クローンボイスを作成
録音から自分専用のボイスをクローンします:MiniMax Speech 2.8 のボイスクローン、または Doubao ボイスクローン 2.0(`seed-icl-2.0`)。
/v1/voice_cloneMiniMax と Doubao はこのパスを共有しており、HopBase はリクエストボディとキーのグループで振り分けます。両者のリクエストボディとレスポンスは異なるため、下でシリーズを選んで確認してください。両方を使う場合は、それぞれ別のキーを使うことをおすすめします。
MiniMax Speech 2.8:第 1 ステップの file_id と、自分で決めた voice_id を渡します。その後 voice_id を /v1/audio/speech の voice または /v1/t2a_v2 の voice_setting.voice_id に指定すれば合成できます。text と model を付けると試聴用音声を取得できます:demo_audio は api.hop-base.com 上のダウンロードリンクで、24 時間有効です。text を渡さない場合は空です。アップロードとクローンは無料です。クローン料金は 1 回だけで、ボイスの初回合成が成功した時点で差し引かれます(使用記録の明細に voice_clone_activation が 1 項目追加されます)。試聴は音声の文字数分のみ課金され、初回使用には数えません。価格は料金ページを参照してください。クローンに成功すると元の音声とサンプル音声は自動削除され、再度クローンするには改めてアップロードが必要です。クローンに失敗した場合はファイルが保持され、パラメータを変えて再試行できます。クローン後 7 日以内に合成に使われなかったボイスは自動削除され、クローン料金もかかりません。
Doubao ボイスクローン 2.0:ボディに "model": "seed-icl-2.0" が必須です。録音を base64 で audio に入れると、hbv_ で始まる voice_id が返ります。合成時は /v1/audio/speech の model を seed-icl-2.0、voice をその ID にします。テスト期間中は各アカウントで保持できるクローンボイスは 1 つまでです。声を変えるには先に削除するか、元の voice_id を渡して再学習してください。クローンボイスの枠が満杯のときは 503 voice_capacity_full を返します。課金:試聴の demo_text は合成と同じ 1 万文字あたり ¥3 で課金されます。クローン自体は無料で、現在クローン料金はかかりません。失敗したリクエストは課金されません。詳しくはDoubao ボイスクローンを参照してください。
どちらのボイスもあなたのアカウントにのみ属し(企業アカウントでは企業オーナー配下のメンバーのキー間で共有)、他のアカウントは voice_id を知っていても使えません。
ヘッダー
Bearer sk-…:コンソールの「API キー」で作成したキー。キーのグループにリクエストするモデルが含まれている必要があります
リクエストボディJSON
file_id を取得し、自分で決めた voice_id を渡します。アップロードとクローンは無料で、クローン料金はボイスの初回合成成功時に 1 回だけかかります。第 1 ステップで purpose=voice_clone としてアップロードして返されたファイル ID。1 回しか使えません
範囲≥ 1
自分で決めるボイス名。アカウント内で一意:英字、数字、-、_ で構成し、英字で始まり、- や _ で終わらないこと
長さ8–256 文字
サンプル音声
purpose=prompt_audio でアップロードして返されたファイル ID
範囲≥ 1
サンプル音声の書き起こしテキスト。句読点で終わること
試聴テキスト。指定すると試聴用音声が返り、音声の文字数分課金されます(初回使用には数えません)
長さ≤ 1000 文字
text を渡す場合は必須
取りうる値speech-2.8-hdspeech-2.8-turbo
ネイティブエンドポイントと同じ
取りうる値autoChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalayPersianSlovakSwedishCroatianFilipinoHungarianNorwegianSlovenianCatalanNynorskTamilAfrikaans
期待するテキスト。音声認識で元の音声と照合します
長さ≤ 200 文字
text_validation の合格しきい値。公式の既定値は 0.7
範囲0–1
ノイズ除去
デフォルトfalse
音量の正規化
デフォルトfalse
AIGC ウォーターマーク
デフォルトfalse
常に seed-icl-2.0。必須で、HopBase はこれでリクエストを Doubao ボイスクローンに振り分けます
取りうる値seed-icl-2.0
録音の base64、または data:audio/…;base64,…。デコード後 10 MB 以内、形式は wav / mp3 / ogg / m4a / aac / pcm
省略時は data URI の種類またはファイルヘッダーから判別します。pcm は 24 kHz モノラルで、明示的に指定する必要があります
取りうる値wavmp3oggm4aaacpcm
録音の書き起こし(逐語)。録音との差が大きいとクローンに失敗します(400 audio_text_mismatch)。自信がなければ省略してください
長さ≤ 1000 文字
録音の言語コード
取りうる値zhenjaesidptdefrkoitthvirufilmsares-mxpt-brpltrsv
試聴用テキスト。渡すと新しいボイスで読み上げた試聴音声がレスポンスに含まれ、合成料金で課金されます
長さ4–300 文字
クローン前に録音のノイズを除去
既存のクローンボイス:渡すとそのボイスを再学習し、voice_id はそのままで声を上書きし、学習回数を 1 回消費します。省略すると新規作成
レスポンス
200クローン成功
入力がセンシティブな内容に該当したか
センシティブな内容の種類
試聴用音声のダウンロードリンク。24 時間有効。text を渡さない場合は空文字列
試聴付きの場合のみ返されます
試聴の課金文字数
試聴用音声の長さ、ミリ秒
成功時は {"status_code": 0, "status_msg": "success"}。エラーはここに入らず、200 以外のステータスコードと error オブジェクトで返されます
成功時は 0
成功時は success
クローンボイス ID(hbv_ で始まる)。合成時に /v1/audio/speech の voice に指定
ready は合成可能、training はまだ学習中なので後で再確認、failed は学習失敗で、voice_id を渡して再学習するか削除
取りうる値readytrainingfailed
録音の言語コード
このボイスの残り学習回数(1 ボイスあたり合計 15 回)。使い切ったら削除して再度クローン
作成時刻、Unix 秒
demo_text を渡したときのみ返る:試聴音声の base64
試聴音声の形式(wav など)
エラー
file_id が使用済みまたは期限切れ、voice_id が不正または使用中、音声の長さが範囲外、text_validation の照合不合格、text が長すぎる、text があるのに model がない、未知のフィールドなど。Doubao:voice_limit_reached(クローンボイスが既にある)、audio_text_mismatch(録音と text が一致しない)、invalid_audio(録音が拒否された)、no_trainings_left(学習回数を使い切った)、unknown_voice(再学習する voice_id が存在しない)。model の欠落、不正な audio、demo_text の長さ違いなどのパラメータエラーは code なしmissing_api_key / invalid_api_key / api_key_expired)insufficient_quota)model_not_found)、またはパスがそのグループに属さない(route_not_found)voice_clone_in_progress。同じアカウントの別のクローンまたは削除リクエストがまだ終わっていません。終わってから再送してくださいrequest body is too large)、Doubao は 16 MiBvoice cloning is temporarily unavailable、voice registry is temporarily unavailable; please retry。Doubao は voice_capacity_full(クローンボイスの枠が一時的に満杯)、voice_unavailable、voice_registry_unavailable