Skip to main content
どの音声も、モデルがサポートするすべての言語を話せます。単一アクセントの音声は、自身の言語以外では非ネイティブ話者のように聞こえます。多言語対応の音声は複数の言語のアクセントを持ち、それぞれの言語でネイティブのように聞こえるため、1 つの音声で、サポートするすべての言語のお客様に対応できます。

音声がサポートするアクセントを確認する

音声がネイティブのように聞こえるのは、その音声がサポートするアクセントだけです。それ以外の言語では、元のアクセントにフォールバックします。音声がサポートするアクセントは、ダッシュボードまたは API で確認できます:
  • ボイスライブラリでは、音声の言語列にある国旗にカーソルを合わせると、サポートされているアクセントが一覧表示されます。任意のアクセントをクリックすると試聴できます。
  • API では、Get Voice を呼び出して accents フィールドを参照します:
この例では、Jacqueline は一般的なアメリカ英語とヒンディー語の 2 つのアクセントをサポートしており、どちらでも同じようにネイティブのように聞こえます。各アクセントはロケールに属します。 is_native: true は、ボイスライブラリに表示される国旗と同様に、その音声が最初に録音されたアクセントを示します。これは、音声のリストにない言語をリクエストしたときに音声がフォールバックするアクセントです。

多言語対応の音声を使う

上記の Jacqueline の音声 ID をテキスト読み上げリクエストで使用します。ほとんどのリクエストでは language または locale を設定するだけで十分です。音声はサポートするアクセントのいずれかでその言語を話し、Cartesia はその言語またはロケールに合わせてトランスクリプトを正規化するため、日付、数値、単位が正しく読まれます。
locale には sonic-3.6 以降が必要です。それより前のモデルでは、代わりに en のような基本コードで language を使用してください。1 つのリクエストで設定できるのはどちらか一方のみで、両方を設定することはできません。

言語をネイティブに話す

locale は、音声が話す言語、トランスクリプトの読み方、そして音声がサポートするアクセントのうちどれを使うかを決めます。以下の例では locale を en-US に設定しており、Jacqueline は地元の人のように、ネイティブのアメリカ英語を話します。

アクセントのフォールバック

この音声が対応するアクセントを持たない言語をリクエストすると、音声は元のアクセントにフォールバックします。Jacqueline の場合は一般的なアメリカ英語です。Jacqueline は日本語のアクセントをサポートしていないため、音声を聞いて、彼女がアメリカ訛りの日本語を話すことを確認してください:
同じフォールバックはロケールレベルでも適用されます。Jacqueline の英語アクセントは一般的なアメリカ英語(en-US)のみのため、en-GB のリクエストは失敗せず、彼女のアメリカ英語にフォールバックします。以下の音声は、上記の en-US リクエストとまったく同じです:

意図的にアクセントを付ける

accent の設定は多言語対応の音声にのみ適用され、非ネイティブ話者のように、意図的に訛りのある発話にしたい場合にだけ必要です。次の例ではトランスクリプトは上記と同じ英語で、accent を standard-hindi に設定しています。音声を聞いて、Jacqueline がヒンディー語訛りの英語を話すことを確認してください:
sonic-3.6 では、音声が別の言語を話すときによりネイティブに聞こえるようになっているため、意図的に付けたアクセントが軽く聞こえる場合があります。意図的に非ネイティブのアクセントにしたい場合は、sonic-3.5 を使用してください。
accent は、その音声がサポートするアクセントのいずれかである必要があります。Jacqueline には japanese アクセントがないため、次のリクエストは失敗します:

会話の途中で言語を切り替える

リクエストごとに 1 つの言語を送信してください。たとえば、“For English, press one” と “हिंदी के लिए, दो दबाएँ” は 2 つの別々のリクエストとして送信します。単一の生成内での言語の混在は、ヒンディー語(ヒングリッシュ)やタガログ語(タグリッシュ)など、それが一般的な場合には機能します。それ以外の場合は、発話に訛りが生じることがあります。

