Chatterbox、Kokoro、Whisperを搭載

究極の
音声から音声へ
AIプラットフォーム

あらゆる声を数秒でクローンし、テキストを音声に変換し、音声を文字起こしし、ある声を別の声に変換。すべて最先端のオープンソースモデルで実現します。

クレジットカード不要 10 クレジット無料 API アクセス付き
ボイスクローンのデモ
同じ言葉を、別の声で

同じ文を2つの異なる声で聞く

自分の声をクローン

最先端のオープンソースモデルを搭載

Qwen2.5 Chatterbox Kokoro 82M Whisper Large v3 OpenVoice v2

音声AIに必要なすべてがここに

あらゆる音声アプリケーションに対応する充実のツール

使い方

3つのかんたんなステップで音声を変換

1

オーディオをアップロード

音声サンプル (10-30秒) をアップロードしたり、ブラウザで直接録音したりできます。MP3、WAV、FLACなどをサポートします。

2

AIで処理

自社のGPUサーバーが、Chatterbox、Kokoro、Whisper、OpenVoiceなどのオープンソースモデルで音声を処理します。

3

ダウンロードまたはストリーミング

結果を即座に取得します。複数のフォーマットでダウンロードしたり、リアルタイム API を使って直接ストリーミングしたりできます。

最高のオープンソースモデルを搭載

最先端の音声AI研究を活用し、貢献しています

OpenVoice v2

オプションの音声変換エンジンとクローンモデル

  • 音色変換
  • 言葉とタイミングを維持
  • MITライセンス
Chatterbox

音声クローン、吹き替え用の声、デフォルトの音声変換 (Chatterbox VC)

  • ゼロショットクローン
  • 23 言語
  • 商用利用可能
Kokoro 82M

高速で自然なテキスト読み上げ

  • 54 種類の音声
  • 8 言語
  • Apache 2.0 ライセンス
Whisper Large v3

多言語の文字起こし

  • 言語の自動検出
  • 100言語
  • 単語単位のタイムスタンプ

あらゆる用途に対応

コンテンツ制作から企業向けアプリケーションまで

コンテンツ制作

動画、ポッドキャスト、オーディオブック、SNSコンテンツのナレーションを大量に作成できます。

カスタマーサービス

自然に話し、複雑な会話にも対応できる音声エージェントを構築できます。

ローカライズ

元の話者の声を保ったまま、コンテンツを複数の言語に吹き替えできます。

アクセシビリティ

声を失った人々に声を与え 個別の音声合成を作成します

ゲーム&エンターテインメント

NPC の多彩な音声、キャラクターの台詞、インタラクティブな体験を作成できます。

教育

自然なナレーションで魅力的な教育コンテンツを作成できます。

開発者向け API

API で開発

すべてのツールに使えるシンプルなREST API。APIキーを付けてリクエストを送り、結果をポーリングします。

  • RESTful API

    すべての機能に使えるシンプルな HTTP エンドポイント

  • Webhook

    文字起こしジョブは完了時に結果をあなたのURLへ POST できます

API ドキュメントを見る
POST /v1/voice-clone/
curl -X POST https://api.speechtospeechai.com/v1/voice-clone/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "reference_audio=@sample.mp3" \
  -F "text=Hello, this is my cloned voice." \
  -F "model=chatterbox"

# Response: a job to poll
{"uuid": "3f2c...", "status": "queued"}

curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.wav"}

シンプルで明確な料金

無料ではじめて、成長に合わせて拡張

無料
$0/月
  • 10 クレジット/月
  • すべてのツールを含む
  • APIアクセス
はじめる
スター
$9/月
  • 100 クレジット / 月
  • すべてのツールを含む
  • APIアクセス
スタートアップを選択
プロ
$29/月
  • 500 クレジット / 月
  • すべてのツールを含む
  • APIアクセス
プロを選択
エンタープライズ
$99/月
  • 2000 クレジット / 月
  • すべてのツールを含む
  • APIアクセス
エンタープライズを選択

よくある質問

Speech to Speech AI について知っておきたいこと

音声クローンは,AIを用いて,10〜30秒の音声サンプルを分析し,その音声でテキストを発話できるデジタルモデルを作成する。

多言語モデルは、これらの言語のどれでも声をクローンし、音声を生成する。

はい。毎月10クレジットが使える無料プランがあり、音声クローン、テキスト読み上げ、音声の文字起こしなど、すべての機能を利用できます。登録にクレジットカードは不要です。クレジットを増やしたいときは、いつでもアップグレードできます。

オープンソースのモデルを使っています。音声クローンには Chatterbox と OpenVoice v2、テキスト読み上げには Kokoro、Piper、VITS、Bark、文字起こしには Whisper Large v3、音声変換には Chatterbox VC (OpenVoice v2 も引き続き選択可能)、AI吹き替えのクローン音声には Chatterbox、音声チャットの返答には Qwen2.5 です。すべて当社のGPUサーバーで動作します。

もちろんです! すべての有料プランには商用利用権が含まれています。生成された音声をビデオ、ポッドキャスト、アプリケーション、ゲーム、顧客サービス、その他の商用アプリケーションに使用できます。使用する声をクローンする権利を持っていることを確認してください。

ボイスチャットではAIアシスタントと会話できます。ブラウザがあなたの発話をテキストに変換し、Qwen2.5 (自社のGPUで動くオープンソースの言語モデル) が選んだペルソナとして返答を作成し、Piperの音声が読み上げます。会話は交互に進み、英語で行われます。

音声アプリケーションを進化させませんか?

Speech to Speech AI を使う数千人の開発者やクリエイターに加わりましょう。