基本
AI 音声クローンとは何ですか？
AI 音声クローンは、人が話している短い録音から、その声のデジタルモデルを作ります。モデルができれば、任意のテキストを入力してその声で読み上げられます。モデルが捉えるのは音色・話す速さ・アクセントの特徴で、元の録音を細切れに再生しているわけではありません。
AI 音声クローンはどう動きますか？
4 段階です。きれいな音声（30 秒〜数分）をアップロード → システムが話者埋め込み（声の数値的な指紋）を抽出 → 音声合成モデルがその指紋と新しいテキストの音素を結合 → ニューラルボコーダーが音声波形に変換します。クローン化は数秒〜2 分、以降の生成は 1 回数秒です。
ニューラル音声クローンとは？
ニューラルとは、大規模な音声コーパスで学習したニューラルネットワークのモデルという意味で、録音の断片をつなぎ合わせる旧来の方式ではありません。必要な元音声ははるかに少なく、30 秒でも使えます。また録音済みのフレーズを繰り返すだけでなく、新しいテキストに汎化します。
料金とクレジット
声のクローン化はいくらですか？
1 音声あたり 100 クレジット、1 回のみの課金です。その後は追加費用なしで繰り返し使えます。クレジットは 1 ドル = 50、パックは 9 ドルから。月額料金もサブスクもなく、有効期限もありません。
音声合成の料金は？
入力テキストの UTF-8 バイト単位で、100 万バイトあたり 4,200 クレジットです。英語は 1 文字およそ 1 バイト、中国語と日本語は 1 文字 3 バイト。英語 1,000 語の原稿は約 6,000 バイトで、およそ 25 クレジットです。
クレジットとは？ 期限はありますか？
パック購入時は 1 クレジット = 0.02 ドル（9 ドルで 450 クレジット）。クレジットに有効期限はありません。月額料金もサブスクもなく、使った分だけの支払いです。
録音と出力
良いクローンにはどのくらいの音声が必要ですか？
認識できるクローンの実用下限は、単一話者のきれいな音声 30 秒です。1〜3 分あると類似度がはっきり上がります。BGM、残響、他の話者、音割れは避けてください。モノラル、44.1 kHz 以上、強いノイズ除去はかけないのが無難です。
クローン化にはどのくらいかかりますか？
学習は通常、サンプル長と混雑状況により数秒〜2 分です。ライブラリに声が表示された時点で生成に使えます。
対応言語は？
合成は 83 言語に対応し、声のモデルは言語非依存です。英語で一度録音すれば、日本語・ドイツ語・スペイン語で生成できます。出力のアクセントは学習音声に従うため、ネイティブのアクセントが必要ならそのアクセントの素材を用意してください。
権利と信頼性
音声クローンは合法ですか？
誰の声を、何に使うかによります。自分の声のクローンは通常問題ありません。他人の声は明示的な同意が必要です。多くの法域が声を保護される識別情報として扱い、テネシー州の ELVIS Act のようにパブリシティ権を明文化した例もあります。なりすまし、詐欺、誤認を招く用途に使ってはいけません。Resona は、クローンするすべての声について権利または同意を保有していることを求めます。管轄ごとの同意と開示の詳しい拆解り——俳優の声を吹き替え用にクローンする場合を含む——については、<a href="/blog/voice-cloning-rights-consent">吹き替え向け声クローンの権利と同意</a> のガイドをご覧ください。
クローンした声は商用利用できますか？
自分が権利を持つ声、または書面同意のある声であれば可能です。商用でもクレジット価格は変わりません。権利についての責任、および法令やプラットフォームが求める場合に合成音声であることを開示する責任は利用者にあります。AI 生成音声の表示を求めるプラットフォームが増えています。
処理が失敗したらどうなりますか？
予約済みのクレジットは自動で返還されます。利用履歴には REFUND 状態の記録が残るので、何が起きたか確認できます。結果を受け取っていない分について課金されることはありません。
その他のご質問は support@resonaio.com まで。営業日は 24 時間以内に返信します。