない環境で録音します。
- クローンに話させたい話し方で話す。 トーン、アクセント、ペース、エネルギーはすべて引き継がれます。
- アナウンサーのようにではなく、自然に話す。 過剰な発音や芝居がかった話し方は、クローンの会話らしさを損ないます。
- 話者が実際に話せる言語で録音する。 各クローンは 1 つの言語から作成されます。クローンに他の言語をネイティブに話させるには、まずその話者自身の言語で複製してから、Add Voice Accents API で言語を追加してください。
クローンを作成する
Instant Voice Clone は、Cartesia ダッシュボードまたは API から作成できます。- ダッシュボードから： Instant Voice Clone タブ を開き、クリップを直接録音するか、ファイルとしてアップロードします。
- API から： クリップ、名前、録音した言語を指定して Clone Voice を呼び出します。