Skip to main content
Professional Voice Clone(PVC)は、Cartesia のテキスト読み上げ(TTS)モデルをあなたの音声でファインチューニングし、アクセント、話し方、音質を含めた、ほぼ完全な音声のレプリカを生成します。 多くのユースケースでは高速かつ高品質な Instant Voice Clone から始めることをおすすめします。IVC では十分な近似が得られず、単一話者のスタジオ品質の音声を30分以上用意できる場合には、PVC を使用してください。

PVC を作成する

PVC は、学習に使用した音声に極めて忠実な結果を生成します。単一話者のクリーンな録音を、目的とする音量、テンポ、音質で用意してください。データが多いほど品質は向上します:最低30分、2時間以上あると最良の結果が得られます。学習には最大3時間かかります。
スピードと音量は固定されます。 PVC はデータセットからテンポと音量を学習するため、スピードと音量のコントロールはリクエスト時に効果がありません。学習前に、ソース音声の段階で目的のスピードと音量に設定してください。
PVC 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

Pro Voice Clone ページを開きます。ここから PVC を作成し、既存のクローンのステータスを追跡できます。画面上の手順に従って音声データを提供し、学習を開始し、生成されたボイスを試聴します。

API から

以下のエンドポイントを使用して、プログラムから PVC を作成できます:
  1. データを保持するデータセットを作成
  2. データセットにファイルをアップロード
  3. データセットからファインチューンを作成
  4. ファインチューンが生成したボイスの一覧を取得
前提条件
  1. Cartesia API キーを保有していること(CARTESIA_API_KEY としてエクスポート)。
  2. 1つ以上の .wav ファイルを含む samples/ フォルダーがあること。

Text-to-Speech で PVC を使用する

Pro Voice Clone は、最初は学習に使用された TTS モデルでのみサポートされます。Cartesia が新しいモデルをリリースすると、あなたのボイスを新しいモデルでも自動的に利用できるようにするため、モデルをアップグレードしても継続して動作します。
テキスト読み上げ API リクエストで、model_id にそのボイスのサポート対象モデルのいずれかを指定してください。サポート対象モデルは、Get Voice レスポンスの fine_tunes.public_model_id フィールドで返されます。 サポートされていない model_id を指定すると、HTTP 400voice_model_mismatch エラーが返されます:

FAQ

多くのユースケースでは、まず IVC から始めてください:高速かつ高品質で、必要な音声はわずか10秒です。キャラクターボイスの複製、珍しいアクセントの保持、特定のトーンやテンポの再現が必要な場合は、PVC を選択してください。
作成した PVC は Cartesia ダッシュボードまたは API から確認できます。ダッシュボードでは、Voice Library の My Voices に移動し、PRO バッジを目印にしてください。API では、List Voicesis_owner=true で呼び出し、is_pro=true のボイスでフィルタリングしてください。
作成できる PVC ファインチューンの数はサブスクリプションプランによって異なります:現在の PVC ファインチューン数を確認するには、ダッシュボードの Pro Voice Clone ページを開いてください。Limit の行に、プランの上限に対して作成済みのファインチューン数が表示されます。
既存の PVC は引き続き動作します。新しい PVC を学習するには、不要になったファインチューンを Pro Voice Clone ページまたは Delete Fine Tune エンドポイントから削除するか、プランをアップグレードしてスロットを増やしてください。
スロットの個別販売はありません。新しい PVC のためにスロットを空けるには、不要になったファインチューンを削除するか、プランをアップグレードしてスロットを増やしてください。
既存の PVC は、新しいプランの上限を超えていても引き続き動作します。上限内に戻るまで、新しい PVC の学習はできません。
不要です。新しい TTS モデルがリリースされると、PVC は自動的に対応するため、model_id を切り替えても動作し続けます。これらの対応バージョンはプランのスロットにカウントされません。