音声を多言語対応にする

音声には、録音されたアクセント以外にもネイティブのアクセントを追加できます。どちらの方法でも、音声は新しいアクセントでネイティブのように聞こえます。どちらを使うかは音声によって決まります: 追加したアクセントで、音声はその言語を話すときにネイティブのように聞こえます。元の話者にどれだけ近く聞こえるかは音声とアクセントによって異なるため、本番環境で使用する前にアクセントを試聴してください。

Instant Voice Clone にアクセントを追加する

  • Cartesia ダッシュボード:ボイスライブラリで対象の音声を見つけ、音声の横にある More actions メニューを開き、Manage voice > Supported languages & accents > Add を選択します。
  • API:Add Voice Accents を、アクセント ID を指定して呼び出します。
1 つの音声がサポートできるアクセントは最大 10 個です。枠を空けるには、Delete Voice Accent でアクセントを削除してください。
アクセントを追加するには、音声の元のアクセントが登録されている必要があります。Get Voice が accents フィールドを返さない場合は、まず Update Voice で設定してください。ダッシュボードでは自動的に入力を求められます。この手順を省くには、音声を複製する際に accent を設定してください。

その他の音声をローカライズする

  • Cartesia ダッシュボード:Localize を使用します。
  • API:音声 ID とアクセント ID を指定して Localize Voice を呼び出します。
リクエストでは新しい音声 ID を使用してください。
Pro Voice Clone をローカライズすると、新しい PVC ではなく Instant Voice Clone が作成されます。話者らしさは残りますが、PVC のトーン、音色、ペースにはそれほど忠実ではありません。別の言語でもその忠実度を保つには、言語ごとに別の PVC をトレーニングしてください。

よくある質問

音声は、モデルがサポートするすべての言語を話せます。サポートされているアクセントは、その音声が地元の人のようにネイティブに話せるアクセントです。それ以外の言語では、元のアクセントで話します。
音声が録音されたアクセントです。サポートされているアクセントがない言語では、音声はこのアクセントにフォールバックします。どのアクセントかを確認する方法は 2 つあります:
  • ボイスライブラリ:音声の言語列に表示される国旗。
  • API:Get Voice のレスポンスの accents 配列で is_native: true を持つ項目。
はい。すでに使用している音声で locale を目的の言語に設定し、聞いてみてください。音声はアイデンティティを保ったまま、元のアクセントで話します。アクセントのネイティブらしさが足りない場合は、Add Voice Accents でアクセントを追加するか、自分が所有していない音声の場合は Localize Voice を使用すると、地元の人のように聞こえるようになります。
ほぼ同じです。元の話者にどれだけ近く聞こえるかは、言語と音声によって異なります。本番環境の前に、使用予定のすべての言語を試聴してください。追加したアクセントで音声が元の話者らしく聞こえなくなった場合は、Delete Voice Accent で削除してください。その後、音声はその言語を元のアクセントで話します。
ほとんどのリクエストでは locale だけで十分です。locale は、言語、トランスクリプトの読み方、そして音声の対応するアクセントを決めます。accent は、多言語対応の音声を意図的に訛りのある発話にしたい場合にのみ設定してください。
  • アクセントが 1 つの音声:locale をトランスクリプトの言語に設定します。音声のアクセントがそのまま反映されます。
  • 多言語対応の音声:locale をトランスクリプトの言語に、accent を音声がサポートするアクセントのいずれかに設定します。意図的にアクセントを付けるを参照してください。
最も強いアクセントにするには、sonic-3.5 を使用してください。Sonic 3.6 では、音声が他の言語でよりネイティブに聞こえるようになっています。
Sonic 3.6 では、音声が別の言語を話すときによりネイティブに聞こえるようになっています。これが聞き取れるケースは 2 つあります:
  • その言語にサポートされているアクセントがない場合:音声は元のアクセントにフォールバックしますが、Sonic 3.5 よりも軽く引き継がれます。
  • 意図的な accent を設定した場合:設定したアクセントがより控えめに表れます。
意図的なアクセントを保つことがユースケースにとって重要な場合は、sonic-3.5 を使用してください。